In diesem Tutorial wird erl\u00e4utert, wie Sie in Stata eine multiple lineare Regression durchf\u00fchren.<\/span><\/p>\n Nehmen wir an, wir m\u00f6chten wissen, ob Meilen pro Gallone und Gewicht den Preis eines Autos beeinflussen. Um dies zu testen, k\u00f6nnen wir eine multiple lineare Regression durchf\u00fchren, indem wir Meilen pro Gallone und Gewicht als die beiden erkl\u00e4renden Variablen und den Preis als Antwortvariable verwenden.<\/span><\/p>\n F\u00fchren Sie die folgenden Schritte in Stata aus, um eine multiple lineare Regression mit dem Datensatz namens auto<\/em> durchzuf\u00fchren, der Daten zu 74 verschiedenen Autos enth\u00e4lt.<\/span><\/p>\n Schritt 1: Daten laden.<\/strong><\/span><\/p>\n Laden Sie die Daten, indem Sie Folgendes in das Befehlsfeld eingeben:<\/span><\/p>\n Verwenden Sie https:\/\/www.stata-press.com\/data\/r13\/auto<\/strong><\/span><\/p>\n<\/blockquote>\n Schritt 2: Erhalten Sie eine Datenzusammenfassung.<\/strong><\/span><\/p>\n Verschaffen Sie sich einen schnellen \u00dcberblick \u00fcber die Daten, mit denen Sie arbeiten, indem Sie Folgendes in das Befehlsfeld eingeben:<\/span><\/p>\n zusammenfassen<\/span><\/strong> <\/p>\n<\/blockquote>\n Wir k\u00f6nnen sehen, dass der Datensatz 12 verschiedene Variablen enth\u00e4lt, aber die einzigen, die uns interessieren, sind mpg<\/em> , Gewicht<\/em> und Preis<\/em> .<\/span><\/p>\n Wir k\u00f6nnen die folgenden grundlegenden zusammenfassenden Statistiken zu diesen drei Variablen sehen:<\/span><\/p>\n Preis |<\/strong> Durchschnitt = 6.165 $, Minimum = 3.291 $, Maximum 15.906 $<\/span><\/p>\n mpg |<\/strong> Durchschnitt = 21,29, Min. = 12, Max. = 41<\/span><\/p>\n Gewicht |<\/strong> Durchschnitt = 3.019 Pfund, Minimum = 1.760 Pfund, Maximum = 4.840 Pfund<\/span><\/p>\n Schritt 3: F\u00fchren Sie eine multiple lineare Regression durch.<\/strong><\/span><\/p>\n Geben Sie Folgendes in das Befehlsfeld ein, um eine multiple lineare Regression mit mpg und Gewicht als erkl\u00e4renden Variablen und Preis als Antwortvariable durchzuf\u00fchren.<\/span><\/p>\n Regressionspreis mpg Gewicht<\/strong><\/span> <\/p>\n<\/blockquote>\n So interpretieren Sie die interessantesten Zahlen im Ergebnis:<\/span><\/p>\n Wahrscheinlich > F:<\/strong> 0,000. Dies ist der p-Wert f\u00fcr die Gesamtregression. Da dieser Wert kleiner als 0,05 ist, weist dies darauf hin, dass die kombinierten erkl\u00e4renden Variablen mpg<\/em> und Gewicht<\/em> eine statistisch signifikante Beziehung zur Antwortvariablen Preis<\/em> haben.<\/span><\/p>\n R im Quadrat:<\/strong> 0,2934. Dies ist der Anteil der Varianz der Antwortvariablen, der durch die erkl\u00e4renden Variablen erkl\u00e4rt werden kann. In diesem Beispiel k\u00f6nnen 29,34 % der Preisschwankung durch mpg und Gewicht erkl\u00e4rt werden.<\/span><\/p>\n Koeffizient (mpg):<\/strong> -49,512. Daraus ersehen wir die durchschnittliche Preis\u00e4nderung, die mit einer Erh\u00f6hung der mpg um eine Einheit einhergeht, vorausgesetzt, das Gewicht bleibt konstant<\/em> . In diesem Beispiel ist jede Erh\u00f6hung der mpg um eine Einheit mit einem durchschnittlichen Preisr\u00fcckgang von etwa 49,51 US-Dollar verbunden, vorausgesetzt, das Gewicht bleibt konstant.