Panduan lengkap: cara melaporkan hasil regresi
Dalam statistik, model regresi linier digunakan untuk mengukur hubungan antara satu atau lebih variabel prediktor dan variabel respon .
Kita dapat menggunakan format umum berikut untuk melaporkan hasil model regresi linier sederhana :
Regresi linier sederhana digunakan untuk menguji apakah [variabel prediktor] memprediksi [variabel respon] secara signifikan.
Model regresi yang sesuai adalah: [persamaan regresi yang disesuaikan]
Regresi keseluruhan signifikan secara statistik (R 2 = [nilai R 2 ], F (df regresi, df sisa) = [nilai F], p = [nilai p]).
[Variabel prediktor] ditemukan secara signifikan memprediksi [variabel respon] (β = [nilai β], p = [nilai p]).
Dan kita dapat menggunakan format berikut untuk melaporkan hasil model regresi linier berganda :
Regresi linier berganda digunakan untuk menguji apakah [variabel prediktor 1], [variabel prediktor 2],… memprediksi secara signifikan [variabel respon].
Model regresi yang sesuai adalah: [persamaan regresi yang disesuaikan]
Regresi keseluruhan signifikan secara statistik (R 2 = [nilai R 2 ], F (df regresi, df sisa) = [nilai F], p = [nilai p]).
[Variabel prediktor 1] ditemukan secara signifikan memprediksi [variabel respon] (β = [nilai β], p = [nilai p]).
[Variabel prediktor 2] ditemukan tidak memprediksi secara signifikan [variabel respon] (β = [nilai β], p = [nilai p]).
Contoh berikut menunjukkan cara melaporkan hasil regresi untuk model regresi linier sederhana dan model regresi linier berganda.
Contoh: Melaporkan Hasil Regresi Linier Sederhana
Misalkan seorang profesor ingin menggunakan jumlah jam belajar untuk memprediksi nilai yang akan diterima siswa pada ujian tertentu. Ini mengumpulkan data dari 20 siswa dan menyesuaikan model regresi linier sederhana.
Tangkapan layar berikut menunjukkan hasil model regresi:
Berikut cara melaporkan hasil model:
Regresi linier sederhana digunakan untuk menguji apakah jam belajar memprediksi nilai ujian secara signifikan.
Model regresi yang disesuaikan adalah: nilai ujian = 67,1617 + 5,2503* (jam belajar).
Regresi keseluruhan signifikan secara statistik (R 2 = 0,73, F(1, 18) = 47,99, p <0,000).
Jam belajar ditemukan secara signifikan memprediksi kinerja ujian (β = 5,2503, p <0,000).
Contoh: Melaporkan hasil regresi linier berganda
Misalkan seorang profesor ingin menggunakan jumlah jam belajar dan jumlah ujian praktik yang diambil untuk memprediksi nilai yang akan diterima siswa pada ujian tertentu. Ini mengumpulkan data dari 20 siswa dan menyesuaikan model regresi linier berganda.
Tangkapan layar berikut menunjukkan hasil model regresi:
Berikut cara melaporkan hasil model:
Regresi linier berganda digunakan untuk menguji apakah jam belajar dan persiapan ujian mengambil prediksi nilai ujian secara signifikan.
Model regresi yang disesuaikan adalah: Nilai ujian = 67,67 + 5,56*(jam belajar) – 0,60*(persiapan ujian diambil)
Regresi keseluruhan signifikan secara statistik (R 2 = 0,73, F(2, 17) = 23,46, p = <0,000).
Jumlah jam belajar terbukti secara signifikan memprediksi kinerja ujian (β = 5,56, p = <0,000).
Ditemukan bahwa mengikuti ujian persiapan tidak memprediksi skor ujian secara signifikan (β = -0.60, p = 0.52).
Sumber daya tambahan
Cara Membaca dan Menafsirkan Tabel Regresi
Memahami Hipotesis Null untuk Regresi Linier
Memahami Uji F untuk Signifikansi Keseluruhan dalam Regresi
Tentang Penulis
Benjamin anderson
Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya