Model Berpangkat Tidak Penuh (MODEL ANOVA) nuvie.stis@2010
Contents 1 Formulasi Model 2 Estimasi Parameter 3 Reparameterisasi 4 Materi kuliah model linier – stis@2010 Contents 1 Formulasi Model 2 Estimasi Parameter 3 Reparameterisasi 4 Estimabilitas 5
Formulasi Model Model full rank: Materi kuliah model linier – stis@2010 Formulasi Model Model full rank: Sehingga E(e) = 0, dan E(y) = X. Setiap elemen e diasumsikan memiliki varians 2 dan covarians 0, sehingga: Persamaan normal berdasarkan model diatas dapat diselesaikan dengan OLS, sehingga didapat persamaan:
Estimasi dilakukan dengan G-Inverse sehingga solusi tidak unik Materi kuliah model linier – stis@2010 Formulasi Model Model full rank: Nonsingular/Full rank Bagaimana jika X’X tidak full rank? Estimasi dilakukan dengan G-Inverse sehingga solusi tidak unik
Penurunan Berat Badan (Kg) Materi kuliah model linier – stis@2010 Formulasi Model Contoh: Terdapat 3 metode diet, berikut adalah data 6 orang sampel yang didata rata-rata penurunan berat badan, setelah sebulan melakukan diet. Obs Penurunan Berat Badan (Kg) Metode 1 Metode 2 Metode 3 Member 1 4 8 7 Member 2 6 12 - Member 3 14 20
Materi kuliah model linier – stis@2010 Formulasi Model Contoh pada tabel diatas, yij adalah jumlah penurunan berat badan (dalam kg) berdasarkan metode ke-i dan pengamatan ke-j, dimana j = 1,2, …,ni Yang harus dilakukan adalah mengestimasi efek metode diet pada hasil penurunan berat badan. Untuk itu, diasumsikan observasi y adalah: Dimana adalah rata-rata populasi dari besarnya penurunan berat badan, i adalah efek dari metode diet terhadap penurunan berat badan, dan ij adalah random error .
Materi kuliah model linier – stis@2010 Formulasi Model Untuk membangun persamaan normal, dapat dituliskan sbb: 4 = + 1 + 11 6 = + 1 + 12 4 = + 1 + 13 8 = + 2 + 21 12 = + 2 + 22 7 = + 3 + 31 Dan akan lebih mudah jika dituliskan dalam bentuk matriks: Dengan
Estimasi Parameter Model Materi kuliah model linier – stis@2010 Estimasi Parameter Model Jika X bukan matriks Full Rank, maka X’X juga tidak Full Rank, Akibatnya: Akan memiliki solusi yang tidak unik. Langkah yang diambil: Reparameterisasi (a Possible solution) Conditional Inverse/G-Inverse see part G-Inverse
Estimasi Parameter Model Materi kuliah model linier – stis@2010 Estimasi Parameter Model Teorema (1): Misal Ax = g konsisten, dan X = Acg adalah sebuah solusi dari sistem, dan Ac adalah conditional inverse dari A, maka: AAcAX = AX AAcg = g; X0 = Acg AX0 = g Analog dengan persamaan diatas:
Estimasi Parameter Model Materi kuliah model linier – stis@2010 Estimasi Parameter Model Teorema (2): Misal Ax = g konsisten, dan Ac adalah conditional inverse dari A, maka: X0 = Acg + (I – AcA)z Dimana z adalah sembarang vektor px1. Bukti: Analog dengan persamaan diatas: Jika z = 0, maka teorema (1) dapat digunakan.
