Pokok Bahasan
Pengujian pada Regresi
Ganda
Y 0 1X1 2 X 2 k Xk
Parameter regresi sebanyak k+1 diduga
melalui data. Untuk regresi berganda,
perhitungannya menjadi lebih mudah jika
dilakukan dengan matriks dan dibantu dengan
menggunakan komputer
Itasia & Y Angraini, Dep. Statistika FMIPA-IPB
y i b0 b1x1i b 2 x 2i bk x ki
ASUMSI : Hubungan setiap peubah
penjelas dengan peubah
responnya LINIER (pangkat X1
sampai Xk adalah satu)
Itasia & Y Angraini, Dep. Statistika FMIPA-IPB
Y 0 1X1 2 X 2 k Xk
(
X
'
X
)
y
( k 1) (k 1) X'n
(
k
1
)
1
(
k
1
)
Dugaan bagi parameter Regresi Berganda:
n 1
y Xb H y
H X( X' X) 1 X'
....... cov(b1 , bk )
cov(b1 , b0 ) V (b1 )
1 2
V (b)
X
'
X
s
...
...
...
b j c( j 1)( j 1) s
dengan :
s2 = KT sisaan
unsur ke j 1 diagonal matriks ( X' X) 1
PENGUJIAN
MODEL
Uji t
Uji F
Uji Parameter
Regresi Linier Berganda : uji-t
Y 0 1X1 2 X 2 k Xk
H0 : j 0
H1 : j 0
atau j 0
atau j 0
Uji Parameter
Regresi Linier Berganda : uji-t
lanjutan
k.
H0 : k 0
H1 : k 0
atau k 0
atau k 0
Derajat bebasnya = n k - 1
Unsur ke (j+1) diagonal (XX)-1
Akar dari KT sisaan
k = banyaknya peubah penjelas
Uji Parameter
Regresi Linier Berganda : uji-t
lanjutan
H0: i 0
H1: i > 0
H0: i = 0
H1: i 0
-t
tolak H0 jika t < -tn-2,
t
Tolak H0 jika t > tn-2,
/2
-t/2
/2
t/2
Uji Parameter
Regresi Linier Berganda : uji-t
lanjutan
H0:
H1:
TOLAK
H 0:
TERIMA
H 0:
i 0
i < 0
Peubah penjelas Xi
berpengaruh
nyata thdp peubah
respon Y secara
linier dan
hubungannya
Peubah
negatif penjelas Xi
tidak berpengaruh
negatif thdp
peubah respon Y
secara linier
H0:
H1:
i 0
i > 0
Peubah penjelas Xi
berpengaruh
nyata thdp peubah
respon Y secara
linier dan
hubungannya
Peubah
positif penjelas Xi
tidak berpengaruh
positif thdp
peubah respon Y
secara linier
H0:
H1:
i = 0
i 0
Peubah penjelas Xi
berpengaruh nyata
thdp peubah
respon Y secara
linier
Peubah penjelas Xi
tidak berpengaruh
nyata thdp peubah
respon Y secara
linier
Uji Parameter
Regresi Linier Berganda : uji-t
lanjutan
CONTOH : DATA TEKANAN DARAH
Orang Tekanan Ukuran
Mero
Umur
ke
Darah Tubuh
kok
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
135
122
130
148
146
129
162
160
144
180
166
138
152
138
140
134
2,876
3,251
3,1
3,768
2,979
2,79
3,668
3,612
2,368
4,637
3,877
4,032
4,116
3,673
3,562
2,998
45
41
49
42
54
47
60
48
44
64
59
51
64
56
54
50
0
0
0
0
1
1
1
1
1
1
1
1
0
0
1
1
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
145
142
135
142
150
144
137
132
149
132
120
126
161
170
152
162
3,36
3,024
3,171
3,401
3,628
3,751
3,296
3,21
3,301
3,017
2,789
2,956
3,8
4,132
3,962
4,01
49
46
57
56
56
58
53
50
54
48
43
43
63
63
62
65
1
1
0
0
1
0
0
0
1
1
0
1
0
1
0
0
Uji Parameter
Regresi Linier Berganda : uji-t
