Regresi Bertahap

Apa itu Regresi Bertahap?

Regresi bertahap adalah proses langkah demi langkah membangun model dengan memasukkan atau menghilangkan variabel prediktor. Pertama, variabel menjalani uji-T dan uji-F. Kemudian, variabel prediktor diuji secara individual agar sesuai dengan model regresi linier.

Anda bebas menggunakan gambar ini di situs web Anda, templat, dll., Harap berikan kami tautan atribusiBagaimana Memberikan Atribusi? Tautan Artikel menjadi Hyperlink
Misalnya: Sumber: Regresi Bertahap (wallstreetmojo.com)

Prosedur pemilihan bertahap menggunakan paket perangkat lunak yang dirancang khusus untuk menguji model. Beberapa model ini terdiri dari ratusan variabel. Namun, ada batasan tertentu—kesalahan dan ketidakkonsistenan terlihat pada tahap signifikansi statistik. Regresi bertahap, python, dan bahasa pemrograman lainnya saling terkait erat.

Takeaway kunci

Model regresi bertahap dibangun sedikit demi sedikit—dengan menambahkan atau menghapus variabel prediktor. Terutama ada tiga jenis regresi bertahap, maju, mundur dan berganda.
Biasanya, pemilihan bertahap digunakan untuk menangani penanganan data statistik. Pemilihan bertahap menyederhanakan model perhitungan yang rumit dengan hanya memasukkan variabel yang tepat (relevan dengan hasil yang diinginkan). Variabel lain dibuang.
‘Bertahap regresi dalam r” menandakan model untuk subset data yang berbeda. Dalam SPSS, regresi bertahap digunakan untuk melakukan analisis residual; akurasi model diperiksa.

Dijelaskan Regresi Bertahap

Regresi bertahap digunakan untuk merancang model regresi untuk memperkenalkan hanya variabel yang relevan dan signifikan secara statistik. Variabel lain dibuang. Namun, setiap perhitungan regresi mengandung variabel yang tidak diinginkan. Variabel-variabel ini bersifat prediktif dan memperumit proses secara tidak perlu.

Oleh karena itu, analisis pemilihan bertahap menghilangkan variabel yang tidak relevan dengan model. Untuk memisahkan variabel dilakukan uji F dan uji T. Selain itu, pengujian lain yang menawarkan penggunaan optimal juga dapat dipilih untuk model tersebut.

Model regresi menggambarkan hubungan antar variabel. Variabel yang diberikan dapat berupa variabel independen, dependen, respons, atau target. Misalnya, jika hubungan antara tinggi dan berat badan dipelajari, itu disebut sebagai model regresi linier.

Logistik bertahap regresi tergantung pada sifat dan ukuran variabel. Variabel-variabel ini menjalani pengujian—apakah relevan dengan model yang diberikan. Ini bisa menjadi proses yang memakan waktu; setiap individu diuji secara independen. Oleh karena itu analis menggunakan paket perangkat lunak (ditentukan untuk menguji variabel secara otomatis) untuk menghemat waktu.

Seluruh proses dilakukan sedikit demi sedikit—variabel dilaporkan hanya jika sesuai dengan parameter yang ditetapkan. Proses ini dapat digunakan dalam model regresi bertahap linier atau logistik apa pun.

Seperti yang diharapkan, ada kritik tertentu terhadap metode ini. Misalnya, beberapa ahli statistik menganggap seleksi bertahap bias; itu terlalu berfokus pada satu model.

Jenis Regresi Bertahap

Metode ini dibagi lagi menjadi subtipe berikut.

#1 – Maju Regresi Bertahap

Model maju kosong tanpa variabel. Sebaliknya, setiap variabel prediktor diuji terlebih dahulu dan kemudian dimasukkan ke dalam model. Hanya yang memenuhi kriteria signifikansi statistik yang disimpan.

Proses ini diulang sampai hasil yang diinginkan diperoleh. Ini disebut regresi maju karena prosesnya bergerak ke arah depan — pengujian dilakukan untuk membangun model yang optimal.

#2 – Regresi Bertahap Mundur

Ini kebalikan dari ‘regresi maju’. Ketika pendekatan mundur digunakan, model sudah mengandung banyak variabel. Setiap variabel kemudian menjalani pengujian—variabel yang gagal memenuhi standar signifikansi statistik akan dibuang. Proses ini diulang untuk semua variabel sampai diperoleh hasil yang diinginkan.

#3 – Regresi Bertahap Dua Arah

Pendekatan dua arah hanyalah kombinasi dari regresi maju dan mundur. Ini tentu saja sedikit rumit. Namun demikian, analis menggunakan subtipe yang menantang ini untuk menghemat waktu ketika ada terlalu banyak variabel.

Contoh

Mari kita lihat beberapa contoh untuk memahami regresi dengan lebih baik.

