PEKAN WORKSHOP 11

Mempertimbangkan database yang dilampirkan ke bengkel, Anda harus menyelesaikan langkah-langkah berikut, ingatlah untuk merespons
dengan menambahkan kode dan/atau kotak teks jika perlu

1. Tuliskan perpustakaan yang diperlukan untuk menjalankan kode.

2. Impor dan bersihkan (jika perlu) database dengan benar.
3. Kembangkan model regresi linier berganda di mana variabel yang dijelaskan adalah produk domestik bruto (PDB) negara tersebut.
4. Apa efek kausal yang ingin Anda perkirakan? Karena itu menarik?
5. Menyimpulkan secara global tentang hasil model.
^. Menyimpulkan dengan cara tertentu hasil dari model.
7. Apa variabel yang tidak dipertimbangkan yang dapat memengaruhi variabel yang dijelaskan? Justique.

dari google.colab mengimpor file yang diunggah = files.upload()

Pilih file nations_gdp_s…life_co2.csv

• nations_gdp_school_life_co2.csv (application/vnd.ms-excel) - 11654 byte, terakhir diubah: 26/12/2021 - 100% selesai
Menyimpan nationgdpschoollifeco2.csv ke nationsgdpschoollifeco2 (1).csv

Gagal menyimpan secara otomatis. File ini diperbarui dari jarak jauh atau di tab lain. menunjukkan perbedaan

impor statsmodels.api sebagai sm

impor statsmodels.formula.api sebagai smf
impor matplotlib.pyplot sebagai plt
dari statsmodels.graphics.regressionplots import abline_plot
impor numpy sebagai np
impor seaborn sebagai sns

impor statsmodels.formula.api sebagai smf

# Amati data

impor io

df = pd.read_csv(io.BytesIO(diunggah['nations_gdp_school_life_co2.csv']), sep=';', decimal=",",encoding='ISO-8859-1')

cetak(df)

wilayah negara gdp sekola kehi co2

h dupa
n
0 Aljazair Afrika 7300.399902 6.716667 72.316666 15.00
1 Benin Afrika 1338.800049 3.100000 54.733334 1.20
2 botswana Afrika 12307.400390 8.600000 52.250000 9.20
3 Burkina Faso Afrika 1063.400024 1.300000 53.783333 0.20
4 Burundi Afrika 349.200012 2.483333 48.866665 0.10
.. ... ... ... ... ... ...
189 samoa Oceania 4012.600098 10.300000 71.533333 3.10
190 Pulau Solomon Oceania 2249.199951 4.500000 66.500000 1.40
191 Tonga Oceania 4072.199951 10.133333 71.833336 4.85
192 Tuvalu Oceania NaN NaN 66.033333 NaN
193 Vanuatu Oceania 3809.800049 6.700000 69.966667 1.50
[194 baris x 6 kolom]

df.head()

•
negara wilayah gdp sekolah kehidupan co2

0 Aljazair Afrika 7300.399902 6.716667 72.316666 15.0

1 Benin Afrika 1338.800049 3.100000 54.733334 1.2

2 botswana Afrika 12307.400390 8.600000 52.250000 9.2

3 Burkina Faso Afrika 1063.400024 1.300000 53.783333 0.2

4 Burundi Afrika 349.200012 2.483333 48.866665 0.1

Gagal menyimpan secara otomatis. File ini diperbarui dari jarak jauh atau di tab lain. menunjukkan perbedaan

<kelas 'pandas.core.frame.DataFrame'>
RangeIndex: 194 entri, 0 hingga 193
Data kolom (total 6 kolom):
# Hitungan Non-Null dtype

0 negara 194 bukan nol obyek

1 wilayah 194 bukan nol obyek
2 gdp 179 bukan nol float64
3 sekolah 188 bukan nol float64
4 kehidupa 194 bukan nol float64
5 n
co2 185 bukan nol float64
dtypes: float64(4), objek(2) penggunaan memori: 9,2+ KB

df.corr()

gdp sekolah kehidupan co2

gdp 1.000000 0.573280 0.611219 0.826819

sekolah 0.573280 1.000000 0.725207 0.416818

kehidupan 0.611219 0.725207 1.000000 0.445990

#Hapus baris yang berisi NaN df.dropna(inplace=True) df.info()

<kelas 'pandas.core.frame.DataFrame'>
Int64Index: 175 entri, 0 hingga 193
Kolom data (total 6 kolom):
# Jenis D Hitung Kolom Non-Null
0 negara 175 bukan nol obyek
1 wilayah 175 bukan nol obyek
2 gdp 175 bukan nol float64
3 sekolah 175 bukan nol float64
4 kehidupan 175 bukan nol float64
5 co2 175 bukan nol float64
dtypes: float64(4), objek(2) penggunaan memori: 9,6+ KB

df.corr()

Gagal menyimpan secara otomatis. File ini diperbarui dari jarak jauh atau di tab lain. menunjukkan perbedaan

gap scnooi lire coz M

gdp 1.000000 0.580460 0.614272 0.826819

sekolah 0.580460 1.000000 0.735768 0.422787

kehidupan0.614272 0.735768 1.000000 0.443450

co2 0.826819 0.422787 0.443450 1.000000

sns.heatmap(df.corr(), cmap="RdBu", annot=True);

 DI
A
1 0.58

0.9

042

# Ringkasan Model

mod = smf.ols('gdp ~school+life+co2 ', df).fit() mod.params

Cegat -19827.455018 sekolah 651.858271

kehidupan 301.887907
co2 362.431085
dtype: float64 mod = smf.ols('gdp ~school+life+co2 mod.params print(mod.summary())