Estimasi Parameter Model Materi kuliah model linier – stis@2010 Estimasi Parameter Model Teorema (3): Misal Ax = g konsisten, dan Ac adalah conditional inverse dari A. Jika X0 adalah salah satu solusi dari sistem, maka: X0 = Acg + (I – AcA)z Dimana z = (I – AcA)X0 Bukti: Analog dengan persamaan diatas: dimana z = [ I – (X’X)c(X’X) ] b0
Reparameterisasi Model yang terbentuk pada contoh: ; i = 1, 2, 3 Materi kuliah model linier – stis@2010 Reparameterisasi Model yang terbentuk pada contoh: ; i = 1, 2, 3 j = 1, 2, …, ni Xold is less then full rank Dilakukan reparameterisasi menghasilkan model baru: Xnew is full rank dan estimasi parameter bisa dilakukan
Materi kuliah model linier – stis@2010 Estimasi Varians Pada Model Full Rank, unbiased varians 2 diestimasi dg: Sehingga mengikuti distribusi chi- Squared dengan df = n – r . Not full rank
Beberapa Konsekuensi EXPECTED VALUES: Materi kuliah model linier – stis@2010 Beberapa Konsekuensi EXPECTED VALUES: E(b) = E(GX’y) = GX’ E(y) = GX’Xb = Hb Dengan G = (X’X)c dan H = GX’X Sehingga b unbiased estimator dari Hb, bukan dari b VARIANS: var (b) = var (GX’y) = GX’ var(y) XG’ = GX’XG’
Materi kuliah model linier – stis@2010 Estimability Pada Model tidak berpangkat penuh, tidak dapat diestimasi secara unik. Banyak pilihan solusi dari (X’X)c, akibatnya banyak kemungkinan bentuk persamaan normal. Definisi: Misalkan y = X + , dimana Xnxp dengan rank r p, E()=0, dan var = 2I. Fungsi t’ dikatakan estimable jika terdapat vektor c sedemikian hingga E(c’y) = t’ Teorema: Misalkan y = X + , dimana Xnxp dengan rank r p, E()=0, dan var = 2I. Kondisi yang harus dipenuhi supaya t’ estimable adalah jika solusi sistem persamaan (X’X)z = t eksis.
Theorem of Estimability Materi kuliah model linier – stis@2010 Theorem of Estimability Misal y = X + dimana Xnxp dengan rank r p, E()=0, dan var = 2I. Fungsi t’ dikatakan estimable jika dan hanya jika: t’(X’X)c(X’X) = t’ Dengan (X’X)c adalah suatu conditional inverse. Lemma: Jika y = X + , dimana Xnxp dengan rank r p, E()=0, dan var = 2I. Best Linear Unbiased Estimate untuk t’ = z’X’Y, dimana z’ adalah solusi dari persamaan (X’X) z = t. Bukti : Myers, page 212-213
Materi kuliah model linier – stis@2010 Gauss Markoff Theorem Misal y = X + dimana Xnxp dengan rank r p, E()=0, dan var = 2I. Jika t’ estimable, kemudian salah satu solusi dari (X’X)z = t memberikan estimasi yang sama untuk t’. Sehingga Best Linear Unbiased Estimate (BLUE) adalah t’b dimana b adalah salah satu solusi dari persamaan normal. Bukti: Misalkan z0 dan z1 adalah solusi dari sistem (X’X)z = t, sehingga (X’X)z0 = t dan (X’X)z1 = t Dan z0’ (X’X) = z1’ (X’X) = t’ Note:
Properties of Estimability Materi kuliah model linier – stis@2010 Properties of Estimability POIN PENTING TENTANG ESTIMABILITAS Pada model tidak berpangkat penuh, pusat perhatian ada pada fungsi estimable yaitu t’ Fungsi estimable dapat diestimasi secara unik (tunggal) Estimasi unik (tunggal) untuk fungsi tersebut adalah t’b dimana b adalah suatu solusi dari persamaan normal t‘b adalah Best Linear Unbiased Estimator (BLUE terhadap t’
Materi kuliah model linier – stis@2010 Estimasi Interval Sesuai dengan teori estimabilitas, bahwa kombinasi linier t’ merupakan fungsi yang estimable, maka estimasi interval dari t’ diberikan oleh: Sebelumnya: cari distribusi dari t’b buktikan bahwa antara t’b dan SSres/2 independen
Thank You ! nuvi@stis.ac.id www.themegallery.com