㷦
㱶㲄㲄 㲍㷥 ₩㺨₩㲤㲔 㲣㷥㲔 㲍㷦 ₩㺨₩㲤㲔 㲣㷦㲔
㲃 ᩛ ᩛ
㲅㲄㲄 㨸㲤㷦㲔
Semakin banyak variabel 㨩 umumnya nilai₩㨣ଶ semakin
besar. Untuk membandingkan dua 㨣ଶ , perlu
diperhitungkan banyaknya variabel 㨩 dalam model.
Perbandingannya menggunakan 㨣ଶ alternatif yaitu 㨣ଶ adj
㨣തଶ Ζ
మ ϑିଵ ିଵ
㨣തଶ ᩛڵ or 㨣തଶ ᩛ ڵ ڵ 㨣ଶ
௬మ ϑିଵ ି
Jika var 㨩 ᩢ ڵΖ₩ maka 㨣ଶ ᩢ ₩ 㨣തଶ
Varians dan Kesalahan Standar
ଶ
·㩃ଶ ଶ
㩁㨬㨽₩㨭ଵ ᩛ ଶ ଶ
㣆ො
·㩃ଵ ·㩃ଶ ·㩃ଵ ₩㩃ଶ ₩ଶ
ଶ
·㩃ଵ ଶ
㩁㨬㨽₩㨭ଶ ᩛ ଶ ଶ
㣆
ො
·㩃ଵ ·㩃ଶ ₩·㩃ଵ ₩㩃ଶ ଶ
n 㨪 㨩ଵ 㨩ଶ
1 100 5 1000
2 75 7 600
3 80 6 1200
4 70 6 500
5 50 8 300
6 65 7 400
7 90 5 1300
8 100 4 1100
9 110 3 1300
10 60 9 300
㨪 ᩛ 800 㨩ଵ ᩛ 60 㨩ଶ ᩛ 8000
㨪 ᩛ jumlah permintaan komoditas
㨩ଵ ᩛ₩harga komoditas ($/unit)
㨩ଶ ᩛ pendapatan konsumen ($)
㨪ത ᩛ ڴڼΉ₩㨩തଵ ᩛ ںΉ₩㨩തଶ ᩛ ڴڴڼ
㨩ଵଶ ᩛ ڴڽڷ₩Ή₩ 㨩ଶଶ ᩛ ڻΚڴڼڽΚڴڴڴ₩Ή₩₩ 㨪 ଶ ᩛ ڻںΚڴڹڸ₩
㨪㨩ଵ ᩛ ڸΚڴڴڹΉ₩ 㨪㨩ଶ ᩛ ڹڴڻΚڴڴڴ₩Ή₩ 㨩ଵ 㨩ଶ ᩛ ڶڸΚڴڴڵ
ଶ
㢮㩃ଵଶ ᩛ₩₩ 㨩ଵ 㨩ଵ ଶ ϑ㨹₩
ଶ
㢮㩃ଶଶ ᩛ₩ 㨩ଶ 㨩ଶ ଶ ϑ㨹₩
㢮㩄㩃ଵ ᩛ 㨪㨩ଵ ( 㨪 㨩ଵ ϑ㨹
㢮㩄㩃ଶ ᩛ 㨪㨩ଶ ( 㨪 㨩ଶ ϑ㨹
㢮㩃ଵ 㩃ଶ ᩛ 㨩ଵ 㨩ଶ ( 㨩ଵ ( 㨩ଶ ϑ㨹
㩄 ଶ ᩛ 㨪 ଶ 㨪 ଶ ϑ㨹
ڴڴڼ ଶ
·½୧ଶ ᩛ ڻںΚ ڴڹڸ ᩛ ڷΚڴڹڸ₩₩
ڴڵ
ଶ
ଶ ڴں
·¼ଵ୧ ᩛ ڴڽڷ ᩛ ڴڷ₩₩
ڴڵ
ڴڴڴڼ ଶ
ଶ
·¼ଶ୧ ᩛ ڻΚڴڼڽΚ ڴڴڴ ᩛ ڵΚڴڼڹΚڴڴڴ
ڴڵ
଼
˼ 㩄 㩃ଵ ᩛ ڸΚ ڴڴڹ ଵ
ᩛ ₩ ڴڴڷ₩₩
଼ ଼
㩄 㩃ଶ ᩛ ڹڴڻΚ ڴڴڴ ᩛ ڹںΚڴڴڴ
ଵ
଼
㩃ଵ 㩃ଶ ᩛ ڶڸΚ ڴڴڵ ᩛ ڹΚڴڴڽ
ଵ
㨡㨽 㨭 㨿ఈ 㨾㨰 㨭 㢷 㨭 㨿ఈ 㨾㨰㨭 ᩛ ڵ 㢶
ଶ ଶ
Contoh :
㨵㨴㨶㨬₩㨭ଵ ᩛ ڴΖڵڽڴڹΖ 㨾㨰 㨭ଵ ᩛ ڴΖڻڹڷڴ₩₩㨯㨬㨹₩㨯㨱 ᩛ ڼ
