Analisis Regresi Majemuk

Masalah Estimasi
Kelompok 9

01 02 03
180210301046 180210301112 180210301128
Siti Ismiatul Maulah Mega Nurhaliza Evy Kurnia Handayani
REGRESI MAJEMUK
Menambahkan variabel dalam
model regresi akan membawa kita
dalam pembahasan model regresi
majembuk. Dalam model regresi
majemuk, variabel dependen
(regresan) Y dipengaruhi oleh dua
atau lebih variabel penjelas
(regresor) X.
Asumsi
• Model regresi linier atau linier pada parameter
• Nilai x yang tetap atau nilai x indenpenden dari faktor kesalahan
Cov (ui , X2i )= cov(ui , X3i )=0
• Nilai rerata 0 dari faktor gangguan ui
E(ui │ X2i , X3i ) = 0 untuk setiap i
• homoskedesitas atau variasi kostan dari ui
Var (ui )= σ 2
• Tidak ada otorelasi atau korelasi serial diantara faktor gangguan
Cov (ui , uj )= 0 i ≠ j
• jumlah opservasi n harus lebih besar parameter yang di estimasi, di mana jumlahnya adalah
3 pada kasus kita
• Harus terdapat variasi pada nilai variabe x
• Tidak ada kolinearitas di antara variabel x
• Tidak ada bias spesifikasi
Interpretasi Dari Persamaan Regresi Majemuk

Dengan memegang asumsi Kita dapatkan E (Yi │ X2i Menggambarkan rerata

model regresi klasik dapat di
ketahui bahwa mengambil
expetasi kondisional Y pada
kedua sisi persamaan Yi = β1 +
β2X2i + β3X3i + ui
, X3i ) = β1 + β2X2i + β3X3i kondisional atau nilai expetasi
kondisional dari Y terhadap
nilai tertentu atau yang tepat
dari X2 dan X3.
Makna Dari Koefisien
Regresi Persial
Koefisien regresi persial atau koefisien
kemiringan persial artinya adalah β2 mengukur
perubahan nilai rerata Y, E (Y) untuk setiap
perubahan X2 sebesar satuan dengan
mensyaratkan nilai dari X3 adalah konstan
Estimasi OLS dan M
pada Koefisien
Regresi Persial
Estimator – estimator OLS
Untuk menemukan estimator-estimartor OLS berikut
adalah FRS yang berhubungan dengan FRP pada
persamaan awal yang mana sebagai berikut
dimanaYi = β1 + β2X2i + β3X3i + ûi
Dimana ûi adalah residual yang mirip dengan faktor
gangguan stokastik (ui) tetapi simbol ûi digunakan
pada sample atau (bukan pada populasi)
Setelah mendapatkan estimator OLS untuk koefisien
regresi persial nilai varian dan standart eror (se)
dapat di turunkan dari persamaan
Koefisien determinasi majemuk R2
dan koefisien korelasi majemuk R
Pada kasus dua variabel, terlihat bahwa r2
sebagimana didefinisikan pada persamaan
sebelumnya untk mengukur goodness of fiit dari
persamaan regresi . Dimana nilai tersebut
menyatakan proporsi atau presentase dari total
variasi variabel dependen Y yang daat dijelaskan
oleh variabel penjelas (tunggal) X. Koefisien
determinasi majemuk dilambangkan dengan R2.
dan menghasilkan persamaan

ESS = ∑y2i = β2∑yix2i + β3∑yix3i

Koefisien determinasi majemuk r² dan koefisien
korelasi majemuk R
Notasi dari r² ini dapat secara mudah
diperluas pada model regresi yang terdiri
atas lebih dari dua variabel jadi dalam
model tiga variabel kita ingin mengetahui
dari proporsi total variasi yang dapat
dijelaskan oleh X2 dan X3 secara bersama-
sama hal ini disebut sebagai koefisien
determinasi majemuk atau multikultural
efisien of determination dan dapat
dilambangkan dengan R²secara konseptual
mirip dengan r².
Pada koefisien korelasi majemuk yang
dilambangkan dengan r dan koefisien
tersebut merupakan sebuah ukuran dan
tingkat hubungan antara variabel y dan
semua variabel penjelas secara bersama-
sama walaupun R bisa dinilai positif
ataupun negatif R selalu bernilai positif
akan tetapi pada prakteknya R jarang
digunakan yang lebih dipentingkan atau
sering digunakan adalah nilai r²
Contoh Ilustratif
Variabel:

1 Angka Kematian Anak (CM)

2 Produk Nasional Bruto per Kapita (PNBP)

3 Tingkat Kepandaian Wanita (FLR)

CMi = β1 + β2PNBPi + β3FLRi + ui

Thanks
Do you have any questions?