Tugas Analisis Kuantitatif Regresi Sederhana

Author

Abdullah Mandasini

Tugas Analisis Kuantitatif Regresi Sederhana

Membuat 2 model regresi sederhana

#1 Regresi 1 variabel X, dimana Y adalah Konsumsi Daging dan X adalah Pendapatan berdasarkan data dari IFLS 2014

#2 Regresi 2 variabel X, dimana Y adalah Konsumsi Daging dan X1 adalah Pendapatan dan X2 adalah Kepemilikan Ternak berdasarkan data dari IFLS 2014

1 Regresi Sederhana 1 Variabel

Masukkan Data Konsumsi Daging

# Memuat paket haven

library(haven)

# Impor data dari file .dta
data <- read_dta("b1_ks1.dta")

# Filter data untuk hanya menampilkan yang mengkonsumsi kategori "K"
data_Konsumsi <- subset(data, ks1type %in% c("K", "L", "M", "N"))

Ekspor Data Konsumsi

# Instal dan memuat paket haven
library(haven)

# Mengekspor data ke format .dta
write_dta(data_Konsumsi, "data_Konsumsi.dta")

Masukkan Data Pendapatan

# Memuat paket haven
library(haven)
b3a_tk1 <- read_dta("b3a_tk1.dta")
View(b3a_tk1)

Regresi Konsumsi dan Pendapatan

library(haven)

# Impor file data dependen dan independen
dependen_data <- read_stata("data_Konsumsi.dta")
independen_data <- read_stata("b3a_tk1.dta")

# Gabungkan kedua data berdasarkan ID responden
merged_data <- merge(dependen_data, independen_data, by = "hhid14_9", all = FALSE) 

# Buat model regresi
model <- lm(ks02 ~ tk16a , data = merged_data)

# Melihat ringkasan model
summary(model)


Call:
lm(formula = ks02 ~ tk16a, data = merged_data)

Residuals:
   Min     1Q Median     3Q    Max 
-30376 -13151 -12852   1919 887176 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 1.280e+04  5.125e+02  24.977  < 2e-16 ***
tk16a       7.031e-04  2.495e-04   2.818  0.00485 ** 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 32470 on 5018 degrees of freedom
  (132392 observations deleted due to missingness)
Multiple R-squared:  0.00158,   Adjusted R-squared:  0.001381 
F-statistic:  7.94 on 1 and 5018 DF,  p-value: 0.004855

Interpretasi Hasil

Model Persamaan

Model Persamaan yang digunakan adalah sebagai berikut: \[ Y_i = \beta_0 + \beta_1 X_i + \varepsilon_i\] Hasil Regresi menunjukkan bahwa bahwa variabel Pendapatan secara signifikan mempengaruhi variabel Konsumsi Daging, karena nilai p untuk koefisien X (0.00485) kurang dari 0.05.

Namun, Multiple R-squared yang sangat rendah (0.00158) atau 0,1% menunjukkan bahwa model secara keseluruhan belum memberikan penjelasan yang baik tentang variasi dalam variabel dependen.

Nilai koefisien konstanta sebesar 12800, dan koefisien variabel pendapatan sebesar 0.0007031, sehingga mejadi persamaan sebagai berikut:

\[ Y_i = 12800 + 0.0007031 X_i + \varepsilon_i\] Berdasarkan persamaan tersebut Konsumsi Daging pada saat konstanta (tanpa pengaruh X) sebesar Rp12.800 dan jika ada Pendapatan, dikalikan dengan koefisien sebanyak 0.0007031

Regresi Sederhana 2 Variabel

Variabel Y: Konsumsi Daging Variabel X1: Pendapatan Variabel X2: Kepemilikan Ternak

## regresi konsumsi daging, pendapatan, dan kepemilikan ternak

library(haven)

# Impor file data dependen dan independen
dependen_data <- read_stata("data_Konsumsi.dta")
independen_data1 <- read_stata("b3a_tk1.dta")
independen_data2 <- read_stata("b3a_hr1.dta")

