REGRESI POISSON Gangga Anuraga, M.Si
PENDAHULUAN REGRESI POISSON Varibel responnya merupakan variabel diskrit (bilangan cacah) dan tidak biner. Variabel respon berdistribusi Poisson. Dalam hal ini respon data tersebut berdistribusi Poisson dengan parameter λ.
MODEL REGRESI POISSON
STUDI KASUS Dalam contoh ini, num_awards adalah variabel hasil dan menunjukkan jumlah penghargaan yang diterima oleh siswa di sebuah sekolah tinggi dalam setahun, math merupakan variabel prediktor terus menerus dan merupakan nilai siswa pada matematika ujian akhir mereka, dan prog adalah variabel prediktor kategoris dengan tiga tingkat yang menunjukkan jenis program di mana siswa yang terdaftar.
PENGUJIAN DISTRIBUSI POISSON PADA VARIABEL RESPON Dengan menggunakan uji Kolmogorv Smirnov didapatkan :
PEMODELAN REGRESI POISSON Uji signifikansi parameter secara serentak
PEMODELAN REGRESI POISSON Uji signifikansi parameter secara serentak
PEMODELAN REGRESI POISSON Uji signifikansi parameter secara individu
PEMODELAN REGRESI POISSON
PEMODELAN REGRESI POISSON Uji Ketepatan (Goodness of Fit) Model Regresi Poisson Uji ketepatan model regresi Poisson dilakukan dengan dua cara yaitu, Pearson Chi-square statistic dan Deviance.
Uji Ketepatan (Goodness of Fit) Model Regresi Poisson
PEMODELAN REGRESI POISSON Interpretasi Model : log(num_awards) = -4,877 – 0,370 (prog=1) + 0,714 (prog=2) + 0,07 math num_awards = exp (-4,877 – 0,370 (prog=1) + 0,714 (prog=2) + 0,07 math) perbedaan dalam log nilai harapan jumlah penghargaan yang diterima oleh siswa di sebuah sekolah tinggi dalam setahun diperkirakan 0,714 untuk program academic dibandingkan dengan program vocation dengan asumsi peubah yang lainnya konstan. perbedaan dalam log nilai harapan jumlah penghargaan yang diterima oleh siswa di sebuah sekolah tinggi dalam setahun diperkirakan 0,07 untuk nilai skor math / matematika dengan asumsi peubah yang lainnya konstan.
TERIMA KASIH