NOTE: For Question 1a), you are expected to follow the Data Analysis Algorithm   shown on page 1 of Workbook 3 from the EBBRMS course, and ensure you cover      both confidence interval and hypothesis testing approaches.  Make sure that you          remember to check assumptions where possible; state null hypotheses when                interpreting p-values; appropriately interpret confidence intervals, and give your         interpretation ofthe clinical, scientific or wider relevance ofthe results.  To help you  get an idea ofthe kind of approach to take, the file in the EBBRMS Moodle                Assignment section “EBBRMS Assignment-ExampleQuestionAndAnswer” does this for a t-test based analysis, though remember that you are being asked to do a multiple regression and not a t-test, so the ExampleQuestionAndAnswer will have plenty of     differences from what you will need to do.

Question 1

The datafile Attendance.xls contains information on 34 Australian Football League (AFL) matches played in the state of Victoria.   The variables you have are:

Attend       Attendance at the match in 1000's.

Temp         Temperature – the forecast maximum for the day ofthe match, in °C.

Other         Attendance at other matches in 1000's – the sum of attendances at other AFL matches in Victoria on the same day as the match in question.

Members   Membership – the sum of the memberships (season tickets) ofthe two

clubs whose teams were playing the match in question in 1000's.

Top50        The number of top 50 players (best 50 players in the AFL) playing in the

match in question.

a)   Investigate the factors that affect attendance at these AFL matches.           Specifically, carry out a multiple regression analysis with Attend as the    response and Other, Temp, Members and Top50 as (potential) predictors.

[24 marks] [Note:  You can use Best Subsets Regression or Stepwise Regression if you       wish to help decide which predictors to include (see the Multiple and Logistic       Regression lecture notes and answers to workbook further question 4 for more    details).  Minitab or SPSS can be used to do this.

HINTS: Ensure that you –

• produce suitable graphs and summary statistics to aid your subjective          impression;                                                                                                         [4]

• show how you decided which of the potential predictors should be included in the model;

• check assumptions underlying the regression in your final model;

[5]

[7]

• give and interpret the results from your model.  Also calculate and interpret 95% confidence interval(s) for the coefficient(s) of the variable(s) in your model

(use a calculator [even though you can get these from SPSS and Minitab]).    [8]

NB: the t-distribution critical value you will need for your confidence interval(s) will be depend on the number of variables in your final model.  It will be one of:

For the t-distribution with 32 degrees of freedom = 2.037;

For the t-distribution with 31 degrees of freedom = 2.040;

For the t-distribution with 30 degrees of freedom = 2.042;