Gagal menyimpan secara otomatis. File ini diperbarui dari jarak jauh atau di tab lain. menunjukkan perbedaan
df).fit()
—
Departemen Variabel: gdp R-kuadrat: 0.769
Model: OLS adj. R-kuadrat: 0.764
metode: Kuadrat F-statistik: 189.2
Tanggal: Terkecil
Sen , 27 Des 2021 Prob (F-statistik): 4.26e-54
Waktu: 02:43:37 Kemungkinan Log: -1791.2
TIDAK. Pengamatan: 175 AIC: 3590.
Df Residu: 171 BIC: 3603.
dfModel: 3 tidak kuat
Jenis Kovarian:

====================== ==========
std salah Anda P>|t| [0.025
koef 0.975]
Cegat -1.983e+04 4250.157 -4.665 0.000 -2.82e+04 -1.14e+04
sekolah 651.8583 259.089 2.516 0.013 140.434 1163.283
kehidupan 301.8879 78.581 3.842 0.000 146.775 457.001
co2 362.4311 22.374 16.198 0.000 318.266 406.597

======================== ==========
36.887 Durbin-Watson:
Bis: 1.850
Masalah (Bus): 0.000 Jarque-Bera (JB): 67.548
Condong: 1.020 Masalah(JB): 2.15e-15
 Kurtosis: 5.258 Kondisi 600.
TIDAK.

Peringatan:
[1] Kesalahan Standar mengasumsikan bahwa matriks kovarian dari kesalahan ditentukan dengan
benar.

mod.ringkasan(
)
Hasil Regresi OLS
Variabel Kedalaman: gdp R-kuadrat: 0.769
Model: OLS adj. R-kuadrat: 0,764
metode: Kuadrat Terkecil F-statistik: 189.2
Tanggal: Sen, 27 Des 2021 Prob (F-statistik): 4.26e-54
Waktu: 02:08:23 Kemungkinan Log: -1791.2
TIDAK. Pengamatan: 175 AIC: 3590.
Df Residu: 171 BIC: 3603.
dfModel: 3
Jenis Kovarian: koefisien tidak kuat
std err
tP>|t| [0.025 0.975]
Cegat -1.983e+04 4250.157 -4.665 0,000 -2.82e+04 -1.14e+04
sekolah 651.8583 259.089 2.516 0.013 140.434 1163.283
hidup 301.8879 78.581 3.842 0.000 146.775 457.001
co2 362.4311 22.374 16.198 0.000 318.266 406.597
Bis: 36.887 Durbin-Watson: 1.850
Prob(Omnibus): 0,000 Jarque-Bera (JB): 67,548

Gagal menyimpan secara otomatis. File ini diperbarui dari jarak jauh atau di tab lain. menunjukkan perbedaan

Peringatan:
[1] Kesalahan Standar mengasumsikan bahwa matriks kovarians dari kesalahan ditentukan dengan benar.

4. Apa efek kausal yang ingin Anda perkirakan? Karena itu menarik?

Efek Kausal yang akan diestimasi dengan variabel Produk Domestik Bruto (PDB) adalah subvariabilitas dalam kaitannya dengan variabel lain
(pendidikan sekolah, kehidupan, dan emisi CO2) dan cara pengaruhnya terhadap variabel lain. Dengan menjalankan model regresi linier sederhana
atau berganda, Anda belajar bagaimana mengabaikan informasi yang ada dan menemukan informasi yang benar-benar relevan dan memberi kita
informasi yang nyata dan konsisten Produk Domestik Bruto adalah nilai total barang dan jasa yang diproduksi di wilayah suatu negara dalam
periode tertentu, bebas dari duplikasi. Hal itu dapat diperoleh melalui selisih antara nilai bruto produksi dengan barang dan jasa yang dikonsumsi
selama proses produksi itu sendiri, dengan harga pembeli (konsumsi antara). Variabel ini juga dapat diperoleh secara bersih dengan
mengurangkan dari PDB nilai tambah dan konsumsi modal tetap dari barang modal yang digunakan dalam produksi.

5. Menyimpulkan secara global tentang hasil model.

Jika disimpulkan secara global, dapat ditegaskan bahwa variabel GDP dalam kaitannya dengan variabel lain yang diteliti, diperoleh R-squared (R2)
76,9%, nilai ini menunjukkan bahwa variabel tersebut signifikan.
^. Menyimpulkan dengan cara tertentu hasil dari model.

Dari analisis singkat regresi berganda yang dilakukan, dapat diamati variabel yang tidak memberikan banyak informasi dan menjadi variabel yang
menodai model.

7. Variabel yang tidak dipertimbangkan apa yang dapat mempengaruhi variabel yang dijelaskan? Justique.

Selain variabel-variabel yang telah dianalisis, jumlah populasi yang dimiliki negara-negara tersebut harus dipertimbangkan sehingga PDB per kapita
dapat dievaluasi dan dengan demikian dapat membandingkan pendapatan per individu. Variabel lain yang dapat ditambahkan adalah inflasi yang
dialami oleh negara-negara tersebut dan melakukan latihan untuk menemukan PDB Riil yang diperoleh masing-masing negara dalam satu tahun.

Gagal menyimpan secara otomatis. File ini diperbarui dari jarak jauh atau di tab lain. menunjukkan perbedaan

• 0 detik berlari 23:43