Analisis Regresi 1 - stat.ipb.ac.id · Ringkasan Regresi Berganda Model Regresi Berganda dengan 2...

Pokok Bahasan :

Regresi Linier dengan Dua Peubah

Penjelas

Analisis Regresi 1

Itasia Dina S, Departemen Statistika FMIPA IPB

Penulisan model regresi linier

berganda dengan notasi matriks

Model Regresi Linier dengan 2 peubah penjelas

Model Regresi Linier Berganda

Dengan notasi matriks dapat dituliskan :

εxβxββY 22110

nny

y

y

.

.

x x1

. . .

. . .

x x1

x x1

.

.

2

1

2

1

0

2n1n

2212

2111

2

1

penjelas p banyaknyak , 11111

nkknny X


Pendugaan model regresi

berganda dengan matriks

Notasi Matriks pada Model Regresi Linier Berganda

dengan k = 2

Penduga parameter regresi berganda dg notasi

matriks :

Xy

nny

y

y

.

.

x x1

. . .

. . .

x x1

x x1

.

.

2

1

2

1

0

2n1n

2212

2111

2

1

11)(k)1()1(1)1( ' )'( ybnnkkk XXX

1


Contoh: model regresi linier berganda

dalam notasi matriks

0

1

0

30 2.2 1

25 2.8 1

40 3.9 1

30 3.2 1

20 3.0 1

25 3.4 1

30 3.1 1

2.3

2.5

4.0

2.9

3.0

3.2

3.5

Xy

Data : Model Regresi dalam notasi Matriks :

Xyy x1 x2

3.5 3.1 30

3.2 3.4 25

3.0 3.0 20

2.9 3.2 30

4.0 3.9 40

2.5 2.8 25

2.3 2.2 30


Contoh : Menduga parameter regresi

linier berganda dg matriks

11)(k)1()1(1)1( ' )'( ybnnkkk XXX

1

30 2.2 1

25 2.8 1

40 3.9 1

30 3.2 1

20 3.0 1

25 3.4 1

30 3.1 1

Dugaan bagi parameter regresi :

Dari data contoh tsb. didapat :

30 25 40 30 20 25 30

2.2 2.8 3.9 3.2 3.0 3.4 1.3

1 1 1 1 1 1 1

X’X =

3 x 7

7 x 3


Contoh : Menduga parameter regresi

linier berganda dg matriks

X X

7 0 216 200 0

216 683 626 0

200 0 626 0 5950 0

. . .

. . .

. . .

Dengan perhitungan cara matriks didapat :

0.005 0.028- 0.064-

0.028- 0.760 1.529-

0.064- 1.529- 6.683

)'( 1XX

30 25 40 30 20 25 30

2.2 2.8 3.9 3.2 3.0 3.4 1.3

1 1 1 1 1 1 1

0.005 0.028- 0.064-

0.028- 0.760 1.529-

0.064- 1.529- 6.683

2.3

2.5

4.0

2.9

3.0

3.2

3.5

b =

017.0

898.0

214.0

Dugaan garis regresinya :

21 017.0898.0214.0ˆ xxy y

lanjutan

(X’X) -1 X’


Pemeriksaan Model

untuk

Regresi Berganda

•Peubah penjelas apa yang memiliki hubungan linier dg peubah respon

•Apakah penambahan peubah penjelas ke dalam model diperlukan


Ringkasan Regresi Berganda

Model Regresi Berganda dengan 2 peubah penjelas :

Model umum Regresi Berganda dengan k peubah

penjelas dalam notasi matriks :

Dugaan bagi parameter Regresi Berganda:

εxβxββY 22110

11111 nkknn

y X

11)(k)1()1(1)1( ' )'( ybnnkkk XXX

1


Ringkasan Regresi Berganda

yby HX ˆ

21

110

100'

)(ˆ ),cov(

),(cov )(ˆ)(ˆ s

bVbb

bb bVbV

XX

Nilai ramalan

Matriks dugaan ragam peragam bagi b :

Dugaan simpangan baku

lanjutan

dengan : s2 = KT sisaan

scb jjj )1)(1(


Uji Parameter

Regresi Linier Berganda : uji-t

0atau

0atau

0 :

0 :

1

1

11

10

H

Hscs

s

bjjb

b

jj

j

j

, t )1)(1(hit

εxβxββY 22110

Hipotesis :

1.

Statistik uji-nya :

Derajat bebasnya = n – k - 1

Unsur ke (j+1) diagonal (X’X)-1

Akar dari KT sisaan

k = banyaknya peubah penjelas

Model Regresi-nya :

2.