lanjutan
PLOT MASING-MASING PEUBAH PENJELAS VS TEKANAN DARAH
Matrix Plot of Tekanan Darah vs Ukuran Tubuh; Umur; Merokok
40
50
60
180
Tekanan Darah
170
160
150
140
130
120
2,4
3,2
4,0
Ukuran Tubuh
0,0
Umur
0,5
Merokok
1,0
Plot di samping
menunjukkan
bahwa :
1. Ukuran tubuh memiliki hub linier
positif dg tek darah
2. Umur memiliki hub
linier pos dg
tekanan darah
3. Stat merokok memiliki hub lin positif dg tek darah
Uji Parameter
Regresi Linier Berganda : uji-t
lanjutan
Coef
50,54
12,841
0,8481
9,113
SE Coef
11,19
4,256
0,2928
2,805
T
4,52
3,02
2,90
3,25
t tabel : t
0,683
P
0,000
0,005
0,007
0,003
28; 0,025
KEPUTUSAN:
Ke-3 p.penjelas nyata tolak H0. = 5%
KESIMPULAN:
KESIMPULAN:
Ukuran tubuh,
umur, dan status
merokok :
Memiliki hub linier
dengan tek. darah
Uji Parameter
Regresi Linier Berganda : uji-t
(lanjutan)
/2=.025
KESIMPULAN :
-tn-4,/2
Tolak H0
tn-4,/2
Terima H0
-0,683
d.b. = 32 3-1 = 28
Tolak H0
0,683
t28,.025 = 0,683
Uji Parameter
Regresi Linier Berganda : uji-F
Dengan uji F ini kita dapat mengetahui :
peubah-peubah penjelas yang ada dalam model
berpengaruh secara serempak terhadap respon
atau tidak.
Penambahan satu peubah penjelas ke dalam model
setelah peubah penjelas lainnya ada dalam model
berpengaruh nyata atau tidak terhadap respon
Penambahan sekelompok peubah penjelas ke
dalam model setelah peubah penjelas lainnya ada
dalam model berpengaruh nyata atau tidak
terhadap respon
Itasia & Y Angraini, Dep. Statistika FMIPA-IPB
b1, b2,..,bk|
b0
Sisaan
Total
(terkoreksi)
Derajat
Bebas
(db)
n-k-1
n-1
YY bXY
YY Y11Y/n
n k - 1
Fhit
H 0 jika F Fk,n k 1,
KTregresi
KTsisaan
MS
1536,8
62,2
F
P
24,71 0,000
F tabel : F
(3,28), 5%
=2,95
H 0 : 1 2 ... k 0
H1 : min ada 1 j 0, j 1,2,.., k
KEPUTUSAN:
tolak H0.
= 5%
KESIMPULA
N:
Tekanan darah
memiliki
hubungan linier
dg min satu
peubah penjelas
Statistik uji-nya:
H1 : min ada satu j 0, j 1,2,3 Fhit KTregresi 24,71
KTsisaan
H 0 : 1 2 3 0
F tabel : F
=2,95
Keputusan:
(3,28), 5%
Tolak H0
Kesimpulan:
= .05
Terima H0
F.05 = 2,95
Tolak H0
Y 0 1x1 k x k 1z1 r z r
Untuk melihat pengaruh r peubah penjelas tambahan
tsb dpt dilakukan sebagai berikut :
1. Model lengkap dengan k+r peubah penjelas,
dikeluarkan r peubah penjelas, dicek perubahan
pengaruhnya
2. Model belum lengkap (baru k peubah penjelas),
ditambah r peubah penjelas lainnya, dicek
perubahannya.
Itasia & Y Angraini, Dep. Statistika FMIPA-IPB
lanjutan
Y 0 1x1 2 x 2 3 x3 Y 0
Y 0
2 x 2 3 x 3 Y 0 1x1
Y 0 1x1
3 x 3 Y 0 1x1 1Z1
Y 0 1x1 2 x 2
Y 0 1x1 2 x 2 2 Z 2
Uji-F PARSIAL
Model dibangun dengan
mengeluar-kan satu peubah
penjelas yg akan diuji
pengaruhnya dari model lengkap.
Diuji pengaruhnya.
