DATA KATEGORIK
REGRESI LOGISTIK BINER PERTEMUAN 6
𝒏
𝒚𝒊 𝟏−𝒚𝒊
𝒍 𝜷 = 𝒍𝒏 𝒍 𝜷 = 𝒍𝒏 𝑷 𝒙𝒊 (𝟏 − 𝒑 𝒙𝒊 )
𝒊=𝟏
𝒏 𝒏
= 𝒀𝒊 𝜷𝟎 + 𝜷𝟏 𝒙𝒊 − 𝒍𝒏 𝟏 + 𝒆𝒙𝒑(𝜷𝟎 + 𝜷𝒊 )
𝒊=𝟏 𝒊=𝟏
UJI SIGNIFIKANSI PARAMETER
Uji signifikansi secara bersama (uji simultan) :
Statistik uji rasio likelihood G adalah fungsi dari 𝐿0 𝑑𝑎𝑛 𝐿1 yang berdistribusi (Chi-Square)
dengan derajat bebas p.
𝑳𝟎
𝑮 = −𝟐 𝒍𝒏
𝑳𝟏
Dengan :
𝐿0 : likelihood dari model tanpa variabel prediktor
𝐿1 : likelihood dari modell dengan p variabel prediktor
Hipotesis :
𝐻0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑘 = 0 (tidak ada pengaruh variabel prediktor secara simultan terhadap
variabel tak bebas)
𝐻1 : minimal ada satu 𝛽𝑘 ≠ 0, dimana k=1,2,..,p (ada pengaruh variabel prediktor secara
simultan terhdapa variabel tak bebasnya)
Kriteria uji : tolak 𝐻0 jika 𝐺 > 𝜆2 (𝛼,𝑝)
UJI SIGNIFIKANSI PARAMETER
𝛽𝑘
𝟐
𝑾= 𝑺𝑬𝛽𝑘
dengan k= 1,2,...,p
Hipotesis :
𝐻0 : 𝛽𝑘 = 0 (tidak ada pengaruh variabel prediktor ke-k terhadap
variabel tak bebas)
𝐻1 : minimal ada satu 𝛽𝑘 ≠ 0, dimana k=1,2,..,p (ada pengaruh variabel
prediktor ke k terhadap variabel tak bebasnya)
i 1 niˆ i 1 ˆ i
Untuk data dikelompokkan, baik devians maupun statistik chi-kuadrat Pearson mempunyai
distribusi asimsotik chi-kuadrat. Nilai numerik dari kedua statistik ini pada umumnya akan
berbeda, tetapi perbedaan ini kadang-kadang digunakan untuk kepentingan praktis.
Untuk data yang tidak dikelompokkan, sebagaimana dengan devians, statistik chi-kuadrat
Pearson tidak berdistribusi chi-kuadrat.
Hipotesis :
𝐻0 : Model Fit Kriteria uji : tolak 𝐻0 jika 𝜆2 > 𝜆2 (𝑔−2,𝛼)
𝐻0 : Model tidak fit
UJI KECOCOKAN MODEL
Dalam kasus tertentu dimana respons biner tidak
dikelompokkan, artinya 𝑛𝑖 = 1 untuk semua i, maka devians
tidak dapat didistribusikan sebagai chikuadrat karena :
1. Banyaknya parameter dalam model taksiran akan
meningkat sebagaimana ukuran sampelnya sehingga
akan melanggar syarat dari teori asimtotik.
2. Frekuensi taksiran untuk setiap observasi adalah kecil
(antara 0 dan1).
INTERPRETASI REGRESI LOGISTIK
ODDS RATIO :
𝑷(𝟏)
𝟏 − 𝑷(𝟏)
𝝋=
𝑷(𝟎)
𝟏 − 𝑷(𝟎)
Contoh
Pada ukuran lebar cangkang minimum 21cm , estimasi peluangnya adalah
𝑒 −12,351+0,497(21)
= 0,129
1+𝑒 −12,351+0,497(21)
Pada ukuran lebar cangkang maksimal 33,5cm, estimasi peluangnya adalah :
𝑒 −12,351+0,497(33,5)
= 0,987
1+𝑒 −12,351+0.497(33,5)
SPSS
1. Input data
2. Variabel view (cek untuk tipe data)
3. Klik analyze kemudian regresion kemudian klik binary logistic
4. Pilih var dependen ke kolom dependen
5. Pilih var independen ke kolom covariates
6. Apabila ada variabel yg berbentuk kategori maka klik kolom
categorical , klik variabelnya, dan klik first kemudian change
7. Pada kolom option pilih hosmer-lemeshowgoodness-of fit,lalu
continue, lalu OK
OUTPUT