Ekonometrik Asas NOTA 09 Analisis Regresi: Model Tidak Linear Mudah

ANALISIS REGRESI: MODEL TIDAK LINEAR MUDAH

DEFINISI
Regresi tidak linear mudah: Mengukur darjah (kekuatan) hubungan antara satu pemboleh ubah bersandar (Yi)
dengan satu pemboleh ubah bebas (Xi) yang berfungsi secara tidak linear.

Bentuk Linear dalam parameter, tidak linear dalam pemboleh ubah

Tidak linear dalam parameter, linear dalam pemboleh ubah
Tidak linear dalam parameter, tidak linear dalam pemboleh ubah

Jenis Double–log lnQxd = ln0 + 1lnPx + i Log–log

Semi–log lnQxd = 0 + 1Px + 2Py + i Log–lin
Qxd = ln0 + 1lnPx + 2lnPy + i Lin–log
lnQxd = ln0 + 1lnPx + 2Py + i Lain-lain

Yi = 0 + 1  Px + 
 i
Reciprocal X
 i 
Kubik Qxd = 0 + 1Px1 + 2Py2 + 3Yi3 + i
Kuadratik Q x d =  0 +  1P x 1 +  2 P y 2 +  i

*Model double–log atau log–log juga disebut ‘log–linear’.

Fungsi Pengeluaran Cobb–Douglas

Yi =0 X i1 e i dengan i = 1, 2, 3... n (n = bilangan cerapan)

Yi adalah pengeluaran sawit, Xi adalah input buruh, 0 adalah intersep, 1 adalah parameter mewakili keanjalan

input buruh, dan e i adalah tapak logaritma mewakili terma ralat.

Ia tidak linear kerana jika dibezakan;

dYi = 01 X 1 −1
i
dX i

Seterusnya jika diplotkan, garis regresi tidak lagi linear dan kecerunannya berubah mengikut nilai Xi. Oleh itu
model log tersebut diubah bentuk menjadi;
logeYi = loge0 + 1logeX1 + i logee

atau
logeYi = loge0 + 1logeX1 + i

menjadi
lnYi = ln0 + 1lnXi + i

Disebut model log-linear kerana bentuknya sudah menjadi linear dalam pemboleh ubah bebas Xi. Jika dibezakan;
dlnYi =  (malar atau konstan)
1
dlnX i

Perubahan Yi = 1 (malar) apabila Xi berubah (1 juga menggambarkan keanjalan).

Fuad bin Mohamed Berawi Page 1 of 5

Ekonometrik Asas NOTA 09 Analisis Regresi: Model Tidak Linear Mudah

Bentuk Regresi Model Tidak Linear Mudah

Rajah

Log
25
Yi = - 9.4413 + 7.626Ln(Xi)
R2 = 0.8929
20 20 20

15 15
Penggunaan (Yi)

10 10 10
9

5 5
4
3
2
0
0 5 10 15 20 25 30 35 40
-5
Pendapatan (Xi)

Polinomial
Yi = - 9.4413 + 7.626Ln(Xi)
25
R2 = 0.8929

20 20 20
Penggunaan (Yi)

15 15

10 10 10
9

5 5
4
3
2
0
0 5 10 15 20 25 30 35 40
Pendapatan (Xi)

Power
Yi = - 9.4413 + 7.626Ln(Xi)
25
R2 = 0.8929

20 20 20
Penggunaan (Yi)

15 15

10 10 10
9

5 5
4
3
2
0
0 5 10 15 20 25 30 35 40
Pendapatan (Xi)

Exponential
35 Yi = - 9.4413 + 7.626Ln(Xi)
R2 = 0.8929
30

25
Penggunaan (Yi)

20 20 20

15 15

10 10 10
9

5 5
3 4
2
0
0 5 10 15 20 25 30 35 40
Pendapatan (Xi)

Fuad bin Mohamed Berawi Page 2 of 5

Ekonometrik Asas NOTA 09 Analisis Regresi: Model Tidak Linear Mudah

Data
Bilangan Pelajar (i) Penggunaan (Yi) Pendapatan (Xi)
1 10 20
2 5 10
3 3 5
4 4 6
5 2 3
6 10 15
7 15 20
8 20 30
9 9 16
10 20 35
(Cerapan) 98 160
Bil. Yi Xi LnYi LnXi LnXiLnYi LnXi2
1 10 20 2.3026 2.9957 6.8979 8.9744
2 5 10 1.6094 2.3026 3.7059 5.3019
3 3 5 1.0986 1.6094 1.7681 2.5903
4 4 6 1.3863 1.7918 2.4839 3.2104
5 2 3 0.6932 1.0986 0.7615 1.2070
6 10 15 2.3026 2.7081 6.2355 7.3335
7 15 20 2.7081 2.9957 8.1126 8.9744
8 20 30 2.9957 3.4012 10.1891 11.5682
9 9 16 2.1972 2.7726 6.0920 7.6873
10 20 35 2.9957 3.5554 10.6509 12.6405
n=10 Yi = 98 Xi = 160 LnYi = 20.2894 LnXi = 25.2311 LnXiLnYi = 56.8974 LnXi2 = 69.4878
Ln Yi = 2.0289 Ln X i = 2.5231
(LnXi)2 = 636.6059

Penggunaan Kalkulator
(Casio Scientific Calculator fx–570MS) S–V.P.A.M.

