Cara melakukan regresi linier sederhana di stata

Regresi linier sederhana adalah metode yang dapat Anda gunakan untuk memahami hubungan antara variabel penjelas, x, dan variabel respon, y.

Tutorial ini menjelaskan cara melakukan regresi linier sederhana di Stata.

Contoh: Regresi Linier Sederhana di Stata

Misalkan kita ingin memahami hubungan antara berat mobil dan mil per galonnya. Untuk mengeksplorasi hubungan ini, kita dapat melakukan regresi linier sederhana dengan menggunakan berat sebagai variabel penjelas dan mil per galon sebagai variabel respon.

Selesaikan langkah-langkah berikut di Stata untuk melakukan regresi linier sederhana menggunakan kumpulan data bernama auto , yang berisi data tentang 74 mobil berbeda.

Langkah 1: Muat data.

Muat data dengan mengetikkan yang berikut ini di kotak perintah:

gunakan https://www.stata-press.com/data/r13/auto

Langkah 2: Dapatkan ringkasan data.

Dapatkan pemahaman cepat tentang data yang sedang Anda kerjakan dengan mengetikkan yang berikut ini di kotak Perintah:

untuk meringkas

Kita dapat melihat bahwa ada 12 variabel berbeda dalam kumpulan data, tetapi hanya dua yang kita pedulikan adalah mpg dan Weight .

Langkah 3: Visualisasikan datanya.

Sebelum melakukan regresi linier sederhana, pertama-tama mari kita buat diagram sebar antara bobot versus mpg sehingga kita dapat memvisualisasikan hubungan antara kedua variabel ini dan memeriksa outlier yang terlihat jelas. Ketik yang berikut ini di kotak Perintah untuk membuat plot sebar:

dispersi berat mpg

Ini menghasilkan plot sebar berikut:

Kita dapat melihat bahwa mobil dengan bobot lebih tinggi cenderung memiliki jarak tempuh lebih sedikit per galon. Untuk mengukur hubungan ini, sekarang kita akan melakukan regresi linier sederhana.

Langkah 4: Lakukan regresi linier sederhana.

Ketik perintah berikut di kotak Perintah untuk melakukan regresi linier sederhana menggunakan bobot sebagai variabel penjelas dan mpg sebagai variabel respons.

menurunkan berat badan ke mpg

Berikut cara mengartikan angka paling menarik pada hasil:

R kuadrat: 0,6515. Ini adalah proporsi varians variabel respon yang dapat dijelaskan oleh variabel penjelas. Dalam contoh ini, 65,15% variasi mpg dapat dijelaskan oleh berat.

Koefisien (berat): -0,006. Hal ini menunjukkan kepada kita rata-rata perubahan pada variabel respon yang berhubungan dengan kenaikan satu unit pada variabel penjelas. Dalam contoh ini, setiap kenaikan berat sebesar satu pon dikaitkan dengan penurunan rata-rata 0,006 mpg.

Koefisien (_kontra): 39.44028. Ini memberitahu kita nilai rata-rata dari variabel respon ketika variabel penjelasnya nol. Dalam contoh ini, rata-rata mpg adalah 39,44028 ketika berat mobil nol. Hal ini tidak terlalu masuk akal untuk ditafsirkan karena berat sebuah mobil tidak boleh nol, tetapi angka 39,44028 diperlukan untuk membentuk persamaan regresi.

P>|t| (berat): 0,000. Ini adalah nilai p yang terkait dengan statistik uji bobot. Dalam hal ini, karena nilainya kurang dari 0,05, kita dapat menyimpulkan bahwa terdapat hubungan yang signifikan secara statistik antara berat dan mpg.

Persamaan regresi: Terakhir, kita dapat membentuk persamaan regresi dengan menggunakan dua nilai koefisien. Dalam hal ini, persamaannya adalah:

prediksi mpg = 39,44028 – 0,0060087*(berat)

Kita dapat menggunakan persamaan ini untuk mencari mpg yang diharapkan untuk sebuah mobil, berdasarkan bobotnya. Misalnya, mobil berbobot 4.000 pon harus memiliki mpg 15.405:

prediksi mpg = 39,44028 – 0,0060087*(4000) = 15,405

Langkah 5: Laporkan hasilnya.

Terakhir, kami ingin melaporkan hasil regresi linier sederhana kami. Berikut ini contoh cara melakukan ini:

Regresi linier dilakukan untuk mengukur hubungan antara berat mobil dan mil per galonnya. Sampel sebanyak 74 mobil digunakan dalam analisis.

Hasil penelitian menunjukkan bahwa terdapat hubungan yang signifikan secara statistik antara berat dan mpg (t = -11,60, p <0,0001) dan bahwa berat menyumbang 65,15% dari variabilitas yang dijelaskan dalam mpg.

Persamaan regresinya menjadi:

prediksi mpg = 39,44 – 0,006 (berat)

Setiap pon tambahan dikaitkan dengan penurunan rata-rata -0,006 mil per galon.