Cara menggunakan fungsi coeftest() di r

Anda dapat menggunakan fungsi coeftest() dari paket lmtest di R untuk melakukan uji-t untuk setiap estimasi koefisien dalam model regresi.

Fungsi ini menggunakan sintaks dasar berikut:

koefisien(x)

Emas:

• x : Nama model regresi yang dipasang

Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya.

Contoh: Cara menggunakan fungsi coeftest() di R

Misalkan kita memiliki kerangka data berikut di R yang menunjukkan jumlah jam yang dihabiskan untuk belajar, jumlah ujian praktik yang diambil, dan nilai ujian akhir 10 siswa dalam satu kelas:

 #create data frame
df <- data. frame (score=c(77, 79, 84, 85, 88, 99, 95, 90, 92, 94),
                 hours=c(1, 1, 2, 3, 2, 4, 4, 2, 3, 3),
                 prac_exams=c(2, 3, 3, 2, 4, 5, 4, 3, 5, 4))

#view data frame
df

   score hours prac_exams
1 77 1 2
2 79 1 3
3 84 2 3
4 85 3 2
5 88 2 4
6 99 4 5
7 95 4 4
8 90 2 3
9 92 3 5
10 94 3 4

Sekarang anggaplah kita ingin memasukkan model regresi linier berganda berikut ke dalam R:

Nilai ujian = β ₀ + β ₁ (jam) + β ₂ (ujian praktik)

Kita dapat menggunakan fungsi lm() untuk mengadaptasi model ini:

 #fit multiple linear regression model
fit <- lm(score ~ hours + prac_exams, data=df)

Kita kemudian dapat menggunakan fungsi coeftest() untuk melakukan uji-t untuk setiap koefisien regresi yang dipasang dalam model:

 library (lmtest)

#perform t-test for each coefficient in model
coeftest(fit)

t test of coefficients:

            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 68.40294 2.87227 23.8150 5.851e-08 ***
hours 4.19118 0.99612 4.2075 0.003998 ** 
prac_exams 2.69118 0.99612 2.7017 0.030566 *  
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Statistik uji-t dan nilai p yang sesuai ditampilkan untuk setiap uji-t:

• Intersep : t = 23.8150, p = <0.000
• jam : t = 4,2075, p = 0,003998
• latihan_ujian : t = 2,7017, p = 0,030566

Perhatikan bahwa kami menggunakan hipotesis nol dan hipotesis alternatif berikut untuk setiap uji-t:

• H ₀ : β _i = 0 (kemiringannya sama dengan nol)
• H _A : β _i ≠ 0 (kemiringannya tidak sama dengan nol)

Jika p-value uji-t berada di bawah ambang batas tertentu (misalnya α = 0,05), maka hipotesis nol ditolak dan disimpulkan bahwa terdapat hubungan yang signifikan secara statistik antara variabel prediktor dan variabel respon.

Karena nilai p untuk setiap uji-t kurang dari 0,05, kita dapat menyimpulkan bahwa setiap variabel prediktor dalam model mempunyai hubungan yang signifikan secara statistik dengan variabel respon.

Dalam konteks contoh ini, kita dapat mengatakan bahwa jumlah jam yang dihabiskan untuk belajar dan jumlah ujian praktik yang diambil, keduanya merupakan prediktor yang signifikan secara statistik terhadap nilai ujian akhir siswa.

Sumber daya tambahan

Tutorial berikut memberikan informasi tambahan tentang regresi linier di R:

Bagaimana menafsirkan keluaran regresi di R
Cara melakukan regresi linier sederhana di R
Cara melakukan regresi linier berganda di R
Bagaimana melakukan regresi logistik di R