Cara melakukan regresi linier berganda di stata

Regresi linier berganda adalah metode yang dapat Anda gunakan untuk memahami hubungan antara beberapa variabel penjelas dan variabel respon.

Tutorial ini menjelaskan cara melakukan regresi linier berganda di Stata.

Contoh: regresi linier berganda di Stata

Katakanlah kita ingin mengetahui apakah mil per galon dan berat mempengaruhi harga sebuah mobil. Untuk mengujinya, kita dapat melakukan regresi linier berganda dengan menggunakan mil per galon dan berat sebagai dua variabel penjelas dan harga sebagai variabel respon.

Selesaikan langkah-langkah berikut di Stata untuk melakukan regresi linier berganda 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 satu-satunya variabel yang kita minati adalah mpg , berat , dan harga .

Kita dapat melihat rangkuman statistik dasar ketiga variabel tersebut berikut ini:

harga | rata-rata = $6.165, min = $3.291, maksimum $15.906

mpg | rata-rata = 21,29, min = 12, maks = 41

berat | rata-rata = 3.019 pon, min = 1.760 pon, maksimum = 4.840 pon

Langkah 3: Lakukan regresi linier berganda.

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

regresi harga mpg berat

Berikut cara mengartikan angka paling menarik pada hasil:

Masalah > F: 0,000. Ini adalah nilai p untuk regresi keseluruhan. Karena nilai ini kurang dari 0,05, hal ini menunjukkan bahwa gabungan variabel penjelas mpg dan berat mempunyai hubungan yang signifikan secara statistik dengan variabel respon harga .

R kuadrat: 0,2934. Ini adalah proporsi varians variabel respon yang dapat dijelaskan oleh variabel penjelas. Dalam contoh ini, 29,34% variasi harga dapat dijelaskan oleh mpg dan berat.

Koefisien (mpg): -49.512. Hal ini menunjukkan perubahan rata-rata harga yang terkait dengan kenaikan satu unit mpg, dengan asumsi bobot tetap konstan . Dalam contoh ini, setiap kenaikan satu unit mpg dikaitkan dengan penurunan harga rata-rata sekitar $49,51, dengan asumsi bobot tetap konstan.

Misalnya, asumsikan mobil A dan B keduanya berbobot 2.000 pon. Jika mobil A mendapat 20 mpg dan mobil B hanya mendapat 19 mpg, kita perkirakan harga mobil A akan lebih murah $49,51 dibandingkan harga mobil B.

P>|t| (mpg): 0,567. Ini adalah nilai p yang terkait dengan statistik uji untuk mpg. Karena nilai ini tidak kurang dari 0,05, kami tidak mempunyai bukti bahwa mpg mempunyai hubungan yang signifikan secara statistik dengan harga.

Koefisien (berat): 1,746. Hal ini menunjukkan rata-rata perubahan harga yang terkait dengan kenaikan satu unit berat, dengan asumsi mpg tetap konstan . Dalam contoh ini, setiap kenaikan satu unit berat dikaitkan dengan kenaikan harga rata-rata sekitar $1,74, dengan asumsi mpg tetap konstan.

Misalnya, mobil A dan B keduanya menghasilkan 20 mpg. Jika mobil A berbobot satu pon lebih berat daripada mobil B, maka mobil A seharusnya lebih mahal $1,74.

P>|t| (berat): 0,008. Ini adalah nilai p yang terkait dengan statistik uji bobot. Karena nilai ini kurang dari 0,05, kami memiliki cukup bukti untuk mengatakan bahwa berat badan memiliki hubungan yang signifikan secara statistik dengan harga.

Koefisien (_kontra): 1946.069. Ini memberi tahu kita harga rata-rata sebuah mobil ketika mpg dan beratnya nol. Dalam contoh ini, harga rata-rata adalah $1.946 ketika berat dan mpg adalah nol. Hal ini tidak terlalu masuk akal untuk ditafsirkan karena berat dan mpg mobil tidak boleh nol, tetapi diperlukan angka 1946.069 untuk membentuk persamaan regresi.

Langkah 4: Laporkan hasilnya.

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

Regresi linier berganda dilakukan untuk mengukur hubungan antara bobot mobil dan mpg serta harganya. Sampel sebanyak 74 mobil digunakan dalam analisis.

Hasil penelitian menunjukkan bahwa terdapat hubungan yang signifikan secara statistik antara berat dan harga (t = 2.72, p = 0.008), namun tidak terdapat hubungan yang signifikan secara statistik antara mpg dan harga (dan mpg (t = -0.57, p = 0.567).