PRESS
PRESS residual:
Memberikan error prediksi dimana observasi
yang diprediksi bebas terhadap fiiting model.
GOAL:
Mengetahui seberapa baik
suatu kandidat model
dalam memprediksi nilai
respon yang data
terobservasinya tidak
digunakan untuk
membangun model
tersebut.
b.
PRESS
Kriteria b. Lebih sensitif apabila terdapat salah satu/beberapa nilai press residual yang
besar
Dibandingkan dengan
rata-rata nilai
terobservasi yi untuk
melihat error signifikan
atau tidak
Contoh Perhitungan
of Prediction
,dengan PRESS
List of all
possible models
Kegunaan:
Untuk mengeliminasi
model model yang tidak signifikan
Dapat dilihat bahwa model yang
memuat regressor X2 dan X5
termasuk model yang baik
Statistik
Cp
Masalah:
a. Bias yang besar ketika
kita memilih terlalu sedikit
regressor (underfit)
b. Variansi prediksi yang
besar ketika memilih
model yang overfit
Kegunaan:
Memilih model terbaik
dengan
mempertimbangkan
prinsip parsimony dan
kesederhanaan model.
Bias bisa negatif ketika full model bukan merupakan estimator yang
baik. Sehingga Cp kurang dari p.
WEAKNESS
Cp dan PRESS hanya digunakan jiga parameter
dari full model (p) kecil. Hal ini dikarenakan
apabila p besar maka subset variabel yang
digunakan dalam regresi sangatlah banyak.
Apabila p besar, maka gunakan forward
selection, backward selection atau stepwise
regression.