Berkenalan Dengan Regresi Probit
Berkenalan Dengan Regresi Probit
Wahyu Widhiarso
Fakultas Psikologi Universitas Gadjah Mada
Yogyakarta | 2012
Pengantar
Ketika variabel dependen (Y) berbentuk dikotomi atau biner dan diasumsikan
mengikuti distribusi binomial kita dapat menggunakan analisis regresi logit atau
probit. Salah satu keuntungan untuk menggunakan regresi probit adalah bahwa
nilainilai yang diperoleh dari pencocokan model (fitting) langsung dapat diubah
menjadi probabilitas dengan menggunakan nilai dari tabel normal standar. Dalam
hal ini kita hanya perlu mencari nilai probabilitas terkait dengan skor z yang
diperoleh dari model.
Persamaan
exp(0 1X )
X
atau Ln
0
1
1 P
1 exp(0 1X )
P
exp(Z )
atau Ln
Z
1 P
1 exp(Z )
Persamaan ini didasari pada distribusi normal () di bawah ini sehingga regresi
probit ditunjukkan dengan (Z) (Skrondal & Hesketh, 2004). Simbol
menunjukkan berlakunya fungsi deviasi standar distribusi normal (inverse
standard normal distribution).
t
P (Y 1)
1 |Page
1
2
Z2
2 dt
(z )
Z adalah suatu variabel kontinu yang tidak teramati (laten) karena merupakan
suatu "kecenderungan" munculnya sebuah kejadian. Jadi misalnya data teramati
kita adalah lulus (kode 1) dan tidak lulus (kode 0), nilai Z menunjukkan
kecenderungan atau probabilitas untuk lulus. Contoh lainnya adalah data
pelanggan. Melakukan pembelian ulang (kode 1) dan tidak melakukan pembelian
ulang (kode 0). Dalam kasus ini Z merupakan suatu kecenderungan pelanggan
untuk melakukan pembelian ulang. Semakin besar nilai Z semakin besar
kecenderungan pelanggan untuk melakukan pembelian ulang.
Gambar di bawah ini menunjukkan hubungan antara hasil regresi probit dengan
kurva normal yang diwujudkan dalam kontinum probabilitas. Ketika hasil
persamaan regresi probit menghasilkan nilai nol, itu artinya nilai probabilitas
yang dihasilkan sama dengan 50%. Ketika persamaan regresi probit menghasilkan
nilai 1.645, itu artinya probabilitas yang didapatkan adalah 5%.
probit() 1 (0.500) 0
Luas Area 5%
atau =0.050
Praktek !
4.1.1 Data
Kali ini kita meneliti seberapa besar probabilitas jejaka untuk memutuskan
menikah didasarkan dari kesiapan (X1) dan tingkat kemandiriannya (X2).
2 |Page
4.1.2 Menganalisis
Di program SPSS analisis regresi probit dengan tampilan data di atas lebih tepat
dianalisis dengan menggunakan syntax.
Gambar di atas menunjukkan syntax yang dapat kita terapkan. Anda tinggal
mengganti nama variabel di atas dengan nama variabel anda. Untuk kasus di
atas, nama variabel yang dipakai disesuaikan dengan nama variabel di dalam
data.
Model Final menggambarkan model yang mencakup variabel prediktor yang kita
analisis. Nilai ini didapatkan dari proses iterasi untuk menemukan log likelihood
3 |Page
Hasil analisis melalui program STATA dapat dilihat pada Tabel di bawah ini.
. probit menikah siap mandiri
Probit regression
Number of obs
LR chi2(2)
Prob > chi2
Pseudo R2
=
=
=
=
100
113.46
0.0000
0.8206
-----------------------------------------------------------------------------menikah |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------siap |
2.56276
.7542198
3.40
0.001
1.084516
4.041004
mandiri | -.2288208
.1566053
-1.46
0.144
-.5357616
.07812
_cons | -14.49084
4.175093
-3.47
0.001
-22.67387
-6.307806
-----------------------------------------------------------------------------Note: 22 failures and 25 successes completely determined.
4 |Page
Referensi
5 |Page