0atau

0atau

0 :

0 :

2

2

21

20

H

H


Uji Parameter

Regresi Linier Berganda : uji-t

Uji-t dimaksudkan untuk menguji pengaruh setiap peubah penjelas secara satu per satu terhadap peubah responnya

0atau

0atau

0 :

0 :

1

0

j

j

j

j

H

H

lanjutan

Peubah penjelas Xj tidak berhubungan linier dg Y

Peubah penjelas Xj berhubungan linier dg Y

Peubah penjelas Xj berhubungan linier positif dg Y

Peubah penjelas Xj berhubungan linier negatif dg Y

Model Regresi Berganda dg 2 peubah penjelas :

εxβxββY 22110


Contoh : uji-t dengan notasi matriks

Dengan menggunakan data contoh pada slide

sebelumnya ingin diuji apakah X1 dan atau X2

berpengaruh linier thdp Y

Didapatkan bahwa

Dugaan garis regresi-nya:

Hipotesisnya :

0.005 0.028- 0.064-

0.028- 0.760 1.529-

0.064- 1.529- 6.683

)'( 1XX

21 017.0898.0214.0ˆ xxy

0 :

0 :

1

0

j

j

H

H

Peubah penjelas Xj tidak berhubungan linier dg Y

Peubah penjelas Xj berhubungan linier dg Y



Statistik uji-nya :

lanjutan

scss

bjjb

b

jj

j

j

, t )1)(1(hit

55.3253.0

898.0t 0.25300.2902 x 76.0s 1,juntuk hitb1

. . . 2 1

467 44 671031 0 08422 S2=

829.00205.0

017.00205.00.2902 x 005.0s 2,juntuk hitb2

t



Tolak H0Tolak H0

a/2=.025

-tn-3,α/2

Terima H0

0

a/2=.025

-2.776 2.776

d.b. = 7 - 3 = 4 t4,.025 = 2.776

(lanjutan)

tn-3,α/2

Untuk j=1 t hit = 3.55 tolak H0

Untuk j=2 t hit = 0.829 terima H0

KESIMPULAN :

1. Cukup bukti untuk mengatakan

bahwa ada hub linier antara x1 dan Y

2. Tidak cukup bukti untuk mengatakan

bahwa ada hub linier antara x2 dan Y


Contoh : uji-t dengan Minitab

Regression Analysis: Y versus X1, X2

The regression equation is

Y = - 0.214 + 0.898 X1 + 0.0175 X2

Predictor Coef SE Coef T P

Constant -0.2138 0.7502 -0.29 0.790

X1 0.8984 0.2530 3.55 0.024

X2 0.01745 0.02116 0.82 0.456

S = 0.290208 R-Sq = 83.3% R-Sq(adj) = 74.9%

lanjutan

> 0.05

Terima H0


Uji Parameter

Regresi Linier Berganda : uji-F

Dengan uji F ini kita dapat mengetahui :

peubah-peubah penjelas yang ada dalam model

berpengaruh secara serempak terhadap respon atau

tidak.

Penambahan satu peubah penjelas ke dalam model

setelah peubah penjelas lainnya ada dalam model

berpengaruh nyata atau tidak terhadap respon

Penambahan sekelompok peubah penjelas ke dalam

model setelah peubah penjelas lainnya ada dalam

model berpengaruh nyata atau tidak terhadap respon


Uji Parameter


Sumber

Keragaman

Derajat Bebas (db)

Jumlah Kuadrat

(JK)

Kuadrat Tengah (KT)

Regresi | b0 2 b’X’Y – Y’11’Y

Sisaan n - 3 Y’Y – b’X’Y

Total

(terkoreksi)n - 1 Y’Y – Y’11’Y

2

JKRegresi

3n

JKsisaan

Regresi | b0 k b’X’Y – Y’11’Y

Sisaan n – k - 1 Y’Y – b’X’Y

Total terkoreksi n - 1 Y’Y – Y’11’Y

2ssisaan

sisaan

db

JK

Regresi

Regresi

db

JK

0

2

bTengah Nilai

yn

Banyaknya

peubah

penjelas

Tabel Sidik Ragam


Uji Parameter


Sumber

Keragaman

Derajat Bebas (db)

Jumlah Kuadrat

(JK)

Kuadrat Tengah (KT)

b1, b2| b0 2 b’X’Y – Y’11’Y

Sisaan n - 3 Y’Y – b’X’Y

Total


2

JKRegresi

Apakah X1 dan X2 dalam model

berpengaruh secara serempak terhadap Y

sisaan

b|b,b

hitKT

KTF 021

1

εxβxββY 22110

1,2j ,0satu ada min:

0:

1

210

jH

H

3n

JKsisaan


Uji Parameter


0:

Y model dalam 0:

21

2211020

H

xxH

Sumber

Keragaman

Derajat Bebas (db)

