Biostat - Korelasi-Regresi
Biostat - Korelasi-Regresi
0 variabel
Model loglinear
Model loglinear
1 variabel
Ra sio / Interval > 1 variabel Korelasi kanonikal Korelasi kanonikal Multivariat anava Analisis jalur Anava pada Model struktural komponen prinsipal
Anova multi faktor Regresi ganda Multipleclassification analysis Analisis survival Multivariat anava Anava pada komponen prinsipal
Uji t 2 sampel bebas Anava 1 faktor Analisis survival Multivariat anava Anava pada komponen prinsipal Hotelling's T Analisis profil Uji tanda Uji median Uji jumlah peringkat dari Wilcoxon Uji Mann-Whitney Uji Kruskal Wallis Model loglinier
Anava multi faktor Regresi ganda Multipleclassification analysis Analisis survival Multivariat anava Anava pada komponen prinsipal
1 variabel Ordinal
Korelasi Spearman Korelasi Kendall's tau Korelasi kappa Model loglinier Koefisien konkordans W
> 1 variabel
Fungsi diskriminan
Fungsi diskriminan
Model loglinier
Model loglinier
Variabel Bebas Variabel Tergantung Rasio / Interval 1 variabel > 1 variabel 1 variabel Uji tanda Uji median Uji jumlah peringkat dari Wilcoxon Uji Mann-Whitney Uji Kruskall Wallis Model loglinier Ordinal > 1 variabel Nominal (kategorikal) 1 variabel Uji chi-square Uji pasti Fisher Koefisien Phi Korelasi kappa > 1 variabel
Fungsi diskriminan
Model loglinier
Model loglinier
Model loglinier
2.
2.
sedang
r>0 positif
r<0 negatif
Contoh print-out:
p=0,774 (>0,05) tak ada korelasi yg signifikan Correlations
Skor kepatuhan memasang infus -.031 .774 89 1 . 89
Skor motivasi Skor motivasi Pearson Correlation Sig. (2-tailed) N Skor kepatuhan memasang infus Pearson Correlation Sig. (2-tailed) N 1 . 89 -.031 .774 89
Contoh print-out:
Skor koordinasi * Skor kinerja
Symmetric Measures
Asymp. a b Std. Error Approx. TApprox. Sig. .181 .158 3.507 3.259 .001c .002c
Value Interval by Interval Pearson's R Ordinal by Ordinal Spearman Correlation N of Valid Cases
a. Not assuming the null hypothesis.
.490 .463 41
b. Using the asymptotic standard error assuming the null hypothesis. c. Based on normal approximation.
Regresi
u/ prediksi (model matematis) pola hubungan asimetris (harus diketahui mana sebagai var. bebas, mana var. tergantung)
Istilah
y=0+1.x
0 & 1=parameter regresi 0=intercept=konstanta 1=slope=koefisien regresi y=kriterium, outcome, variabel yg diramal, variabel tergantung x=argumen, prediktor, variabel peramal, variabel bebas
2.
Baca signifikansi hasil uji t, u/ melihat parameter regresi () mana yg masuk dlm model:
Jika p<0,05: masuk dlm model Jika p>=0,05: tak masuk dlm model
Model 1
R .490a
R Square .240
p=0,001 (<0,05) ada model prediksi, berarti ada pengaruh Koordinasi thd Kinerja
ANOVAb
Sum of Squares Regression Residual Total 2.020 6.405 8.425
Model 1
df 1 39 40
F 12.299
Sig. .001a
a Coefficients
Unstandardized Standardized Coefficients Coefficients Model 1 B (Constant) 1.287 Koordinasi .546 Std. Error .599 .156 .490 Beta t 2.149 3.507 Sig. .038 .001
4.0
3.5
3.0
Skor kinerja
2.5
Skor koordinasi
10