TUJUAN
MENJELASKAN PRINSIP, MANFAAT
ANALISIS REGRESI GANDA
DAN INTERPRETASI HASIL
MRA ekstensi regresi garis lurus situasi
lebih dari satu independen variabel dilibatkan
dalam model.
Beberapa hal yang harus diperhatikan:
1.Sering sulit menentukan ‘the best model’
karena ada bbrp kemungkinan model;
2.Sulit me-visualisasikan ‘the fitted model’
tidak bisa mem plot data dalam 1 grafik;
3.Sering sulit menginterpretasikan ‘arti’ ‘the
best-fitting model’ dalam kehidupan;
4.Penghitungan MRA harus menggunakan
komputer dengan program yg sudah diuji.
Model Regresi Ganda
Data tekanan darah sistolik (TDS), Konsumsi
garam sehari (KGS) dan Berat Badan (BB)
TDS dipengaruhi oleh KGS dan BB modelnya
TDS = 0+1KGS+2BB+E atau
Y=0+1X1+2X2+E bentuk umum model
regresi ganda dengan k-independen variabel
Y=0+1X1+2X2+ ……… +kXk+E dimana
0, 1, 2, ……, k adalah ‘koefisien regresi’
yang harus di estimasi. Independen variabel
X1, X2, ……., Xk merupakan variabel dasar
namun dapat merupakan fungsi dari variabel
dasar
Andai kita ingin mempelajari variasi berat badan
(WGT) terhadap tinggi (HGT) dan umur (AGE) anak2.
Variabel dependent Y=WGT, dua independent adalah
X1=HGT dan X2=AGE. Datanya:
n 2 n 2
Y
i 1
Y
i
ˆ
i Y ˆ
i 1
i 0 ˆ X ˆ X
1 1i 2 2i
2
Y X 1 , X 2 ,....., X k
Var Y X 1 , X 2 ,....., X k 2
X1,X2, ….., Xk, variabel Y terdistribusi secara normal
Y N Y X 1 , X 2 ,....... X k
, 2
Menentukan ‘the best estimate’ dari ‘multiple
regression analysis’
Dua pendekatan:
a.‘Least Square’
b.‘The minimum variance’
keduanya memberikan hasil yang sama
* Pendekatan ‘Least Square’
menggunakan ‘minimizes the sum of
squares’ jarak antara nilai2 observasi dan
nilai prediksi dari model regresi.
Yˆ ˆ 0 ˆ1 X 1 ˆ 2 X 2 ........ ˆ k X k
Maka nilai ‘sum of squares of deviation’
nilai Y dari nilai prediksi adalah
n n 2
2
Y Yˆ Y ˆ
ˆ X ˆ X .......... ˆ X
i i 0 1 1 2 2 k k
i 1 i 1
Pemecahan ‘Least Square’ melibatkan nilai2
ˆ 0 , ˆ1 ,......., ˆ k dan jumlahnya minimum
n
Y Yˆ Yˆ
i Yˆ i
rY ,Yˆ i 1
Y
n
i 1
i Y
2
n
Y
i 1
ˆ Yˆ
i 2
Maka
ˆ0 3.438, ˆ1 0.724, ˆ 2 2.777, ˆ3 0.042
Tabel ANOVA Multiple Regression
Source df SS MS F R2
i 1
adalah total sum of squares merupakan total
variabilitas dr nilai2 observasi Yi sebelum
memperhitungkan efek bersama (joint effect)
variabel2 HGT, AGE dan AGE2
n
SSE Yi Yˆ
2
159.19
i 1
adalah residual sum of squares atau sum of squares
due to error merupakan jumlah nilai2 Y yg ber-
variasi tanpa bisa dijelaskan setelah IV digunakan
untuk memprediksi Y
n 2
SSY SSE
r
2
SSY
Latihan