<\/span><\/p>\n Nehmen wir zum Beispiel an, dass die Autos A und B beide 2.000 Pfund wiegen. Wenn Auto A 20 mpg und Auto B nur 19 mpg hat, w\u00fcrden wir erwarten, dass der Preis von Auto A 49,51 $ unter dem Preis von Auto B liegt.<\/span><\/p>\n P>|t| (mpg):<\/strong> 0,567. Dies ist der p-Wert, der der Teststatistik f\u00fcr mpg zugeordnet ist. Da dieser Wert nicht weniger als 0,05 betr\u00e4gt, haben wir keine Hinweise darauf, dass MPG einen statistisch signifikanten Zusammenhang mit dem Preis hat.<\/span><\/p>\n Koeffizient (Gewicht):<\/strong> 1.746. Dies zeigt uns die durchschnittliche Preis\u00e4nderung, die mit einer Gewichtszunahme um eine Einheit verbunden ist, unter der Annahme, dass der MPG-Wert konstant bleibt<\/em> . In diesem Beispiel ist jede Gewichtszunahme um eine Einheit mit einem durchschnittlichen Preisanstieg von etwa 1,74 US-Dollar verbunden, vorausgesetzt, die MPG bleiben konstant.<\/span><\/p>\n Nehmen wir zum Beispiel an, dass die Autos A und B beide 20 mpg haben. Wenn Auto A ein Pfund mehr wiegt als Auto B, dann m\u00fcsste Auto A 1,74 $ mehr kosten.<\/span><\/p>\n P>|t| (Gewicht):<\/strong> 0,008. Dies ist der p-Wert, der der Teststatistik f\u00fcr das Gewicht zugeordnet ist. Da dieser Wert unter 0,05 liegt, haben wir gen\u00fcgend Beweise daf\u00fcr, dass das Gewicht einen statistisch signifikanten Zusammenhang mit dem Preis hat.<\/span><\/p>\n Koeffizient (_cons):<\/strong> 1946.069. Dies gibt uns den Durchschnittspreis eines Autos an, wenn mpg und Gewicht Null sind. In diesem Beispiel betr\u00e4gt der Durchschnittspreis 1.946 $, wenn Gewicht und mpg null sind. Dies ist nicht wirklich sinnvoll zu interpretieren, da das Gewicht und die mpg eines Autos nicht Null sein k\u00f6nnen, aber die Zahl 1946,069 wird ben\u00f6tigt, um eine Regressionsgleichung zu bilden.<\/span><\/p>\n Schritt 4: Melden Sie die Ergebnisse.<\/strong><\/span><\/p>\n Abschlie\u00dfend m\u00f6chten wir \u00fcber die Ergebnisse unserer multiplen linearen Regression berichten. Hier ist ein Beispiel daf\u00fcr:<\/span><\/p>\n Es wurde eine multiple lineare Regression durchgef\u00fchrt, um die Beziehung zwischen dem Gewicht und den mpg eines Autos und seinem Preis zu quantifizieren. F\u00fcr die Analyse wurde eine Stichprobe von 74 Autos verwendet.<\/span><\/p>\n Die Ergebnisse zeigten, dass es einen statistisch signifikanten Zusammenhang zwischen Gewicht und Preis gab (t = 2,72, p = 0,008), aber keinen statistisch signifikanten Zusammenhang zwischen mpg und Preis (und mpg (t = -0,57, p = 0,567).<\/span><\/p>\n<\/blockquote>\n","protected":false},"excerpt":{"rendered":" Die multiple lineare Regression ist eine Methode, mit der Sie die Beziehung zwischen mehreren erkl\u00e4renden Variablen und einer Antwortvariablen verstehen k\u00f6nnen. In diesem Tutorial wird erl\u00e4utert, wie Sie in Stata eine multiple lineare Regression durchf\u00fchren. Beispiel: Multiple lineare Regression in Stata Nehmen wir an, wir m\u00f6chten wissen, ob Meilen pro Gallone und Gewicht den Preis […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Beispiel: Multiple lineare Regression in Stata<\/strong><\/span><\/h2>\n
\n
\n
![\"Daten](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/simpleregressionstata1.png\")
<\/p>\n\n
![\"Mehrere](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/multipleregstata1.png\")
<\/p>\n\n