Y Xβ u
1 X 21 X 31 ... X k1
Y1 1 X 22 X 32 ... Xk2 1 u1
u
Y X 1 X 23 X 33 ... X k3 β
Yn k un
1 X 2n X 3n ... X kn
n 1 nk k 1 n 1
Penduga OLS
Penduga yang meminimumkan Jumlah kuadrat galat
(RSS), dalam notasi matriks:
RSS uˆ uˆ
RSS Y Xβ Y Xβˆ
ˆ
Y βˆ X Y Xβˆ
YY βˆ XY YXβˆ βˆ XXβˆ
YY 2YXβˆ βˆ XXβˆ
Penduga OLS
RSS akan minimum pada nilai penduga yang merupakan
solusi dari turunan pertama RSS yang disamadengankan
nol
RSS
2X Y 2X Xβˆ 0
ˆ
XXβˆ XY
ˆβ XX 1 XY
PENDUGA OLS
Asumsi-asumsi pada regresi linier
berganda
Sama dengan semua asumsi pada regresi linier sederhana,
dengan tambahan:
Tidak ada hubungan linier sempurna di antara dua atau lebih peubah
penjelas (eksogen)
ˆ ˆ ˆ
var β E β β
XX
2 1
Matriks berukuran k × k
Ragam (variance) pada diagonal utama
Peragam (covariance) selainnya
Goodness of Fit dari garis Regresi Berganda
R2 pada regresi linier sederhana tidak dapat dipakai untuk
membandingkan dua model dengan jumlah peubah eksogen
yang berbeda.
JK Regresi JK Galat
R
2
1
JK Total JK Total
JK Galat k n
Schwarz Bayesian SBC e
Criterion n
JK Galat
ln n n
Hannah and Quinn 2k
Criterion
HQC
n
Beberapa Uji Hipotesis Pada Regresi
Berganda
Uji keberartian koefisien secara individu
Uji t (sama dengan uji t pada kasus regresi linier sederhana)
F
JKG R JKGU / kU k R
~ F k
JKGU / n kU U k R ,n kU
H 0 : 2 3 4 5 0
JKGR u Yi 1 ˆ1 Y
2 2
i
Yi Y
2
JKTotalU
F
JKG R JKGU / kU k R
JKTotal U JKGU / k 1
JKGU / n kU JKGU / n k
JKRegresiU / k 1
JKGU / n k
JKRegresiU / k 1 JK Regresi JKG
F R
2
1
JKGU / n k JK Total JK Total
JKRegresiU JKRegresiU JKTotal U
R / k 1
2
JKGU
JKTotal U
JKGU
F ~ F k 1,n k
1 R / n k
2
JKRegresiU 1
JKGU
JKTotal U JKTotalU
1
R
2
1 R2
R2 diperoleh dari model unrestricted. Jika R2 → 1 maka F akan
bernilai besar/nyata secara statistik.
Jika F nyata secara statistik (dari p value), maka terdapat cukup
bukti untuk mendukung keberartian model (unrestricted)
Uji Chi-Square dengan Likelihood Ratio
Perbandingan likelihood dua model, restricted dan
unrestricted
Unrestricted model: menggunakan semua peubah eksogen
(sejumlah k)
Restricted model: terdapat beberapa peubah yang tidak
digunakan atau ditambahkan (sejumlah m)
Hipotesis nol: beberapa parameter bernilai nol
Menggunakan statistik uji chi-square:
LR 2 lR lu ~ m2
Contoh Penggunaan uji Chi-Square untuk
menguji pengurangan peubah eksogen
Unrestricted Model:
U : Yi β1 β2 X 2i β3 X 3i β4 X 4i β5 X 5i ui
Restricted Model:
R : Yi β1 β2 X 2i β3 X 3i ui
H 0 : 4 5 0
H1 : paling sedikit salah satu i 0, i 4,5
Fungsi likelihood dari model regresi:
l ,
2 1 n 1 Y Yˆ
exp i i 2
1 1
exp
Yi Yˆi 2
i 1 2 2
2
n 2 n
2 2
LR 2 lR lu ~ m2 22
Jika statistik uji tersebut nyata secara statistik, maka akan cukup
bukti untuk mendukung hipotesis alternatif:
Peubah eksogen X4 dan X5 tidak perlu dihilangkan dari model
Uji Wald (pengembangan Uji t)
Pengujian linear restriction
Misalkan:
Yi β1 β2 X 2i β3 X 3i ui
H 0 : β2 β3 1
βˆ2 ~ N 2 , var βˆ2 , βˆ3 ~ N 3 , var βˆ3
βˆ2 βˆ3 ~ N , var βˆ
2 2 2 βˆ
3
Ragam dari jumlah dua penduga tersebut:
var βˆ2 βˆ3 var βˆ2 var βˆ3 2 cov βˆ2 , βˆ3
Dengan sifat tersebut, dapat dilakukan uji t, berdasarkan hipotesis
nol:
H 0 : β2 β3 1
t
βˆ β
ˆ β β
βˆ
βˆ3 1
2 ~ t n 3
2 3 2 3
var βˆ βˆ
2 3 var βˆ2 var βˆ3 2 cov βˆ2 , βˆ3
Yi β1 β2 X 2i 1 β2 X 3i ui
Yi β1 β2 X 2i 1 β2 X 3i ui
Yi X 3i β1 β2 X 2i X 3i ui
Restricted
Yi * β1 β2 X 2i * ui model
Yi * Yi X 3i X 2i * X 2i X 3i
Dari pendugaan masing-masing model diperoleh JKGU dan
JKGR
kU =3
kR = 2
F
JKGR JKGU / kU k R JKGR JKGU
JKGU / n kU JKGU / n 3
Jika statistik uji F ini nyata maka cukup bukti untuk menolak
hipotesis tentang hubungan linier yang ada
Selainnya maka hubungan linier dapat diterima
Interpretasi Koefisien Pada Multiple
Regression
Contoh kasus:
Observasi pada 900 karyawan suatu perusahaan
Hubungan antara gaji (wage) dan
lama tahun pendidikan (educ),
tahun pengalaman kerja (exper),
lama tahun bekerja di perusahaan yang sama (tenure)
Digunakan model log lin:
Perubahan Gaji dalam persen
Perubahan Gaji bebas satuan
Output Software
Model 1: OLS, using observations 1-900
Dependent variable: l_WAGE