㨯㨬㨹₩㨵㨴㨶㨬₩ ₩ᩛ ڹ₩㨻㨰㨽㨾㨰㨹₩㨸㨬㨶㨬₩㨿ϑଶ ᩛ 㨿Ζଶହୀ ڶΖںڴڷ
Maka selang keyakinannya :
㨡㨽 ڴΖ ڵڽڴڹ ڶΖںڴڷ₩ ڴΖ ڻڹڷڴ 㢷ଵ ڴΖ ڵڽڴڹ ڶΖڴںڴڷΖ ڻڹڷڴᩛ ڴΖڹڽ
ڴΖ ڼںڶڸ 㢷ଵ ڴΖڸڵڽڹ
Interpretasi :
Dengan selang kepercayaan 95 % : 95 dari 100 kejadian
selang seperti (0,4268; 0,5914) akan berisi₩㢷ଵ
sebenarnya.
Penaksiran OLS dalam Notasi Matriks
Model umum fungsi regresi sampel (SR) yang linear adalah,
㨪 ᩛ 㨭 㨭ଵ 㨩ଵ 㨭ଶ 㨩ଶ 㨭 㨩 㨰 (1)
Dalam notasi matriks dapat dinyatakan,
㩄 ᩛ 㨩㨭+e (2)
dan dalam bentuk matriks :
㩄 㨩 㢷 㩀
₩₩₩ ᩛ ₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩ ₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩ ₩
㨹₩㩃₩ڵ 㨹₩㩃₩㨶 㨶₩㩃₩ ڵ㨹₩㩃₩ڵ
dimana,
㩄 ᩛ vektor kolom n x 1 observasi atas variable dependen Y
㨩 ᩛ matriks n x 㨶 yang memberikan n observasi atas k – 1 variabel
㨩ଵ sampai 㨩 , kolom pertama terdiri dari angka 1 yg
menyatakan unsur intersep.
㨭 ᩛ vektor kolom k x 1 dari penaksir OLS koefisien regresi
㨭 Ζ 㨭ଵ₩ Ζ Κ 㨭
㨰 ᩛ vektor kolom n x 1 dari n residual 㨰
Seperti dalam model regresi sederhana, dalam kasus k variable
penaksir OLS diperoleh dengan meminimumkan
㢮㨰ଶ ᩛ ·୧ ¦ ¦ଵ ଵ୧ ¦୩ ୩୧ ଶ (4)
dimana,
㢮㨰ଶ ᩛ RSS atau dalam notasi matriks :
㨰ଵ
ᇱ 㨰ଶ ଶ ᩛ 㨰ଶ
㨰㨰ᩛ ଵ 㨰 㨰ଶ 㨰 ᩛ ₩ 㨰ଵ 㨰ଶ 㨰 (5)
㨰
Berdasarkan (2) maka diperoleh,
