Diskusi 1

Model Linear Terapan

Novi Indriyani (044156595)

Terdapat beberapa asumsi yang perlu dipertimbangkan tentang variabel bebas X dalam model regresi untuk
memastikan bahwa variabel respons Y memiliki distribusi normal dengan parameter (𝛽0 + 𝛽1𝑋2 + 𝛽2𝑋2 , 𝜎 2 ).
Berikut beberapa asumsi dalam analisis regresi linear berganda yang harus dipenuhi untuk hasil yang konsisten :

1. Linearitas

Dalam hal ini, ini berarti bahwa model regresi 𝑌 = 𝛽0 + 𝛽1𝑋2 + 𝛽2𝑋2 harus mewakili hubungan yang linear
antara Y dan 𝑋1 serta 𝑋2 . Asumsi ini menyatakan bahwa hubungan antara variabel bebas (X) dan variabel
respons (Y) adalah linear.

2. Independensi
Asumsi ini sering kali diasumsikan untuk mencegah autocorrelation atau heteroskedastisitas dalam residu.
Dimana mengasumsikan bahwa pengamatan dari data adalah independen satu sama lain. Artinya, tidak
terdapat ketergantungan atau korelasi antara observasi.

3. Homoskedastisitas
Dimana asumsi ini mengansumsikan bahwa varians dari residu (ε) adalah konstan di semua tingkat nilai-nilai
prediktor (X). Jika ada pola yang jelas dalam plot residual vs. predicted values, maka asumsi ini mungkin tidak
terpenuhi.

4. Normalitas
Asumsi ini mengatakan bahwa residu ε memiliki distribusi normal dengan mean 0 dan varians 𝜎 2 . Ini berarti
bahwa jika Anda mengamati residual plot, residu harus tersebar secara simetris dan menyerupai distribusi
normal.

5. Tidak atau Sedikit Multikolinearitas

Asumsi ini mengasumsikan bahwa prediktor dalam model regresi tidak memiliki korelasi yang tinggi satu sama
lain. Multikolinearitas dapat mengganggu interpretasi parameter regresi.