ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS Y = 1 + 2 X2 + 3 X3 +…+ k Xk + u PowerPoint® Slides
byYana Rohmana Education University of Indonesian
© 2007 Laboratorium Ekonomi & Koperasi Publishing
Jl. Dr. Setiabudi 229 Bandung, Telp. 022 2013163 - 2523
Multiple Linier Regression
Dalam regresi linier berganda variabel tak bebas Y, tergantung kepada dua atau lebih variabel.
Populasi : Yi = B1 + B2X2i + B3X3i + ...+ BkiXki + εi Sampel : Yi = b1 + b2X2i + b3X3i + ...+ bkiXki + ei Untuk model 3 variabel, berarti k=3, satu variabel tidak bebas Y dan 2 variabel bebas X2 dan X3 : Yi = b1 + b2X2i + b3X3i + ei Ŷi = b1 + b2X2i + b3X3i
Chapter
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
2
Asumsi dalam Model Regresi Berganda
E(єi) = 0, untuk setiap i, i = 1,2,…, n. Artinya, rata-rata kesalahan penggangu nol. 2. Kov. (єi, єj) = 0, i≠j Artinya, kovarian (εi, εj) nol. Dengan perkataan lain, tidak ada korelasi antara kesalahan pengganggu yang satu dengan yang lainnya. 3. Var. (єi) = σ2, untuk setiap i, i = 1,2,…, n Artinya, setiap kesalahan penganggu mempunyai varian yang sama. 1.
Chapter
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
3
Asumsi dalam Model Regresi Berganda
Kov. (єi, X2i) = Kov. (єi, X3i) = 0 Artinya kovarian setiap kesalahan pengganggu dengan setiap variabel bebas nol, dengan perkataan lain tak ada korelasi antara kesalahan pengganggu dengan setiap variabel bebas yang tercakup dalam persamaan regresi liniear berganda. 5. Tak ada “multicollinearity”, yang berarti tak ada hubungan linear yang eksak antara variabelvariabel bebas. Dalam hal 3 variabel tak ada korelasi antara X2 & X3. 4.
Chapter
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
4
Cara Estimasi Koefisien Regresi Parsial
Dengan metode kuadrat terkecil biasa (Ordinary Least Square = OLS) kita akan memperkirakan koefisien regresi parsial. Perhatikan persamaan berikut: Y = b1.23 + b12.3 X2 + b13.2 X3 + ei
Diperoleh persamaan normal sbb:
nb1.23 b12.3 X 2i b13.2 X 3i Yi ................ (1) b1.23 X 2i b12.3 X 22i b13.2 X 2i X 3i X 2iYi ...... (2) b1.23 X 3i b12.3 X 3i X 2i b13.2 X 32i X 3iYi ...... (3) Chapter
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
5
LIHAT CARA 1
Chapter
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
6
Cara Estimasi Koefisien Regresi Parsial
Dari pers. (1) kalau kita bagi n, kita peroleh rumus untuk cari b1.23 sbb :
b1.23 b12.3 X 2 b13.2 X 3 Y
b1.23 Y b12.3 X 2 b13.2 X 3
............... (4)
Mencari b12.3 dan b13.2 dapat dihitung dengan rumus sbb:
Chapter
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
7
Cara Estimasi Koefisien Regresi Parsial
( x 2i yi )( x32i ) ( x 3i yi )( x 2i x3i ) ........ (5) b12.3 ( x22i )( x32i ) ( x 2i x3i ) 2 b13.2
( x 3i yi )( x22i ) ( x 2i yi )( x 2i x3i ) ....... (6) ( x22i )( x32i ) ( x 2i x3i ) 2
Dimana: x2i X 2 X 2 , x3i X 3i X 3 , yi Yi Y
x22i X 22i ( X 2i) 2 / n , x 2i yi X 2Y i i X 2i Yi / n
x32i X 32i ( X 3i) 2 / n
, x3i yi X 3Y i i X 3i Yi / n
yi2 Yi 2 (Y i) 2 / n , x 2i x3i X 2iX 3i X 2i X 3i / n Chapter
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
8
LIHAT CARA 2
Chapter
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
9
The meaning of partial regression coefficients Y = 1 + 2X2 + 3X3 + u Y X2
= 2
: 2
or
Y X3
= 3
(suppose this is a true model)
measures the change in the mean values of Y, per unit change in X2, holding X3 constant.
The ‘direct’ or ‘net’ effect of a unit change in X2 on the mean value of Y holding X2 constant, the direct effect of a unit change in X3 on the mean value of Y.
Holding constant: To assess the true contribution of X2 to the change in Y, we control the influence of X3. 10
Varian dan Standard Error Koef. Regresi Parsial
Karena σ2 = varian kesalahan pengganggu dalam prakteknya tak pernah diketahui, maka diperkirakan dengan Se2 sebagai berikut: 2 e 2 i Se nk
Untuk selanjutnya lebih baik, kalau dihitung berdasarkan rumus berikut :
e y b12.3 x2i yi b13.2 x3i yi 2 i
Chapter
2 i
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
11
Contoh Perhitungan: Varians dan Standar error Koef. Regresi Parsial Sesuai Kasus 3 Diketahui :
S e2
ei2 nk
Dimana:
e y b12.3 x2i yi b13.2 x3i yi 2 i
2 i
1.260,889 0,9277 1.297,33 0,2532 79 1.260,889 1.203,533 20,0028 77,3588 Maka :
S Chapter
2 e
77,3588 12,8931 6
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
12
Sehingga diperoleh Se : Se
Chapter
S e2 12,8931 3,5907
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
13
Standard Error Koef. Regresi Parsial (b1 dan b2)
Standar Error b1:
S
2 b12. 3
2 ( x 2 3i ) Se ( x22i ) ( x32i ) ( x2i x3i ) 2
648 12,8931 1.470648 2622 648 12,8931 0,0095 883.916
Sb12.3 S Chapter
2 b12.3
0,0095 0,0972
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
14
Standard Error Koef. Regresi Parsial (b1 dan b2)
Standar Error b2 :
S
2 b13. 2
( x ) S 2 2 2 ( x2i ) ( x3i ) ( x2i x3i ) 2 e
2 2i
1.470 12,8931 1.470648 2622 1.470 12,8931 0,0214 883.916
Sb13.2 S Chapter
2 b13.2
0,00214 0,1464
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
15
Standar error b0 Sb1.23
2
2 2 2 X 2i X 3i X 2i X 3i Se 2 2 2 2 2 2 2 2 2 n X 2i X 3i X 2 X 3i X 2i X 2i X 3i X 2 X 3i X 3i X 2i X 3i X 2 X 3i 2
Chapter
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
16
TERIMA KASIH
Chapter
Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis
17