• Jika Y diberikan X, E(Y|X) , adalah model regresi linier atau fungsi regresi Y
atas X jika dapat dinyatakan sebagai Model ini disebut
model regresi sederhana karena memperhitungkan satu variabel independen
X untuk menjelaskan variabel dependen, Y.
• Ada dua parameter regresi = intersep, = slope (turunan) /sebagai koefisien
regresi variabel X .
• Pada sampel acak Model regresi liniernya untuk subjek ke-i :
nilai variabel hasil untuk nilai Xi
• adalah kesalahan eksperimental
• Asumsi untuk memperkirakan model regresi
i. Nilai yang diharapkan dari variabel kesalahan adalah nol, untuk
semua i
ii. Varians dari variabel kesalahan adalah untuk semua i
iii. Variabel kesalahan independen dan bersifat independen untuk dan i
dan j
iv. Variabel independen dan variabel kesalahan independen dan , independen
untuk semua i dan j
v. Berdasarkan asumsi-asumsi ini, dapat ditunjukkan bahwa estimator kuadrat
terkecil dari dan adalah estimator tidak bias varians minimum
(Best Linear Unbiased Estimators) Prosedur estimasi kuadrat terkecil akan
diperkenalkan di bagian selanjutnya.
vi. Asumsi kelima, asumsi bahwa residu terdistribusi normal, meskipun tidak
diperlukan untuk estimasi kuadrat terkecil tetapi diperlukan untuk membuat
pernyataan interval kepercayaan dan untuk menerapkan tes signifikansi:
vii. Normalitas: Sehubungan dengan asumsi (i) - (iv), asumsi ini berarti bahwa
Estimasi β0 dan β1
• Parameter β0 dan β1 adalah adalah nilai populasi yang tidak diketahui dan
diperkirakannya menggunakan data sampel.
• Istilah error/kesalahan dalam model regresi adalah penyimpangan antara
nilai yang diamati dan nilai yang diharapkan dari var. dependen untuk
nilai yang diberikan variabel independen
• ε adalah jarak antara nilai yang diamati dari Y ke
garis yang diwakili oleh E (Y| X ) = β0 + β1X yang menunjukkan
kesalahan dalam mewakili nilai-nilai Y yang diamati oleh garis regresi.
• Untuk meminimalkan untuk mengkonfirmasi kesalahan
minimum
• Definisinya n menunjukkan jumlah
sampel.
• Fitted Model
•
4) Varian dari β0 adalah
6) Residu kuadrat rata-rata adalah estimasi yang tidak bias dari σ² . Dapat
menunjukkan bahwa:
yang menyiratkan
Dari persamaan di atas, dapat ditunjukkan bahwa
nilai error yangkuadrat galat
diharapkan
kuadrat mean adalah variansnya:adalah penduga yang tidak bias dari
varians.
Contoh
Dan
• Estimasi error