REGRESIBERGANDA
BERGANDALINIER
LINIER
VARIABEL
VARIABEL KUALITATIF
KUALITATIF ++ LAG
LAG
1
KEJADIAN NYATA REGRESI LINIER BERGANDA
(VARIABEL KUALITATIF& LAG)
Bagian
Bagian I I Statistik
StatistikInferensia
Inferensia
Metode dan Distribusi Sampling
Metode dan Distribusi Sampling
3
REGRESI DENGAN VARIABEL KUALITATIF (1)
6
REGRESI DENGAN VARIABEL KUALITATIF (2)
Y = a + b1X1 + b2 D +
Di mana:
Y : Variabel tidak bebas
X1 : Variabel bebas kuantitatif
D : Variabel bebas kualitatif
(Dummy), nilai 0 dan 1
: Error
9
Bagaimana dampak kesadaran akan bahaya kolesterol terhadap
konsumsi minyak goreng lalu cobalah anda buat regresinya ....?
CONTOH PEMBUATAN REGRESI
1 7 7 0
2 6 5 1
3 4 8 1
4 10 5 0
5 7 7 1
6 7 8 0
7 5 7 1
8 5 8 1
9 9 6 0
Regression Statistics
Multiple R 0,906
R Square 0,821
Adjusted R Square 0,761
Standard Error 0,947
Observations 9
ANOVA df SS MS F
Regression 2 24,618 12,309 13,723
Residual 6 5,382 0,897
Total 8 30,000
Coefficients Standard Error t Stat P-value
Intercept 15,736 2,003 7,857 0,001
X Variable 1 -0,773 0,286 -2,706 0,035
X Variable 2 -2,464 0,651 -3,783 0,009
12
Salsberry Realty menambahkan variabel bebas “garasi” dalam penelitiannya. Untuk rumah tampa garasi,
digunakan kode 0 sedangkan untuk rumah dengan ada garasi, digunakan kode 1. Kita akan menyebut
“garasi” sebagaivariable X4. Data variabel dimasukkan kedalam program SPSS dan hasilnya sebagai
berikut.
Salsberry Realty menambahkan variabel bebas “garasi” dalam penelitiannya. Untuk rumah
tampa garasi, digunakan kode 0 sedangkan untuk rumah dengan ada garasi, digunakan kode 1.
Kita akan menyebut “garasi” sebagaivariable X4. Data variabel dimasukkan kedalam program
SPSS dan hasilnya sebagai berikut.
13
Salsberry Realty menambahkan variabel bebas “garasi” dalam penelitiannya. Untuk rumah tampa garasi,
digunakan kode 0 sedangkan untuk rumah dengan ada garasi, digunakan kode 1. Kita akan menyebut
“garasi” sebagaivariable X3. Data variabel dimasukkan kedalam program SPSS dan hasilnya sebagai
berikut.
Tabel : Biaya pemanasan rumah, Temperatur Insulator dan adanya garasi untuk 20 rumah dalam sampel
No. Rumah Biaya (Y) Suhu (X1) Insulator (X2) Garasi (X3)
1 35 3 0 0
2 1
3 1
4 1
5
6
7
8
9
10
11
12
13
14
15
17
18
19
20
Soal 1.
Salsberry Realty menambahkan variabel bebas “garasi” dalam penelitiannya. Untuk rumah
tampa garasi, digunakan kode 0 sedangkan untuk rumah dengan ada garasi, digunakan kode
1. Kita akan menyebut “garasi” sebagaivariable X3. Data variabel dimasukkan kedalam
program SPSS dan hasilnya sebagai berikut.
Regression Statistics
Multiple R 0,964
R Square 0,930
Adjusted R Square 0,895
Standard Error 424,550
Observations 7
ANOVA
df SS MS F
Regression 2 9616470 4808235 26,676
Residual 4 720971 180242
Total 6 10337442
Coefficients Standard Error t Stat P-value
Intercept -168,833 306,835 -0,55 0,611
X Variable 1 15,496 2,257 6,865 0,002
X Variable 2 0,268 0,165 1,627 0,179
X Variabel 3 0,181
Durbin-watson 2,151
Coefficient Correlations
X Variable 1 X Variable 2
X Variable 1 1 -0,124
X Variable 2 -0,124 1
16
Tentukan persamaan liniernya
Uji Signifikansi
Keslahan Baku Penaksiran (Standard error of
Estimate/se)
Beri komentar dari hasil perhitungan anda?
OUTLINE
Bagian
Bagian I I Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling
Metode dan Distribusi Sampling
19
Analisis Regresi Variabel Lag (1)
Fungsi Permintaan
Qd = f (Px, Py, Yt, Yt-1, … Qdt-1)
22
PENGGUNAAN MS EXCEL UNTUK MENCARI
KORELASI
23
CONTOH SOAL
1 504 4 739
2 408 2 549
3 576 5 941
4 348 2 520
5 420 2 657
6 480 3 536
7 432 2 797
8 504 5 686
9 612 6 1656
10 324 2 650
24
RUMUS KOEFISIEN DETERMINASI
324 2 650
25
RUMUS KOEFISIEN DETERMINASI
2. Model dengan lag Y = a + b1X1 + b2X2; di mana X1 adalah anggota keluarga dan X2
504 4
408 2 739
R-Square 0.953
576 5 549
F-hitung 60,52
348 2 941
Coefficients T
420 2 520 Intersep 383,052 12,47
480 3 657 X Variabel 1 47,664 8,797
432 2 536 X Variabel 1 -0,102 -4,07
504 5 797
Nb t-tabel dengan df 7 5% = 2,365.
612 6 686 Nilai F tabel df 2;7 ; 5% =4,74
324 2 1656
26
RUMUS KOEFISIEN DETERMINASI
3. Model gabungan Yt dan Yt-1. setelah melakukan regesi terhadap Yt saja pada bagian 1, dan
Yt-1 saja pada bagian 2, maka pada bagian ini akan digabungkan Y t dan Yt-1, serta
bagaimana hasilnya
X2 X2
Y X1 (Yt) (Yt-1) Ringkasan Hasil Regresi
504 4 739
R-Square 0.962
408 2 549 739
F-hitung 42,57
576 5 941 549
Coefficients T
348 2 520 941
Intersep 373,374 11,82
420 2 657 520
X Variabel 1 41,213 5,28
480 3 536 657
X Variabel 2 0,0399 1,13
432 2 797 536
X Variabel 2 -0,102 -4,14
504 5 686 797
612 6 1656 686 Nb t-tabel dengan df 7 5% = 2,365.
324 2 650 1656 Nilai F tabel df 2;7 ; 5% =4,74
27
TERIMA KASIH
28