Inferensi dan prediksi: apa bedanya?

Seringkali dalam statistik kita ingin menggunakan data karena salah satu dari dua alasan berikut:

(1) Inferensi: Kita ingin memahami sifat hubungan antara variabel prediktor dan variabel respon dalam kumpulan data yang ada.

(2) Prediksi: Kami ingin menggunakan kumpulan data yang ada untuk membangun model yang memprediksi nilai variabel respon dari observasi baru.

Misalnya, kita memiliki kumpulan data berikut yang berisi informasi tentang rumah:

Contoh inferensi:

Misalkan kita membangun model regresi linier berganda dengan menggunakan luas persegi, jumlah kamar tidur, dan jumlah kamar mandi sebagai variabel prediktor dan harga sebagai variabel respon.

Kita kemudian dapat menggunakan koefisien regresi untuk memahami rata-rata perubahan harga yang terkait dengan perubahan satu unit di setiap variabel prediktor.

Misalnya, kita dapat memahami seberapa besar perubahan harga (rata-rata) dengan setiap tambahan kamar tidur, setiap tambahan kamar mandi, dan setiap tambahan kaki persegi.

Contoh prediksi:

Kita dapat membuat model regresi linier berganda yang sama dan menggunakannya untuk memprediksi nilai sebuah rumah baru berdasarkan luas persegi, jumlah kamar tidur, dan jumlah kamar mandi.

Misalnya, kita dapat menggunakan model tersebut untuk memprediksi harga rumah baru dengan 3 kamar tidur, 3 kamar mandi, dan luas 2.000 kaki persegi.

Kami kemudian dapat membandingkan prediksi kami dengan harga listing sebenarnya dan menilai apakah rumah tersebut tampak undervalued atau overvalued.

Contoh berikut menggambarkan perbedaan antara inferensi dan prediksi dalam berbagai skenario:

Contoh 1: Inferensi dan prediksi dalam olahraga

Misalkan kita memiliki kumpulan data berikut yang berisi informasi tentang tim bola basket profesional:

Contoh inferensi:

Misalkan kita membangun model regresi linier berganda dengan menggunakan poin, rebound, dan assist sebagai variabel prediktor dan kemenangan sebagai variabel respon.

Kami kemudian dapat menggunakan model tersebut untuk memahami seberapa besar perubahan jumlah kemenangan (rata-rata) dengan setiap tambahan poin, rebound, dan assist.

Contoh prediksi:

Kita dapat membuat model regresi linier berganda yang sama dan menggunakannya untuk memprediksi berapa banyak kemenangan yang akan diperoleh suatu tim berdasarkan jumlah poin, rebound, dan assist mereka.

Misalnya, kita dapat menggunakan model tersebut untuk memprediksi berapa banyak kemenangan yang akan diperoleh tim dengan 90 poin, 40 rebound, dan 30 assist.

Contoh 2: Inferensi dan prediksi dalam bisnis

Misalkan kita memiliki kumpulan data berikut yang berisi informasi pendapatan tahunan (dalam jutaan) dari berbagai perusahaan:

Contoh inferensi:

Misalkan kita membangun model regresi linier berganda dengan menggunakan belanja iklan, jumlah karyawan, dan total akuisisi sebagai variabel prediktor dan pendapatan tahunan sebagai variabel respon.

Kami kemudian dapat menggunakan model tersebut untuk memahami seberapa besar total perubahan pendapatan tahunan (rata-rata) dengan setiap tambahan dolar yang dibelanjakan untuk iklan, setiap tambahan karyawan, dan setiap akuisisi tambahan.

Contoh prediksi:

Kita dapat membuat model regresi linier berganda yang sama dan menggunakannya untuk memprediksi pendapatan tahunan perusahaan berdasarkan total pengeluaran pemasaran, jumlah karyawan, dan total akuisisi.

Misalnya, kita dapat menggunakan model tersebut untuk memprediksi pendapatan tahunan sebuah perusahaan yang menghabiskan $25 juta untuk iklan, memiliki 40 karyawan, dan telah melakukan 2 akuisisi.

Sumber daya tambahan

Tutorial berikut memberikan informasi tambahan tentang istilah-istilah penting yang perlu dipahami dalam statistik:

Statistik deskriptif atau inferensial: apa bedanya?
Tingkatan pengukuran: nominal, ordinal, interval dan rasio
Variabel kualitatif dan kuantitatif: apa bedanya?