Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

1 Regresi Linier Berganda Hafiez Sofyani, SE., M.Sc.

Presentasi serupa


Presentasi berjudul: "1 Regresi Linier Berganda Hafiez Sofyani, SE., M.Sc."— Transcript presentasi:

1

2 1 Regresi Linier Berganda Hafiez Sofyani, SE., M.Sc.

3 2 Asumsi Analisis Regresi Linier 1. Data Y berskala minimal interval Data X berskala minimal nominal (jika data X berskala nominal / ordinal harus menggunakan bantuan variabel dummy) 2. Existensi untuk setiap nilai dari variabel x yang tetap, y adalah variabel random dengan distribusi probabilitas tertentu yang mempunyai mean dan varians.

4 3 Asumsi Analisis Regresi Linier 3. Nilai y secara statistik saling bebas 4. Linieritas, nilai rata-rata y adalah sebuah fungsi garis lurus dari x 5. Homoscedasticity. Varians dari y adalah sama pada beberapa x 6. Distribusi normal pada beberapa nilai tertentu x, y mempunyai distribusi normal

5 Prosedur Analisis Regresi 1. Menetapkan Model Ekonomi Y = f (X 1, X 2, X 3, …,  ) 2. Menetapkan Hipotesa dan Menyusun Landasan Teori Hipotesa One tailH 0 :  i = 0 ; H A :  i > 0 atau  i < 0 Two tailH 0 :  i = 0 ; H A :  i  0 3. Mencari Data Data Primer Data Sekunder

6 Prosedur Analisis Regresi 4. Membuat Scatter Plot 5. Memilih Model Regresi Model Linier Model Non Linier [log-log; log- lin; lin-log] 6. Melakukan Regresi 7. [Uji Asumsi Klasik] Intepretasi Hasil dan Uji Diagnostik

7 Membuat Scatter Plot dan Memilih Model Regresi DV IV DV IV (1) (2) Gambar (1): Lebih tepat menggunakan model regresi non-linier Gambar (2): Lebih tepat menggunakan model regresi linier Dari Scatter Plot dapat terdeteksi kebutuhan akan Dummy Independent Variable

8 Analisis Regresi Metode estimasi koef. Regresi menggunakan OLS (BLUE), syaratnya: Hubungan Y dan X adalah linier [parameter] Nilai X tetap untuk observasi yang berulang- ulang (non-stokastik). Tidak ada korelasi antar variabel bebas (multikol) Nilai harapan atau rata-rata dari variabel gangguan (e) adalah nol. Varian dari variabel gangguan adalah sama (homo). Tidak ada korelasi antar variabel gangguan (korelasi serial = autokorelasi). Variabel gangguan berdistribusi normal.

9 8 Regresi Linier Berganda Model regresi linier berganda melibatkan lebih dari satu variabel bebas. Modelnya : Dimana Y = variabel terikat X i = variabel bebas ( i = 1, 2, 3, …, k)  0 = intersep  i = koefisien regresi ( i = 1, 2, 3, …, k ) Model penduganya adalah

10 9 Regresi Linier Berganda Misalkan model regresi dengan kasus 2 peubah bebas X 1 dan X 2 maka modelnya : Sehingga setiap pengamatan Akan memenuhi persamaan

11 10 Menaksir Koefisien Regresi Dengan Menggunakan Matriks Dari hasil Metode Kuadrat Terkecil didapatkan persamaan normal : …..

12 11 Menaksir Koefisien Regresi Dengan Menggunakan Matriks Tahapan perhitungan dengan matriks : 1.Membentuk matriks A, b dan g

13 12 Menaksir Koefisien Regresi Dengan Menggunakan Matriks

14 13 Menaksir Koefisien Regresi Dengan Menggunakan Matriks 2.Membentuk persamaan normal dalam bentuk matriks A b = g 3.Perhitungan matriks koefisien b b = A -1 g

15 14 Metode Pendugaan Parameter Regresi Dengan Metode Kuadrat Terkecil, misalkan model terdiri dari 2 variabel bebas Tahapan pendugaannya : 1. Dilakukan turunan pertama terhadap b 0, b 1 dan b 2

16 15 Metode Pendugaan Parameter Regresi 2. Ketiga persamaan hasil penurunan disamakan dengan nol

17 16 Metode Pendugaan Parameter Regresi 3. Nilai b 1 dan b 2 dapat diperoleh dengan memakai aturan-aturan dalam matriks

18 17 Uji Kecocokan Model 1. Dengan Koefisien Determinasi R 2 menunjukkan proporsi variasi total dalam respon Y yang dapat diterangkan oleh model r merupakan koefisien korelasi antara Y dengan kelompok X 1, X 2, X 3, …, X k

19 18 Uji Kecocokan Model 2.Dengan Pendekatan Analisis Ragam Tahapan Ujinya : 1.Hipotesis = H 0 :   0 H 1 :   0 dimana  = matriks [  0,  1,  2, …,  k ]

20 19 Uji Kecocokan Model 2.Tabel Analisis Ragam Komponen Regresi SSdbMSF hitung RegresiJKRkJKR / k s 2 GalatJKGn – k – 1s 2 = JKG / n-k-1 TotalJKTn – 1

21 20 Uji Kecocokan Model 3.Pengambilan Keputusan H 0 ditolak jika pada taraf kepercayaan  F hitung > F tabel(1, n-k-1)

22 21 Uji Parsial Koefisien Regresi Tahapan Ujinya : 1.Hipotesis = H 0 :  j  0 H 1 :  j  0 dimana  j merupakan koefisien yang akan diuji

23 22 Uji Parsial Koefisien Regresi 2. Statistik uji : Dimana : b j = nilai koefisien b j s = c jj = nilai matriks A -1 ke-jj

24 23 Uji Parsial Koefisien Regresi 3. Pengambilan keputusan H 0 ditolak jika pada taraf kepercayaan  t hitung > t  /2(db= n-k-1)

25 Contoh: 24


Download ppt "1 Regresi Linier Berganda Hafiez Sofyani, SE., M.Sc."

Presentasi serupa


Iklan oleh Google