Pertemuan 14 Penerapan model full rank

Slides:



Advertisements
Presentasi serupa
Bab 11 Pendugaan dan Pengujian Hipotesis Regresi Linier Sederhana
Advertisements

Regresi Eni Sumarminingsih, SSi, MM. Analisis regresi linier merupakan analisis yang digunakan untuk mengetahui dan mempelajari suatu model hubungan fungsional.
1 Pertemuan 23 Pemilihan regresi terbaik Matakuliah: I0174/Analisis regresi Tahun: 2005 Versi: 1.
1 Pertemuan 11 Penerapan model full rank Matakuliah: I0204/Model Linier Tahun: Tahun 2005 Versi: revisi.
ANALISIS REGRESI BERGANDA
1 Pertemuan Penaksiran parameter model Matakuliah: I0224/Analisis Deret Waktu Tahun: 2007 Versi: revisi.
Matakuliah : I0174 – Analisis Regresi
Pertemuan 5-6 Metode pemulusan eksponential tunggal
BAB VI REGRESI SEDERHANA.
1 Pertemuan 20 Pengujian hipotesis parameter Matakuliah: I0204/Model Linier Tahun: Tahun 2005 Versi: revisi.
1 Pertemuan 26 Pendugaan komponen ragam Matakuliah: I0204/Model Linier Tahun: Tahun 2005 Versi: revisi.
Abdul Rohman Fakultas Farmasi UGM
1 Pertemuan 17 Pengujian hipotesis regresi Matakuliah: I0174/Analisis regresi Tahun: 2005 Versi: 1.
Pertemuan 14 Regresi non linier
1 Pertemuan 11 Analisis data -II Matakuliah: I0082/Analisis dan Perancangan survai Tahun: 2005 Versi: revisi.
1 Pertemuan 15 Matakuliah: I0044 / Analisis Eksplorasi Data Tahun: 2007 Versi: V1 / R1 Analisis Konfirmasi (III) : Uji 1 dan 2 Angkatan.
1 Pertemuan 7 Klasifikasi dan Rekognisi Pola (1) Matakuliah: T0283 – Computer Vision Tahun: 2005 Versi: Revisi 1.
Pertemuan 5 Balok Keran dan Balok Konsol
Fungsi Logaritma Pertemuan 12
1 Pertemuan 5 PPh PASAL 21 Matakuliah: A0572/ Perpajakan Tahun: 2005 Versi: Revisi 1.
Matakuliah : R0022/Pengantar Arsitektur Tahun : Sept 2005 Versi : 1/1
1 Pertemuan 17 Penguraian jumlah kuadrat Matakuliah: I0204/Model Linier Tahun: Tahun 2005 Versi: revisi.
1 Pertemuan 10 Pengujian parameter Matakuliah: I0204/Model Linier Tahun: Tahun 2005 Versi: revisi.
1 Pertemuan 18 Matakuliah: I0044 / Analisis Eksplorasi Data Tahun: 2007 Versi: V1 / R1 Analisis Regresi (II) : Meluruskan Model.
1 Pertemuan 7 Estimable parameter Matakuliah: I0204/Model Linier Tahun: Tahun 2005 Versi: revisi.
KORELASI Bagaimana model regresi antar variabel yang dihubungkan?
MODUL IX (n1 n2)(n1 n2 1) 2 UJI NON PARAMETRIK (2)
Analisis Regresi (IV) :
Pengujian Korelasi Diri Pertemuan 16
Pertemuan 10 PAJAK PERTAMBAHAN NILAI dan PPn BM
Pertemuan 24 Pemilihan regresi terbaik
Inferensi Dua Nilaitengah Ganda (VI)
ANALISIS REGRESI.
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Uji Konstanta (a) Regresi Linear Sederhana
Pertemuan 1 Pengolahan vektor
Regresi Linier Sederhana
Regresi Untuk Data Katagorik Pertemuan 08
Regresi Dalam Lambang Matriks Pertemuan 09
KRITERIA DESAIN, STANDAR DESAIN, DAN METODE ANALISIS PERTEMUAN 6
Uji Hipotesis Dan Selang Kepercayaan Pertemuan 10
Pertemuan 25 Pemilihan regresi terbaik
Model Peluang Linier.
Pemilihan Prediktor Untuk Model Proses Pemilihan Bertahap Pertemuan 20
Regresi Linier Sederhana dan Korelasi
Pertemuan 21 Penerapan model not full rank
Pertemuan 16 SISTEM AKUNTANSI UTANG
Pertemuan 5 Solusi persamaan linier simultan
Pertemuan 4 Kombinasi linier vektor
Pertemuan 23 Penerapan model not full rank
Pertemuan 21 Pemeriksaan penyimpangan regresi
Pertemuan 16 Model not full rank
Pertemuan 7-8 Metode pemulusan eksponensial ganda
Pertemuan 24 Penerapan model not full rank
Pertemuan 15 Model not full rank
Pertemuan 3 Aljabar Matriks (II)
Pertemuan 3 Diferensial
ANALISIS REGRESI DAN KORELASI
Pertemuan 18 Pengujian hipotesis regresi
Matakuliah : A0114/ Sistem Akuntansi Tahun : 2005 Versi : Revisi 1
Bab 11 Pendugaan dan Pengujian Hipotesis Regresi Linier Sederhana
Pertemuan 9 Pengujian parameter
Pertemuan 11 Regresi polinomial
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
REGRESI LINIER BERGANDA
Pertemuan 2 Pengolahan matrik
Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
Pertemuan 9 Regresi dengan peubah dummy
Analisis Variansi Kuliah 13.
BAB VIII REGRESI &KORELASI BERGANDA
Transcript presentasi:

Pertemuan 14 Penerapan model full rank Matakuliah : I0204/Model Linier Tahun : Tahun 2005 Versi : revisi Pertemuan 14 Penerapan model full rank

Menerapkan pengujian parameter regresi Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Menerapkan pengujian parameter regresi

Penerapan model full rank dalam Uji keidentikan parameter Outline Materi Penerapan model full rank dalam Uji keidentikan parameter Uji kesejajaran parameter

Pengujian parameter model y = β X + ε Y = vektor pengamatan β = vektor parameter regresi X = matrik design ε = vektor galat

Statistik uji hipotesis Hipotesis Ho: h’  = ho lawan H1: h’   ho (h’  – ho ) 2 w = ----------------- , s2 ( h’ C h) sedangkan C= (X’X)-1, X= matrik desain, s2 = kuadrat tengah sisaan.

Kriterian pengujian Jika t = W0.5 > t (α/2 (n-p)) maka tolak Ho t (α/2 (n-p)) = nilai sebaran t dengan derajat bebas (n-p) n= banyaknya pengamtan p= banyaknya parameter

Hipotesis Model Y= o+ 1 X1+ 2 X2 Apabila Ho : 1= 2 maka h’ = ( 0 1 -1) dan ho=0 Apabila Ho: 1=1 maka h’= ( 0 1 0 )

Data hasil pengamatan sebagai berikut: X1 X2 Y 1 2 4 2 2 6 2 3 8 3 1 5 3 2 7 3 3 10 4 4 12

Dari data tersebut dengan model y=bo+b1 X1+b2 X2 Tentukan X’X dan inversnya X’y β = (X’X)-1 X’Y Uji apakah Ho: β1= β2 pada taraf uji 5%

Statistik w w = ----------------- , s2 ( h’ C h) S2 = MSE= y’y -β X’Y ( h’  – ho ) 2 w = ----------------- , s2 ( h’ C h) S2 = MSE= y’y -β X’Y

Uji keidentikan model Keidentikan antar parameter beberapa regresi linier sederhana (misalkan sebanyak H regresi linier) dalam bentuk y = a + b x diuji dengan hipotesis Ho: 1 = 2 = .. = H dimana 1 = ( a1 b1), 2 = (a2 b2) dan H = (ah bh), diuji dengan statistik w (Graybill, 1976),

Uji keidentikan parameter dapat digunakan untuk mengetahui apakah kedua pers regresi linier dari dua persamaan sama, artinya memberikan respon yang sama

Uji kesejajaran dapat digunakan untuk mengetahui apakah sejumlah pers regresi linier memiliki slope yang sama

Uji kesejajaran (parallel) regresi Ho:1=2= … =H vs H1: ij, untuk ij H ( h – j bjj / bii)2 bhh wp =  ----------------------------- h=1 (H-1) 2 bhh =  (xht-xh)2 Kriteria pengujian jika wp ≥ Fα (H-1, N-2H) maka Ho ditolak.

Contoh : suplemen (x) dan berat 3 jenis unggas y Jenis 1 Jenis 2 Jenis 3 1 8.42 3 9.86 2 6.52 14.68 9.54 5 5.11 21.42 4 11.96 7 7.75 6 25.45 12.46 8 6.84 27.14 11.38 10 7.65 30.53 14.69 15 9.49 9 34.51 16.48 16 7.03 34.52 12 20.11 18 9.41 33.24 20 12.01 11 39.63 43.98 14 47.77

Berdasarkan data tersebut : Lakukan uji keidentikan parameter regresi Lakukan uji kesejajaran model regresi Bila model regresi y = b0 + b1 x

Pengujian parameter dalam model meliputi: Uji parameter dalam regresi Uji parameter antar regresi (keidentikan dan kesejajaran)