tekan ln tekan 10 tekan = 2.3026

ˆ1 = n  LnX i LnYi −  LnX i  LnYi = (10)(56.8974) − (25.2311)(20.2894)

n  LnX − ( LnX i )
i
2 2
(10)(69.4878) − (25.2311) 2

= 568.9742 − 511.9229 = 57.0513 = 0.9790

694.8783 − 636.6059 58.2724

Ln ̂ 0 = Ln Yi – ˆ1 Ln X i = (2.0289) – (0.9790)(2.5231) = 2.0289 – 2.4701 = –0.4413

Ln Yˆi = –0.4413 + 0.9790LnXi

ANALISIS EKONOMI
Interpretasi Pekali Regresi Model Tidak Linear Mudah
*Interpretasi model tidak linear adalah dalam peratus.
• Nilai ˆ1 = 0.9790 bererti, setiap 1% pendapatan meningkat, penggunaan akan meningkat sebanyak 0.9790%
dengan andaian faktor-faktor lain adalah tetap. Nilai ini juga menggambarkan darjah keanjalan penggunaan
terhadap pendapatan adalah kurang anjal (kurang daripada 1).
• Nilai Ln ̂ 0 = –0.4413 bererti, penggunaan autonomus adalah sebanyak –0.4413% walaupun pendapatan adalah
0.00% (sifar).

Fuad bin Mohamed Berawi Page 3 of 5

Ekonometrik Asas NOTA 09 Analisis Regresi: Model Tidak Linear Mudah

Nilai Pekali Regresi Model Tidak Linear Dalam Unit

Nilai sebenar penggunaan (dalam RM), jika pendapatan adalah pada tingkat (Xi) = RM100;
Ln Yˆi = –0.4413 + 0.9790LnXi
= –0.4413 + (0.9790)(Ln100)
= –0.4413 + (0.9790)(4.6052)
= –0.4413 + 4.5085
Ln Yˆi = 4.0672
Anti log 4.0672 = 58.3932

Penggunaan sebenar dalam unit RM adalah pada tingkat RM58.3932.

Penggunaan Kalkulator
Untuk mendapatkan nilai anti log, jika Ln Yˆi = 4.0672

tekan tekan tekan tekan

SHIFT ln 4.0672 = 58.3932

Pada tingkat pendapatan sebanyak RM100, tingkat penggunaan adalah sebanyak RM58.3932.
Penggunaan (Yi) E(Yi/Xi)

RM58.39

̂ 1 = MPC

̂ 0

RM100 Pendapatan (Xi)

LnYi LnXi Ln Yˆi = –0.4413 + 0.9790LnXi Ln Yˆi Ralat

2.3026 2.9957 –0.4413 + (0.9790)(2.9957) 2.4915 –0.19
1.6094 2.3026 –0.4413 + (0.9790)(2.3026) 1.8130 –0.20
1.0986 1.6094 –0.4413 + (0.9790)(1.6094) 1.1343 –0.04
... ... ... ... ...
2.9957 3.4012 –0.4413 + (0.9790)(3.4012) 2.8885 0.11
2.1972 2.7726 –0.4413 + (0.9790)(2.7726) 2.2731 –0.08
2.9957 3.5554 –0.4413 + (0.9790)(3.5554) 3.0394 –0.04
20.2894 25.2311 20.2883 0.00

3.50 Yi = - 0.4413 + 0.9790Xi

3.00 3.0394
2.8885
Penggunaan (Yi )

2.50 2.4915
2.2731
2.00 2.2099
1.8130
1.50
1.3129
1.00
1.1343
0.50 0.6342
0.00
0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00
Pendapatan (Xi )

Fuad bin Mohamed Berawi Page 4 of 5

Ekonometrik Asas NOTA 09 Analisis Regresi: Model Tidak Linear Mudah

Prosedur SAS – Model Regresi Tidak Linear Mudah

DATA Tutor02;
INPUT Yi Xi;
LnYi = LOG(Yi);
LnXi = LOG(Xi);
LABEL Yi = 'Penggunaan'
Xi = 'Pendapatan'
LnYi = 'Log natural Yi'
LnXi = 'Log natural Xi'
;
CARDS;
10 20
5 10
3 5
4 6
2 3
10 15
15 20
20 30
9 16
20 35
;
PROC REG;
MODEL LnYi = LnXi;
TITLE1 Analisis Regresi;
TITLE2 Model Tidak Linear Mudah;
TITLE3 1601 Fuad bin Mohamed Berawi;
PROC PRINT;
RUN;

Output SAS – Model Regresi Tidak Linear Mudah

Analisis Regresi 10:10 Thursday, April 15, 2010 1
Model Tidak Linear Mudah
1601 Fuad bin Mohamed Berawi
Parameter Estimates
Parameter Standard T for H0:
Variable DF Estimate Error Parameter=0 Prob > |T|
INTERCEP 1 -0.441295 0.15534161 -2.841 0.0218
LNXI 1 0.979046 0.05892961 16.614 0.0001
Variable
Variable DF Label
INTERCEP 1 Intercept
LNXI 1 Log natural Xi

Analisis Regresi 10:10 Thursday, April 15, 2010 2

Model Tidak Linear Mudah
1601 Fuad bin Mohamed Berawi
OBS YI XI LNYI LNXI
1 10 20 2.30259 2.99573
2 5 10 1.60944 2.30259
3 3 5 1.09861 1.60944
4 4 6 1.38629 1.79176
5 2 3 0.69315 1.09861
6 10 15 2.30259 2.70805
7 15 20 2.70805 2.99573
8 20 30 2.99573 3.40120
9 9 16 2.19722 2.77259
10 20 35 2.99573 3.55535

Fuad bin Mohamed Berawi Page 5 of 5