Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

 Regresi Sederhana  Regresi Berganda/Multiple regression  Regresi Moderating  Regresi Intervening  Regresi Diskriminan (Analisis Diskriminan)  Regresi.

Presentasi serupa


Presentasi berjudul: " Regresi Sederhana  Regresi Berganda/Multiple regression  Regresi Moderating  Regresi Intervening  Regresi Diskriminan (Analisis Diskriminan)  Regresi."— Transcript presentasi:

1

2  Regresi Sederhana  Regresi Berganda/Multiple regression  Regresi Moderating  Regresi Intervening  Regresi Diskriminan (Analisis Diskriminan)  Regresi Logistik

3 Y=α0+ β1X1+β2X2+β3X3+…+e Berbentuk kategorikal : Skala Nominal: Dummy UJI REGRESI DISKRIMINAN or LOGISTIK Berbentuk kategorikal : Skala Nominal: Dummy UJI REGRESI berganda denganDUMMY VARIABEL

4 Misal X3 adalah variabel REPUTASI PERUSAHAAN, dimana: 1 = perusahaan ber-reputasi baik dgn dasar Indek CGPI 0 = perusahaan ber-reputasi tidak baik. Maka bentuk tabulasi Variabel X3: RespX dst1 dst

5 Misal: X3 adalah besaran perusahaan (SIZE), dimana:  1=kecil  2=sedang  3=besar Penentuan variabel baru didasarkan pada (jml kelompok – 1) Tentukan kel/grup acuan (mis:kel1=kecil) Res p Size( X3) XsXb dst100

6  Lihat nilai “unstd. Beta” (misal nilai untuk Xs dan untuk Xb) Y=dependen variabel = kebijakan utang perusahaan.  Artinya: ◦ Perusahaan kategori sedang memiliki kebijakan utang 54% lebih rendah dibandingkan dengan perusah. kecil. ◦ Perush. kategori besar memiliki kebijakan utang 6.3% lebih tinggi dibanding perush kecil

7  Digunakan jika variabel dependen dalam bentuk dummy  Distribusi data harus normal  Umumnya digunakan untuk model prediksi  Metode pengujian: ◦ Forward ; mulai dari yang paling sig ◦ Backward : diolah bersamaan & bertahap dibuang satu per satu var. yg tdk sig ◦ Stepwise ; kombinasi forward & backward

8  Digunakan jika variabel dependen dalam bentuk dummy  Distribusi data TIDAK harus normal  Umumnya digunakan untuk model prediksi

9  Jika model yang digunakan untuk PREDIKSI, maka HARUS ada penjelasan tentang DATA PREDIKSI dan DATA OBSERVASI. ◦ Penelitian tentang faktor-faktor yang mempengaruhi pengambilan keputusan STOCK SPLIT tahun pada emiten di pasar modal Indonesia.  Dependen Variabel : stock split (1=melakukan SS dan 0=tdk melakukan SS)  Independen variabel : Rasio profitabilitas, solvabilitas, dan leverage ◦ Data yang diprediksi: Status stock split th dan ◦ Data untuk memprediksi rasio (prof, solv, leverage)  tahun ( jika 2 tahun) atau  Th 2005 dprediksi oleh th 2004  Th 2004 diprediksi tahun 2003  (jika data utk memprediksinya used 4 thn)  2004 diprediksi oleh thn 2003,2002,2001,2000  2005 diprediksi oleh thn 2004,2003,2002,2001 ◦ Data Observasi (utk kasus1) dan (utk kasus 2)

10 1. Bandingkan nilai -2Log likelihood yang memasukkan nilai konstanta saja dengan -2Log likelihood dgn memasukkan konstanta dan indep. variabel. Jika nilainya menurun maka model dapat dikatakan fit 2. Nilai % daya prediksi: mengukur ketepatan prediksi independen terhadap dependen 3. Nilai Cox & Snell R-Square atau Nagelkerke R 2 : kemampuan independen dalam memprediksi kebijakan SS 4. Hosmer & Lemeshow : menilai ketepatan model prediksi (model fit). Jika p-value > 0.05 maka model dikatakan fit. 5. Estimasi parameter untuk masing-masing independen variabel: untuk melihat pengaruh masing-masing indep variabel terhadap model prediksi

11  CARILAH 2 ARTIKEL/JURNAL HASIL PENELITIAN YANG MENGGUNAKAN UJI REGRESI LOGISTIK (Berkelompok) Diminta: 1. Tulis modelnya (dgn menggunakan nama/singkatan nama variabel) 2. Identifikasi hasilnya dan perkuat dengan output/ringkasan output yang disajikan pada artikel/jurnal yg Sdr jadikan acuan. 3. Jurnal yang diacu wajib dilampirkan (boleh jurnal asing atau jurnal Bahasa Indonesia)


Download ppt " Regresi Sederhana  Regresi Berganda/Multiple regression  Regresi Moderating  Regresi Intervening  Regresi Diskriminan (Analisis Diskriminan)  Regresi."

Presentasi serupa


Iklan oleh Google