㨰 ᩛ 㩄 㨩㨭 (6)
Oleh karenannya :
㨰 ᇱ 㨰 ᩛ 㩄 㨩㨭 㩄 㨩㨭
₩₩₩₩₩₩₩ᩛ 㩄 ᇱ 㩄 ڶ㨭㨩 ᇱ 㩄 㨭㨩㨩㨭 (7)
Selanjutnya dapat dituliskan:
㨩 ᇱ 㨩 㨭 ᩛ 㨩㩄 (8)
㨩 ᇱ 㨩 ିଵ 㨩 ᇱ 㨩 㨭 ᩛ 㨩 ᇱ 㨩ିଵ 㨩㩄
Karena 㨩 ᇱ 㨩 ିଵ 㨩 ᇱ 㨩 ᩛ 㨚 suatu matriks identitas order
㨶₩㩃₩㨶 , maka diperoleh,
㨚㨭 ᩛ 㨩 ᇱ 㨩ିଵ 㨩㩄 atau
㲍₩₩₩ ᩛ ₩₩ 㲉ᇱ 㲉ି㷥 㲉ᇱ 㲤
㨶₩㩃₩ڵ₩₩₩₩₩₩㨶₩㩃₩㨶₩₩ 㨶₩㩃₩㨹 㨹₩㩃₩ ڵ₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩₩
Contoh regresi sederhana (contoh 1)
㨭
㨭ᩛ
㨭ଵ
ڵ㨩ଵ
ڵ㨩ଶ 㨹 ·㨩
ᇱ ڵ ڵ ڵ ڵ
㨩 㨩 ᩛ₩ 㨩ଷ ᩛ ₩
㨩ଵ 㨩ଶ 㨩ଷ 㨩 ڵ ·㨩 ·㨩ଶ
ڵ㨩
dan
㨪ଵ
㨪ଶ
ڵ ڵ ڵ ڵ ·㨪
㨩ᇱ㩄 ᩛ 㨪ଷ ᩛ
㨩ଵ 㨩ଶ 㨩ଷ 㨩 ·㨩 㨪
㨪
ڶڵ ڼڴڵ
㨩 ᇱ㨩 ᩛ
ڴڶڴڵ ڼڴڵ
ںڹڻ
㨩 ᇱ㩄 ᩛ
ڴںڽں
㨭
㲍₩₩₩ ᩛ ₩₩ 㲉ᇱ 㲉ି㷥 㲉ᇱ 㲤 ᩛ
㨭ଵ
·㨪
㨩 ᇱ 㩄 ᩛ ·ଵ 㨪
·㨩ଶ 㨪
ڴڵ ڴں ڴڴڴΚڼ
ᇱ
ڴں 㨩 㨩 ᩛ ڴڽڷ ڴڴڵΚڶڸ
ڴڴڴΚڼ ڴڴڵΚڶڸ ڴڴڴΚڴڼڽΚڻ
₩ ᇲ
ᩛ 㨩 ᇱ 㨩ିଵ ᩛ
ᇲ
ںڻڽڽںڵڸںΖڴڵ ڷڴڼڵڻڸڴڴΚڴ ڽںڶڽڻڼڻڶڵΖڵ
ڽںڶڽڻڼڻڶڵΖڵ ںڶڸںڽڸڹڶڵΖڴ ںڶںڼںڸڴڴڴΖڴ
ڷڴڼڵڻڸڴڴΖڴ ڸڼڶڼڷڶڴڴڴڴڴΖڴ ںڶںڼںڸڴڴڴΖڴ
ڴڴڼ
ڴڴڹΚڸ 㨩 ᇱ 㩄 ᩛ
ڴڴڴΚڹڴڻ
㨭 ڵڵڵΖڼڵڽں
㨭 ᩛ 㨩 ᇱ 㨩 ିଵ 㨩 ᇱ 㩄 ᩛ 㨭ଵ ᩛ ڻΖڶڼڼڵ
㨭ଶ ڴΖڻڽڶڸڵڴ
·㨰ଶ ᩛ 㨰 ᇱ 㨰 ᩛ 㩄 ᇱ 㩄 㨭 ᇱ 㨩 ᇱ 㩄
ᩛ ڻںΚڴڹڸ
ڴڴڼ
ڵڵڵΖ ڼڵڽںڻΖڴ ڶڼڼڵΖڸ ڻڽڶڸڵڴΚڴڴڹ
ڹڴڻΚڴڴڴ
ᩛ ڸںڷΖںڻڵڶ
Dapat diperoleh,
ᇱ ଷସΖଶଵ
㣆ො ଶ ᩛ ᩛ ᩛ ڶڹΖڷڴ
ି
㩁㨬㨽 㨮㨺㩁₩ 㨭 ᩛ 㣆ො ଶ 㨩 ᇱ 㨩ିଵ
ڷڹڹΖ ںڻڼںڼڹΖ ںڷڼںڴΖڼڸڹڸڶ
ᩛ ڼڹΖں ںڷڼںΖڴ ڽڻڹڽڶڹΖڷڼڷڸڶڴ
ڴΖڴ ڼڸڹڸڶΖڴ ڷڼڷڸڶڴΖڸڶڵڴڴڴ
㨭ᇱ 㨩 ᇱ 㩄 㨹㨶
㨹㨶
Total 㩄 ᇱ 㩄 㨹㨪ത ଶ 㨹ڵ
Tabel Analysis of Variance for Regression