ada 10 nilai rata-rata untuk 10 sub populasi Y. nilai rata-rata ini disebut sebagai nilai ekspektasi
bersyarat/kondisional (conditional expected values) , karena nilai tersebut bergantung pada nilai yang
diberikan dari variabel (pengkondisian) X. Secara simbolis,dinyatakan sebagai E(Y | X), yang dibaca
sebagai nilai yang diharapkan dari Y untuk setiap nilai X.
Titik-titik yang dilingkari gelap pada Figure 2.1 menunjukkan nilai rata-rata bersyarat Y terhadap berbagai nilai X.
Jika kita menggabungkan nilai rata-rata bersyarat ini, kita memperoleh apa yang dikenal sebagai garis regresi
populasi (PRL/population regression line), atau lebih umum, kurva regresi populasi/population regression
curve.
• secara geometris, kurva regresi populasi hanyalah sebuah titik tengah dari rerata kondisional variabel
terikat untuk nilai-nilai tetap dari variabel penjelas.
• atau kurva yang menghubungkan mean dari subpopulasi Y yang sesuai dengan nilai yang diberikan dari
regressor X.
• dengan pertimbangan kemudahan, diasumsikan bahwa nilai-nilai Y ini didistribusikan secara simetris di
sekitar nilai rata-rata (bersyarat) masing-masing. Dan garis regresi (atau kurva) lewat melalui nilai rata-rata
(bersyarat) ini.
The Concept of Population Regression Function (PRF)
• mean kondisional E(Y | Xi) adalah fungsi dari Xi, di mana Xi adalah nilai tertentu dari X.
Secara simbolis:
• equation 2.2.1 disebut conditional expectation function (CEF) or population regression function (PRF) or
population regression (PR)
• bentuk fungsional PRF merupakan pertanyaan empiris, meskipun dalam kasus-kasus tertentu teori dapat
menjelaskan . Misal, pengeluran konsumen berbanding lurus dengan pendapatan. sehingga hipotesisnya dapat
diasumsikan bahwa PRF E(Y | Xi) adalah fungsi linier dari Xi :
• equation 2.2.1 dikenal sebagai linear population regression model = linear population
regression = regression = regression equation = regression model.
• kepentingan melakukan analisis regresi adalah untuk mengestimasi PRF seperti pada equation 2.2.2
yaitu mengestimasi nilai dari β1 dan β2yang tidak diketahui berdasarkan obervasi terhadap X dan Y.
The Meaning of the Term Linear
1. Linearity in the Variables
linier dalam variabel (X)
non linier dalam variabel (X)
• Jika E(Y│Xi) diasumsikan linear dalam Xi, maka persamaan dapat ditulis sbb:
Yi = E(Y | Xi) + ui
= β1 + β2Xi + ui (2.4.2)