Questo tutorial spiega come eseguire la regressione lineare multipla in Stata.<\/span><\/p>\n Diciamo che vogliamo sapere se le miglia per gallone e il peso influiscono sul prezzo di un’auto. Per verificarlo, possiamo eseguire una regressione lineare multipla utilizzando miglia per gallone e peso come due variabili esplicative e prezzo come variabile di risposta.<\/span><\/p>\n Completa i seguenti passaggi in Stata per eseguire una regressione lineare multipla utilizzando il set di dati chiamato auto<\/em> , che contiene dati su 74 auto diverse.<\/span><\/p>\n Passaggio 1: caricare i dati.<\/strong><\/span><\/p>\n Caricare i dati digitando quanto segue nella casella di comando:<\/span><\/p>\n utilizzare https:\/\/www.stata-press.com\/data\/r13\/auto<\/strong><\/span><\/p>\n<\/blockquote>\n Passaggio 2: ottieni un riepilogo dei dati.<\/strong><\/span><\/p>\n Ottieni una rapida comprensione dei dati con cui stai lavorando digitando quanto segue nella casella di comando:<\/span><\/p>\n riassumere<\/span><\/strong> <\/p>\n<\/blockquote>\n Possiamo vedere che ci sono 12 variabili diverse nel set di dati, ma le uniche che ci interessano sono mpg<\/em> , peso<\/em> e prezzo<\/em> .<\/span><\/p>\n Possiamo vedere le seguenti statistiche riassuntive di base su queste tre variabili:<\/span><\/p>\n prezzo |<\/strong> media = $ 6.165, minimo = $ 3.291, massimo $ 15.906<\/span><\/p>\n mpg |<\/strong> media = 21,29, minimo = 12, massimo = 41<\/span><\/p>\n peso |<\/strong> media = 3.019 sterline, minimo = 1.760 sterline, massimo = 4.840 sterline<\/span><\/p>\n Passaggio 3: eseguire la regressione lineare multipla.<\/strong><\/span><\/p>\n Digitare quanto segue nella casella Comando per eseguire una regressione lineare multipla utilizzando mpg e peso come variabili esplicative e prezzo come variabile di risposta.<\/span><\/p>\n prezzo di regressione peso mpg<\/strong><\/span> <\/p>\n<\/blockquote>\n Ecco come interpretare i numeri pi\u00f9 interessanti nel risultato:<\/span><\/p>\n Prob > F:<\/strong> 0,000. Questo \u00e8 il valore p per la regressione complessiva. Poich\u00e9 questo valore \u00e8 inferiore a 0,05, ci\u00f2 indica che le variabili esplicative combinate di mpg<\/em> e peso<\/em> hanno una relazione statisticamente significativa con la variabile di risposta prezzo<\/em> .<\/span><\/p>\n R quadrato:<\/strong> 0,2934. Questa \u00e8 la proporzione della varianza nella variabile di risposta che pu\u00f2 essere spiegata dalle variabili esplicative. In questo esempio, il 29,34% della variazione di prezzo pu\u00f2 essere spiegato da mpg e peso.<\/span><\/p>\n Coef (mpg):<\/strong> -49.512. Questo ci dice la variazione media del prezzo associata ad un aumento di un’unit\u00e0 di mpg, assumendo che il peso rimanga costante<\/em> . In questo esempio, ogni aumento di un’unit\u00e0 di mpg \u00e8 associato a una diminuzione media di circa $ 49,51 nel prezzo, presupponendo che il peso rimanga costante.<\/span><\/p>\n Ad esempio, supponiamo che le auto A e B pesino entrambe 2.000 libbre. Se l\u2019auto A consuma 20 mpg e l\u2019auto B solo 19 mpg, ci aspetteremmo che il prezzo dell\u2019auto A sia inferiore di $ 49,51 rispetto al prezzo dell\u2019auto B.<\/span><\/p>\n P>|t| (mpg):<\/strong> 0,567. Questo \u00e8 il valore p associato alla statistica del test per mpg. Poich\u00e9 questo valore non \u00e8 inferiore a 0,05, non abbiamo prove che il mpg abbia una relazione statisticamente significativa con il prezzo.<\/span><\/p>\n Coef (peso):<\/strong> 1.746. Questo ci dice la variazione media del prezzo associata ad un aumento di peso di un’unit\u00e0, assumendo che mpg rimanga costante<\/em> . In questo esempio, ogni aumento di peso di un’unit\u00e0 \u00e8 associato a un aumento medio di circa $ 1,74 nel prezzo, assumendo che mpg rimanga costante.<\/span><\/p>\n Ad esempio, supponiamo che le auto A e B ottengano entrambe 20 mpg. Se l\u2019auto A pesa mezzo chilo in pi\u00f9 dell\u2019auto B, allora l\u2019auto A dovrebbe costare 1,74$ in pi\u00f9.<\/span><\/p>\n P>|t| (peso):<\/strong> 0,008. Questo \u00e8 il valore p associato alla statistica del test per il peso. Poich\u00e9 questo valore \u00e8 inferiore a 0,05, abbiamo prove sufficienti per affermare che il peso ha una relazione statisticamente significativa con il prezzo.<\/span><\/p>\n Coef (_cons):<\/strong> 1946.069. Questo ci dice il prezzo medio di un’auto quando mpg e peso sono pari a zero. In questo esempio, il prezzo medio \u00e8 $ 1.946 quando peso e mpg sono pari a zero. Questo non ha davvero senso da interpretare poich\u00e9 il peso e il mpg di un’auto non possono essere zero, ma il numero 1946.069 \u00e8 necessario per formare un’equazione di regressione.<\/span><\/p>\n Passaggio 4: riportare i risultati.<\/strong><\/span><\/p>\n Infine, vogliamo riportare i risultati della nostra regressione lineare multipla. Ecco un esempio di come eseguire questa operazione:<\/span><\/p>\n \u00c8 stata eseguita una regressione lineare multipla per quantificare la relazione tra il peso e il mpg di un’auto e il suo prezzo. Nell’analisi \u00e8 stato utilizzato un campione di 74 automobili.<\/span><\/p>\n I risultati hanno mostrato che esisteva una relazione statisticamente significativa tra peso e prezzo (t = 2,72, p = 0,008), ma non esisteva alcuna relazione statisticamente significativa tra mpg e prezzo (e mpg (t = -0,57, p = 0,567).<\/span><\/p>\n<\/blockquote>\n","protected":false},"excerpt":{"rendered":" La regressione lineare multipla \u00e8 un metodo che \u00e8 possibile utilizzare per comprendere la relazione tra pi\u00f9 variabili esplicative e una variabile di risposta. Questo tutorial spiega come eseguire la regressione lineare multipla in Stata. Esempio: regressione lineare multipla in Stata Diciamo che vogliamo sapere se le miglia per gallone e il peso influiscono sul […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio: regressione lineare multipla in Stata<\/strong><\/span><\/h2>\n
\n
\n
![\"Riepilogare](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/simpleregressionstata1.png\")
<\/p>\n\n
![\"Output](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/multipleregstata1.png\")
<\/p>\n\n