1. Yi = B1 + B2X+ ui Karena FRP tidak dapat diamati langsung, maka kita menaksirnya berdasarkan Fungsi Regresi Sampel : 2. Yi = b1 + b2X+ ei yang dapat dituliskan sebagai : 3. e1 = Yi aktual Yi ramalan = Yi - i = Yi - b1 - b2X Yang menunjukkan bahwa error benar merupakan selisih antara nilai Y aktual dengan Y yang ditaksir, dimana nilai Y yang ditaksir diperoleh dari FRS Jadi metode OLS adalah untuk mencari tingkat error terkecil dari sebuah analisis Bagaimana meminimalkan error
Dengan metode kuadrat terkecil (OLS) menyatakan bahwa
b1 dan b2 harus dipilih, sehingga jumlah kuadrat residu/error , e2i mempunyai nilai sekecil mungkin minimalkan 4. e2i = (Yi - i ) 2 = (Yi - b1 b2 Xi ) 2
Kenapa harus berpangkat/ kuadrat ?
Perhatikan bahwa semakin kecil ei maka akan semakin kecil pula jumlah kuadrat residu tersebut. Alasannya digunakan kuadrat dari ei itu sendiri adalah bahwa prosedur ini menghindari masalah dari tanda residu/ error seperti ei dapat positif dan negatif Penyederhanaan pada persamaan 4
e2i = (Yi - b1 b2X1 ) 2
Dengan menggunakan diferensial parsial, 5. d e2i/db1 = 2 (Yi - b1 b2X1 )(-1) 6. d e2i/db2 = 2 (Yi - b1 b2X1 )(-X1) sehingga diperoleh 7. Yi = nb1 + b2 xi 8. YiXi = b1 X1 + b2 X2
Dimana n merupakan ukuran sampel
Mencari b1 dan b2
Mencari b1: b1=i b2X Mencari b2 : Asumsi metode kuadrat terkecil
1. Model regresi linier Yi = b1 + b2X+ ei
2. Nilai rata-rata residu selalu sama dengan nol 3. Jumlah hasil kali antara residu e dan nilai variabel penjelas X adalah nol; dalam hal ini kedua variabel tersebut tidak berkorelasi 4. Jumlah hasil kali antara residu e dan yang ditaksir adalah nol Hal tersebut bisa dibuktikan dengan beberapa soal berikut Terima kasih