# Gabungkan kedua data berdasarkan ID responden
merged_data1 <- merge(dependen_data, independen_data1, by = "hhid14_9", all = FALSE) 
merged_data2 <- merge(merged_data1, independen_data2, by = "hhid14_9", all = FALSE) 


# Buat model regresi
model <- lm(ks02 ~ tk16a + hr02_d2 , data = merged_data2)

# Melihat ringkasan model
summary(model)


Call:
lm(formula = ks02 ~ tk16a + hr02_d2, data = merged_data2)

Residuals:
   Min     1Q Median     3Q    Max 
-53558 -16652  -9417   5805 381020 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 7.250e+03  7.398e+02   9.799   <2e-16 ***
tk16a       9.547e-03  6.716e-04  14.215   <2e-16 ***
hr02_d2     8.574e-04  4.158e-05  20.622   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 37510 on 5613 degrees of freedom
  (1776580 observations deleted due to missingness)
Multiple R-squared:  0.1046,    Adjusted R-squared:  0.1043 
F-statistic: 327.8 on 2 and 5613 DF,  p-value: < 2.2e-16

Interpretasi Hasil Regresi

Model Persamaan

Model Persamaan yang digunakan adalah sebagai berikut:

\[ Y_i = \beta_0 + \beta_1 X_i + \beta_2 X_2 +\varepsilon_i\]

1 Signifikansi

Hasil Regresi menunjukkan bahwa nilai signifikansi dari variabel independen ditunjukkan oleh nilai p-value yang terkait dengan koefisien variabel independen.

Variabel Pendapatan: Nilai p-value untuk koefisien variabel pendapatan adalah “<2e-16” (kurang dari 2e-16). Karena nilai p-value sangat kecil, kurang dari tingkat signifikansi 0.05, maka variabel pendapatan secara signifikan mempengaruhi variabel konsumsi

Variabel Kepemilikan Ternak (Harta Ternak): Nilai p-value untuk koefisien variabel kepemilikan ternak juga adalah “<2e-16” (kurang dari 2e-16). Hal ini menunjukkan bahwa variabel ternak juga secara signifikan mempengaruhi variabel dependen.

#2 Koefisien Konstanta (Intercept) Koefisien konstanta (intercept) adalah sekitar 7250. Interpretasi: Ketika nilai dari variabel pendapatan dan kepemilikan ternak adalah nol, maka nilai variabel konsumsi daging sebesar 7250.

3 Koefisien untuk Variabel pendapatan:

Koefisien untuk variabel pendapatan adalah sekitar 0.009547. Interpretasi: Setiap satu unit peningkatan dalam variabel pendapatan berkorelasi dengan peningkatan sekitar 0.009547 unit dalam variabel konsumsi daging, semua faktor lainnya konstan.

4 Koefisien untuk Variabel kepemilikan ternak:

Koefisien untuk variabel kepemilikan ternak adalah sekitar 0.0008574. Interpretasi: Setiap satu unit peningkatan dalam variabel kepemilikan ternak berkorelasi dengan peningkatan sekitar 0.0008574 unit dalam variabel konsumsi daging, semua faktor lainnya konstan.

5 Multiple R-squared dan Adjusted R-squared:

Multiple R-squared adalah sekitar 0.1046, sementara Adjusted R-squared adalah sekitar 0.1043. Interpretasi: Sekitar 10.46% dari variabilitas dalam variabel konsumsi daging dapat dijelaskan oleh variabel pendapatan dan kepemilikan ternak dalam model.

Model persamaan regresi:

\[ Y_i = 7250 + 0.009547 X_1 + 0.0008574 X_2 + \varepsilon_i\]

Berdasarkan persamaan tersebut Konsumsi Daging pada saat konstanta (tanpa pengaruh X1;X2) sebesar Rp7.250. Jika ada Pendapatan, dikalikan dengan koefisien sebanyak 0.009547. Jika ada kepemilikan ternak dikalikan dengan koefisien sebanyak 0.0008574.

Daftar Pustaka

Strauss, J., F. Witoelar, and B. Sikoki. “The Fifth Wave of the Indonesia Family Life Survey (IFLS5): Overview and Field Report”. March 2016. WR-1143/1-NIA/NICHD.