Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
Analisis regresi (principle component regression)
GANGGA ANURAGA, S.Si, M.Si
2
Definisi Principle Component Regression Metode regresi yang memasukkan seluruh variabel independen dan mengakomodasi adanya kolinieritas/multikolinieritas antar variabel independen dengan cara mengelompokkan variabel yang saling berkorelasi cukup tinggi dalam sebuah variabel baru. Sehingga mereduksi banyaknya dimensi regresi dan antar variabel baru tersebut tidak saling berkorelasi cukup tinggi. Definisi Contoh Standarisasi M. Korelasi Varibel Baru Pilih Model Model Regresi
3
Definisi Contoh Langkah-langkah PCR Standarisasi M. Korelasi
1. Melakukan standarisasi/pembakuan data variabel independent xj : Membuat matrik korelasi antar variabel independen 3. Membangkitkan variabel baru yang saling independent PC1 = a11z1 + a12z2 + … + a1kzk PC2 = a21z1 + a22z2 + … + a2kzk PCk = ak1z1 + ak2z2 + … + akkzk atau PCj =aj’z dan nilai a adalah eigen-vector dari eigen- value ke-j dari matriks korelasi antar variabel independent Banyaknya PC ditentukan berdasarkan kriteria : Eigen value ≥ 1, atau Proporsi kumulatif eigen value : dengan k = banyaknya variabel independen 4. Melakukan regresi y dengan skor PC 5. Menyatakan model regresi Y dengan PC ke dalam model Y dengan z, kemudian x. Contoh Standarisasi M. Korelasi Varibel Baru Pilih Model Model Regresi
4
Soal: Definisi Contoh x1 x2 x3 x4 y 7 26 6 60 78.5 1 29 15 52 74.3 11
56 8 20 104.3 31 47 87.6 33 95.9 55 9 22 109.2 3 71 17 102.7 44 72.5 2 54 18 93.1 21 4 115.9 40 23 34 83.8 66 12 113.3 10 68 109.4 Contoh Standarisasi M. Korelasi Varibel Baru Pilih Model Model Regresi
5
Deteksi Multikolinieritas
Definisi The regression equation is y = x x x x4 Predictor Coef SE Coef T P VIF Constant x x x x S = R-Sq = 98.2% R-Sq(adj) = 97.4% Analysis of Variance Source DF SS MS F P Regression Residual Error Total Source DF Seq SS x x x x Contoh Standarisasi M. Korelasi Varibel Baru Pilih Model Model Regresi
6
Standarisasi x z Definisi Contoh Standarisasi M. Korelasi
y z1 z2 z3 z4 78.5 74.3 0.5044 104.3 87.6 95.9 109.2 102.7 72.5 93.1 0.3757 115.9 83.8 -0.524 1.7534 113.3 109.4 Contoh Standarisasi M. Korelasi Varibel Baru Pilih Model Model Regresi
7
Matriks korelasi Definisi Contoh Eigen value & eigen vektor z1 z2 z3
Contoh Standarisasi M. Korelasi Varibel Baru Eigen value & eigen vektor Eigenvalue Proportion Cumulative Variable PC PC PC PC4 z z z z Pilih Model Model Regresi
8
Komponen utama Definisi Contoh
PC1 = z z z3 – 0.548z4 PC2 = 0.509z1 – 0.414z2 – 0.605z z4 Contoh Case PC1 PC2 1 -1,46724 1,90303 2 -2,13583 0,23835 3 1,12987 0,18388 4 -0,65989 1,57677 5 0,35876 0,48354 6 0,96664 0,16994 7 0,9307 -2,13482 8 -2,23214 -0,69167 9 -0,35152 -1,43224 10 1,66254 1,8281 11 -1,64018 -1,29511 12 1,69259 -0,39225 13 1,74568 -0,43752 Standarisasi Nilai dari variabel zi dimasukkan Pada Persamaan tersebut M. Korelasi Varibel Baru Pilih Model Model Regresi
9
Pemilihan Model Definisi Contoh Analisis Regresi : Y dengan PC1
The regression equation is y = 95,4 + 9,88 PC1 Predictor Coef SE Coef T P Constant , , , ,000 PC , , , ,000 S = 2, R-Sq = 96,5% R-Sq(adj) = 96,2% Analysis of Variance Source DF SS MS F P Regression , , , ,000 Residual Error , ,7 Total ,8 Contoh Standarisasi M. Korelasi Varibel Baru Pilih Model Model Regresi
10
Pemilihan Model Definisi Contoh Analisis Regresi : Y dengan PC1, PC2
The regression equation is y = PC PC2 Predictor Coef SE Coef T P VIF Constant PC PC S = R-Sq = 96.5% R-Sq(adj) = 95.8% Analysis of Variance Source DF SS MS F P Regression Residual Error Total Standarisasi M. Korelasi Varibel Baru Pilih Model Model Regresi
11
Model Regresi Definisi Contoh
Diperoleh estimasi model regresi komponen utama (dianggap asumsi metode OLS terpenuhi) Model regresi dalam z : Model regresi dalam x : Contoh Standarisasi M. Korelasi Varibel Baru Pilih Model Descriptive Statistics: x1; x2; x3; x4 Variable N Mean Median TrMean StDev SE Mean x , , , , ,63 x , , , , ,32 x , , , , ,78 x , , , , ,64 Model Regresi
12
k n a H T s
Presentasi serupa
