(kausalitas). Apakah pernyataan tersebut sesuai dengan realitas???? • Untuk mengukur (menguji) pernyataan kausalitas ini dengan realitas maka memerlukan amalisis regresi. • Dalam analisis regresi, koefisien regresi adalah sebuah statistik Metode analisis regresi
Regresi linier bertujuan untuk menjelaskan
pengaruh sejumlah variabel bebas terhadap variabel tidak bebas. Esensi estimasi regresi adalah mengetahui koefisien regresi dan arah parameter variabel bebasnya. Koefisien regresi menunjukkan besar pengaruh variabel dependen terhadap variabel independen. Distribusi normal
Untuk menentukan nilai estimasi elastisitas ini
memerlukan sejumlah pengamatan (sampel) dari populasi. Apabila sampel yang diambil cukup banyak maka distribusi sampel tersebut akan menyebar normal. Distribusi normal Ciri-ciri distribusi normal
1. Variabel х bisa terdeviasi negatif maupun positif
dengan rata-ratanya dengan peluang yang relatif sama. 2. Nilai tengah (median) variabel х sama dengan rata-ratanya 3. Peluang nilai ekstim kiri dan kanan amat kecil 4. Distribusi normal mempunyai 2 parameter, rata- rata dan simpangan baku 5. Luas area di bawah kurva distribusi normal sama dengan satu. Lanjutan...
Untuk memudahkan perhitungan peluang distribusi
normal dilakukan transformasi normal baku.
Distribusi normal baku adalah distribusi normal dengan
nilai rata-rat nol dan deviasi standar satu.
Untuk menguji sebuah koefisien regresi digunakan uji t,
sedangkan untuk menguji model regresi secara keseluruhan digunakan uji F Uji T
Uji t menguji apakah nilai estimasi koefisien
independen variabel (elastisitas) berbeda nyata (signifikan) dari nol atau tidak. Analysis of variance
Analysis of variance (ANOVA) adalah
mendekomposisikan variasi variabel dependen menjadi variasi regresi (model) dan variase error. Dalam anova akan lebih mudah apabila digunakan ukuaran varisi. Ukuran variasi adalah jumlah kuadrat (sum of squares). Lanjutan...
Model regresi linier yang terdiri dari satu atau lebih
variabel independen menjelaskan variasi sebuah variabel dependen.
Kemampuan model regresi dalam menjelaskan variasi
variabel dependen tercermin dalam beberapa bentuk. Permasalahan dalam Regresi
Apabila variabel independen dalam model regresi
tidak lengkap atau terlalu banyak akan tercermin dalam error.
Error dalam regresi mencerminkan faktor-faktor
yang tidak dijelaskan oleh variabel-variabel dalam model regresi yang tentu saja tidak berkorelasi dengan variabel-variabel indipenden. Permasalahan dalam Regresi
Kasus variabel indipenden terlalu banyak terjadi
apabila dua variabel ata lebih berkorelasi terlalu tinggi. Kasus ini disebut multikolinieritas. Multikolinieritas membuat varians error menjadi terlalu besar. Masalah multikolinieritas bisa diatasi dengan mengambil satu saja variabel yang berkorelasi tinggi Terimakasih....