Jumlah Kuadrat (JK)Kuadrat Tengah

(KT)

b1, b2 | b0 2 b’X’Y – Y’11’Y

Sisaan n – 3 Y’Y – b’X’Y

Total


3-nJKsisaan

Apakah penambahan X2 ke dalam model

berpengaruh terhadap Y

εxββY 110

sisaan

b,b|b

hitKT

KTF 102102 b,b b 1 01021 b |bb |b,b JKJK

1

JK10 2 b,b |b


Koefisien Determinasi Berganda

Proporsi keragaman pada Y dijelaskan oleh

semua peubah X secara bersama-sama

yyyy

yy

SS

SSE

SS

SSESSR

1

Keragaman Total

dijelaskan ygKeragaman 2


Adjusted R2

R2 besarnya tidak pernah turun ketika peubah X

ditambahkan ke dalam model

Hanya nilai Y yang menentukan besarnya SSyy

Tidak ada gunanya kalau membandingkan model yg satu dg yg

sdh ditambah peubah penjelasnya.

Solusi: Adjusted R2

Setiap penambahan peubah penjelas akan menurunkan nilai

adjusted R2.

22 1

1

11 R

SSyy

SSE

SS

SSE

kn

nR

yya

Analisis Regresi 1 - stat.ipb.ac.id · Ringkasan Regresi Berganda Model Regresi Berganda dengan 2...

Documents

Transcript of Analisis Regresi 1 - stat.ipb.ac.id · Ringkasan Regresi Berganda Model Regresi Berganda dengan 2...

STK643 PEMODELAN NON-PARAMETRIK NONPARAMETRIK Teknik pemulusan dalam regresi nonparametrik untuk menduga kurva regresi : 1. Rataan bergerak (running mean); 2. Regresi sederhana (running

Analisis Regresi 1 - IPB Universityberganda dengan notasi matriks Model Regresi Linier dengan 2 peubah penjelas Model Regresi Linier Berganda Dengan notasi matriks dapat dituliskan

Regresi sederhana bivariat - unita.lecture.ub.ac.idunita.lecture.ub.ac.id/files/2016/09/8.Regresi-sederhana... · Regresi sederhana menganalisis kemampuan sebuah variabel prediktor

Analisis regresi-1

Regresi Terboboti,Teori,Rinci

Analysis of Covariance (ANACOVA) · PDF filekoefisien regresi antara Y dan X efek dari level factor ke - i ... Statistik uji 4. Daerah kritis: H 0 ditolak jika F rasio > F(α;t-1;

ANALISIS KORELASI DAN REGRESI - file.upi.edufile.upi.edu/Direktori/FPMIPA/JUR._PEND._FISIKA/AHMAD_SAMSUDIN... · Terdapat banyak metode korelasi antara lain korelasi pearson product

REGRESI GAMMA DAN REGRESI LOGNORMAL UNTUK …

SOAL 1.1. : Melempar dua mata uang, ruang sampelnya (S ...adjifern.lecture.ub.ac.id/files/2016/09/modul-prostok.pdf · acak diskrit dan kontinu 1 Peubah Acak Diskrit NO Distribusi

Titan-1 Latihan Non Linear Regresi Dikasih)

Regresi on Lineal Multiple - eio.usc.eseio.usc.es/eipc1/.../MATERIALES/Mat_50140129_RegresionMultiple.pdf · Predicci on en el modelo de regresi on lineal multiple Modelo de regresi

Probabilitas Cakupan Interval Konfidensi dalam Regresi ...lppm.ikipmataram.ac.id/wp-content/uploads/2015/03/Zainal-Abidin... · Apabila semua syarat di atas dipenuhi, maka menunjukkan

Analisis Regresi 1 - Home | .: Department of Statistics ... & Y Angraini, Dep. Statistika FMIPA-IPB Model Regresi Linier Berganda Dugaan Persamaan Regresi Linier Berganda, dengan k

REGRESI DAN KORELASI LINEAR SEDERHANAwidhadyah.lecture.ub.ac.id/files/2012/11/Materi-Regresi_Linear.pdf · Dari suatu praktikum fisika dasar diperoleh data yang ... Tentukan interval

Variansi dan Kovariansi - · PDF file2 Variansi • Kita sudah memahami bahwa nilai harapan peubah acak X seringkali disebut rataan (mean) dan dilambangkan dengan μ. • Tetapi, rataan

Limit dan Turunan Fungsi Dua Peubah fileLimit Fungsi Dua Peubah ... Contoh Buktikan bahwa limit ( , ) ( 0 ,0 ) 2 2 lim x y xy ... Fungsi dua buah f(x,y) kontinu dititik (a,b) jika

REGRESI KOMPONEN UTAMA (PRINCIPAL COMPONENT … · 1.Semua variabel dilibatkan dengan nilai VIF >10 2.Uji parsial-t mengindikasikan terima Ho (model tidak nyata) 3.Uji-F mengindikasikan

Fungsi beberapa varibel peubah banyak

REGRESI & KORELASI

Analisa Data Statistik Chap 11: Regresi Linear