exp( β 0 + β ' x )
π ( x) = (1.1)
1 + exp( β 0 + β ' x)
p = jumlah parameter
dengan menggunakan transformasi logit dari π (x), maka model logistik dapat disebut
π ( x) p
g ( x ) = ln = β 0 + β1 x1 + β 2 x 2 + ... + β p x p = ∑ β j x j
1 − π ( x) j =1
(1.2)
galat error dan menunjukkan selisih obyek pengamatan terhadap nilai harapannya. Galat
-1-
Tigas Analisis Data Kualitatif Nahiruddin
(1302 201 010)
Perbandingan antara Regresi Logit, Probit dan Tobit
diasumsikan berdistribusi normal dengan rataan nol variansi tetap terhadap variabel
Dan dapat dinyatakan bahwa ε memiliki E(ε ) = 0 dan var(ε ) = π (x). [1 - π (x)] yang
MLE) dengan menetapkan asumsi distribusi Bernoulli dan obyek pengamatan saling
bebas, E(ε i, ε j) = 0, i ≠ j.
ς ( xi ) = π ( xi ) y [1 − π ( xi )] 1− y
i i
(1.3)
dengan :
I
I ( β ) = ∏ς ( xi )
i =1
yi
I
π ( xi )
= ∏ {1 − π ( xi )} n
i
(1.4)
i =1 (1 − π ( x i ))
dimana yi adalah variabel random binomial yang saling bebas, i = 1, 2,…, I dengan
-2-
Tigas Analisis Data Kualitatif Nahiruddin
(1302 201 010)
Perbandingan antara Regresi Logit, Probit dan Tobit
yi
π ( xi )
Karena z = exp (ln z), maka untuk z = persamaan (1.4) dapat
(1 − π ( xi ))
ditulis menjadi :
I ni π ( xi )
∏ {1 + π ( xi ) } exp ∑ y i ln {1 − π ( x )} (1.5)
i =1 i
kemudian dilakukan transformasi logit terhadap model regresi logistik pada persamaan
I
−ni
∑
∑β j xij
1 + exp exp ∑( y i xij ) β j (1.6)
i =1
j
j
L(β ) = ln (I(β ))
= ∑∑y i x ij β j −∑ni ln 1 +exp ∑β j xij (1.7)
j i i j
∂L( β )
= ∑ y i xia − ∑ni xia π i = 0 (1.8)
∂Lβ a i i
-3-
Tigas Analisis Data Kualitatif Nahiruddin
(1302 201 010)
Perbandingan antara Regresi Logit, Probit dan Tobit
exp ∑βi xij
πi = j
menyatakan taksiran likelihood maksimum dari
1 + exp ∑β j xij
j
π (xi). Sedang terhadap varians diperoleh dari turunan parsial kedua dari persamaan (1.8)
exp ∑βi xij
∂2 L( β)
= −∑ni xia xib
j
∂βa ∂βb
i
1 + exp ∑β j xij
j
dimana a, b = 0, 1, 2, …, p
Regresi Probit adalah suatu analisis regresi yang digunakan untuk menggambarkan
hubungan antara variabel dependen dan variabel independen. Variabel dependen (variable
respon) biasa disimbolkan Y dengan skala pengukuran dikotomus (biner) dan variabel
1 1
Jika φ ( x) = exp − x 2
2π 2
-4-
Tigas Analisis Data Kualitatif Nahiruddin
(1302 201 010)
Perbandingan antara Regresi Logit, Probit dan Tobit
β0 +β1 x
1 1
Maka P(y = 1/x) = ∫ 2π
exp − t 2 dt
2
= Φ [β 0 + β 1x] (2.1)
Φ−1 [ P ( y = 1 x )] = β0 + β1 x
−1
atau Z = β 0 + β 1x1 dengan Z = Φ P ( y =1 x)
Dengan cara yang sama jika variabel bebas lebih dari satu, maka:
Z = Xβ + e (2.2)
Dengan Z merupakan variabel yang tidak diobservasi dan observasi kita adalah :
berdistribusi normal dengan mean nol (0) dan varians satu (1).
P ( y i =1 x) = Φ (Xiβ )
(2.3)
P ( y i = 0 x) = 1 - Φ (Xiβ ) (2.4)
Regresi Tobit (regrsi tersensor) merupakan analisis regresi yang digunakan untuk
-5-
Tigas Analisis Data Kualitatif Nahiruddin
(1302 201 010)
Perbandingan antara Regresi Logit, Probit dan Tobit
dependen (variable respon) biasa disimbolkan Y yang berskala campuran dengan variabel
indepeden (variable prediktor) biasa disimbolkan X. Output dari analisis regresi ini untuk
mengestimasi nilai rata-rata dari variabel dependen bila nilai variabel independen
diketahui.
Y* = Xβ + ε (3.1)
dimana :
Model Tobit juga dapat terbentuk dalam dua bagian formula yang digunakan untuk
memprediksikan variabel tak bebas yaitu memprediksikan nilai dimana variabel tak bebas
adalah nol (limited) sedangkan yang lain tidak nol (unlimited). Model tobit dapat ditulis
sebagai:
*
Yi * Yi > 0
Jika
Yi = (3.2)
Untuk
0 yang lain
1
= Φ( X i β +σ ) + P (Yi = 0). 0
Φ (3.3).
= XβΦ +σ
-6-
Tigas Analisis Data Kualitatif Nahiruddin
(1302 201 010)
Perbandingan antara Regresi Logit, Probit dan Tobit
Tujuan utama dari pembentukan model adalah untuk memilih variabel yang sesuai
dan memberikan hasil yang terbaik dalam menjelaskan masalah yang dihadapi. Semakin
banyak variabel yang masuk kedalam model, maka semakin kompleks model yang
dihasilkan. Begitu juga semakin banyak variabel prediktor yang diperlukan untuk
menduga respon. Hal ini diatasi dengan menyeleksi variabel yang masuk ke model secara
Langka-langkah yang dilakukan untuk memilih variabel yang layak adalah pertama,
variabel prediktor yang independen. Jika didapatkan variabel prediktor yang saling
berkorelasi, maka hanya variabel prediktor yang mempunyai korelasi terbesar dengan
variabel respon yang akan diikutkan dalam pembentukan model, karena variabel prediktor
yang nilai korelasinya dengan variabel respon kecil sudah terwakili oleh variabel tersebut.
variabel prediktor terhadap variabel respon. Untuk mengetahui apakah hubungan antara
variabel respon dengan prediktor signifikan atau tidak. Variabel prediktor yang tidak
mempunyai hubungan yang signifikan dengan variabel respon akan dikeluarkan dari
respon dan semua variabel prediktor yang signifikan pada pemodelan univariate.
-7-