Contoh 1

Joel bepergian dengan satu tas—ia hanya dapat membawa sejumlah berat tertentu—tiga puluh kilogram. Saat ini, koper Joel memiliki berat tiga puluh sembilan kilogram. Oleh karena itu, ia diminta untuk mengurangi bobot ekstra dengan menghilangkan beberapa barang.

Joel membuka tasnya dan sekarang bingung; dia tidak yakin barang mana yang harus dijatuhkan dan mana yang harus diambil. Lebih penting lagi, volume setiap item jelas, tetapi dia tidak sepenuhnya yakin objek mana yang lebih berat dan mana yang lebih sedikit.

Joel mencoba pendekatan coba-coba. Dia pertama kali mencoba mengeluarkan beberapa barang dan menimbang tasnya. Dengan beberapa percobaan, dia mendekati batas tiga puluh kilogram yang diizinkan. Barang-barang yang dihapus termasuk — gadget mini, sepasang sepatu, jaket kulitnya, dan beberapa buku.

Di satu sisi, Joel merombak tasnya untuk berat yang diinginkan. Ini adalah contoh sederhana dari seleksi bertahap. Di sini, Joel adalah analisnya, sepatu, buku, dan gadget adalah variabelnya, tasnya adalah modelnya, dan hasil yang dibutuhkan adalah tiga puluh kilogram. Tepatnya, Joel menggunakan metode eliminasi mundur untuk memastikan bahwa variabel yang tepat sesuai dengan model.

Sebagai alternatif, Joel dapat mencoba pendekatan regresi maju. Dalam hal ini, dia akan mulai dengan hasil yang diminta—berat tiga puluh kilogram. Dia kemudian akan bergerak maju untuk membuat model (mengisi tas dengan barang). Joel dapat mencapai ini dengan menimbang setiap item satu per satu dan kemudian memutuskan mana yang akan dibuang dan mana yang akan disertakan.

Contoh #2

Perkiraan fungsi dua variabel adalah contoh lain dari pemilihan bertahap. Pendekatan pemilihan ke depan umumnya digunakan ketika koefisien model ditetapkan ke nol. Selanjutnya, variabel dimasukkan ke dalam model, satu per satu. Pada awalnya, koefisiennya nol; kemudian, variabel tertentu dipilih agar sesuai dengan model secara sempurna.

Sebaliknya, variabel lain dapat memilih faktor yang berbeda, katakanlah, korelasi tertinggi. Beberapa subtipe regresi yang kurang umum adalah optimisasi metaheuristik dan sistem Fuzzy Takagi-Sugeno.

Penggunaan

Seleksi bertahap digunakan untuk tujuan berikut.

Bangun model yang hanya berisi variabel terkait (dengan signifikansi statistik yang diperlukan).
‘Regresi bertahap dalam r’ menandakan model untuk himpunan bagian data yang berbeda.
Metode ini mengeliminasi variabel yang tidak perlu dari model—agar menjadi set yang sempurna.
Dalam SPSS, regresi bertahap digunakan untuk melakukan analisis residual; akurasi model diperiksa. SPPS adalah rangkaian perangkat lunak yang digunakan dalam studi ilmu sosial.
Dalam beberapa kasus, pemilihan bertahap diulangi untuk memastikan akurasi model (ketika berhadapan dengan subjek kritis).

Pertanyaan yang Sering Diajukan (FAQ)

Kapan menggunakan model regresi bertahap?

Model pemilihan bertahap digunakan setiap kali beberapa variabel disediakan, dan analis ingin mencari hasil yang spesifik. Model memisahkan variabel yang relevan dari yang lain untuk mencapai hasil yang dibutuhkan. Selain itu, pemilihan bertahap memberikan tingkat akurasi pada model—semua variabel yang digunakan dalam model secara statistik signifikan. Variabel yang gagal memenuhi signifikansi statistik dibuang.

Bagaimana cara melaporkan hasil regresi bertahap?

Untuk pelaporan Pemilihan bertahap, ikuti langkah-langkah berikut:
– Periksa variabel hasil. – Periksa prediksi atau variabel.
– Menentukan model (linier atau logistik). – Menentukan metode pemilihan (maju, mundur, atau berganda). – Menentukan cara kerja model. – Menetapkan batasan (aturan berhenti).

Apa kelemahan dari regresi bertahap?

Kelemahan dari pemilihan bertahap adalah sebagai berikut:
– Kesalahan terjadi dalam pengujian hipotesis. – Ini mengarah pada eliminasi yang bias (aturan parameter). – Ini terlalu terfokus pada model tunggal. – Seringkali, pemilihan model tidak konsisten.

Artikel yang Direkomendasikan

Artikel ini telah menjadi panduan untuk Apa itu Regresi Bertahap. Kami menjelaskan jenis, contoh, dan kegunaannya di Python dan SPSS. Anda dapat mempelajarinya lebih lanjut dari artikel berikut –