Itasia & Y Angraini, Dep. Statistika FMIPA-IPB
Uji-F SEKUENSIAL
Model dibangun dengan
menambah-kan satu persatu
peubah penjelas baru ke dalam
model.
Diuji pengaruhnya
Uji-F Parsial
Model lengkap : k+r peubah penjelas
Y 0 1x1 k x k 1z1 r z r
Model tidak lengkap : k peubah penjelas
H 0 : 1 2 r 0
H1 : minimal ada satu j 0 (j 1,..., r)
Tolak H 0 jika F
Itasia & Y Angraini, Dep. Statistika FMIPA-IPB
Fr, n k r 1, , s e2 KTsisa
Uji-F Parsial
lanjutan
F
Itasia & Y Angraini, Dep. Statistika FMIPA-IPB
Uji-F Parsial
lanjutan
MODEL TDK
LENGKAP
YG KELUAR
Y 0 1X1 2 X 2 3X 3 Y 0 1X1 2 X 2
X3
Y 0 1X1 3X 3
X2
Y 0 2 X 2 3X 3
X1
k=2, r=1
JK sisa (JKs(r) )
JK sisa (JKs)
s e2
KT sisa (se2)
Fr, n -k -r -1;
Uji-F Sekuensial
Penambahan satu peubah baru (r=1) ke model secara bertahap
Model
Lengkap
Y 0 1x1 k x k jz j , j 1,2,...
Y 0 1x1
k=1 ,
r=1
k=2 ,
r=1
k=3 ,
r=1
Y 0 1x1 1z1
H 0 : 1 0
H1 : 1 0
Y 0 1x1 2 x 2 2 z 2
H0 : 2 0
H1 : 2 0
Y 0 1x1 2 x 2 3 x 3 3 z 3
H 0 : 3 0
H1 : 3 0
JK(a | b1 , b 2 ,.., b k )
Tolak H 0 jika F
F1,n k 11,1-
KTsisa (b1 , b 2 ,.., b k , a )
Itasia & Y Angraini, Dep. Statistika FMIPA-IPB
Uji-F Sekuensial
lanjutan
JK( a1 | b1 )
F
KTsisa (b1 , a1 )
F tabel F(1,n 3), 1-
k=1 ,
r=1
H 0 : 1 0
H1 : 1 0
JK regresi EKSTRA
Y 0 1x1
Y 0 1x1 1z1
k=2 ,
r=1
JK(a2 | b1 , b 2 )
F
KTsisa ( b1 , b 2 , a2 ) H 0 : 2 0
Y 0 1x1 2 x 2
F tabel F(1,n 4 ), 1-
Y 0 1x1 2 x 2 2 z 2
Tolak H0 jika F
hit
H1 : 2 0
>F
tabel
Itasia
& Y Angraini, Dep. Statistika FMIPA-IPB
Uji-F Sekuensial
lanjutan
MODEL SETELAH
PENAMBAHAN
Y 0 1x1 Y 0 1x1 1z1
JK ( b1 )
JK ( b1,a1 )
KTsisa (b1,a1)
Y 0 1X1 2 X 2 Y 0 (X1 - X 2 )
Y 0 X1 X 2
1 2 H 0 : 1 2 H 0 : 1 2 0
HIPOTESIS LINIER
Itasia & Y Angraini, Dep. Statistika FMIPA-IPB
H1 : 1 2 0
Model:
kXk
Dalam Notasi
Matriks
H0 : C 0
H1 : C 0
cm0 0 hipotesis
+ cm1 1+ cm2ini
2 ada
+ +m
cmkfungsi
k =
Dalam
linier yang
0.
tersusun atas 0, 1, 2, ,k yang belum tentu
semuanya bebas
(db n - p)
( Z ' Z ) 1 Z ' y
JK sisa ( RM ) Y ' Y ' Z ' Y ,
Itasia & Y Angraini, Dep. Statistika FMIPA-IPB
(db n - p r )
F
~ Fr ,n p atau F
JK Re s ( FM ) /( n p )
JK sisa ( FM ) /(n p )
1
d) / r
H0: C
(C=
dd)'[v.s.
C ( XH
' X1:) C
C ' ]1 (d
Cmaka
F
~ Fr ,n p
JK sisa ( FM ) /( n p)