R E G R E S I S E D E R H A N A D U A V A R I A B E L ( B I V A R I A T )
R E G R E S I L I N I E R M U L T I V A R I A T ( M A J E M U K )
L I N I E R I T A S
O R D I N A R Y L E A S T S Q U A R E ( O L S )
F U N G S I R E G R E S I P O P U L A S I ( F R P )
F U N G S I R E G R E S I S A M P E L ( F R S )
Regresi bivariat dan multivariat
Linier Y = β1 + β2X
Log-linier ln Y = β1 + β2lnX
Log-lin ln Y = β1 + β2X
Lin-log Y = β1 + β2lnX
Reciprocal Y = β1 + β2(1/X)
Log-reciprocal ln Y = β1 - β2(1/X)
(lihat p. 75 - … Gujarati)
Reporting regression analysis
Yt = -0,00144 + 0,7240 Xt
se = (0,9317) (0,700)
t = (- 0,0154) (10,3428)
P = (0,987) (0,000)
r2 = 0,9065
df = 11
F1,11 = 108,30
Signifikansi (kelayakan penggunaan model regresi
sebagai generalisasi populasi)
Signifikansi model
Signifikansi regressor
Signifikansi estimator
Penerimaan hipotesis
Nilai alpha