Analisa Regresi Linier
Analisis regresi ganda merupakan pengembangan dari analisis regresi sederhana. Kegunaannya yaitu untuk melihat pengaruh variabel bebasnya (X) terhadap variabel terikat (Y). Jika jumlah variabel bebasnya hanya satu maka analisanya disebut analisa regresi sederhana dan jika lebih dari satu analisanya disebut analisa regresi berganda. Analisis regresi ganda adalah alat untuk meramalkan nilai pengaruh dua variabel bebas atau lebih terhadap satu variabel terikat (untuk membuktikan ada tidaknya hubungan fungsional atau hubungan kausal antara dua atau lebih variabel bebas X1, X2, …., Xi terhadap suatu variabel terikat Y.
Metode estimasi parameter (koefisien) regresi yang biasa digunakan adalah metode kuadrat terkecil (Ordinary Least Square). Metode ini berusaha untuk meminimumkan simpangan kuadrat antara nilai sebenarnya (Y) terhadap nilai dugaan (Ŷ) dari variabel terikat atau dengan kata lain meminimumkan error kuadrat. Penaksiran koefisien-koefisien regresi dari suatu model regresi linier dengan menggunakan metode OLS akan menghasilkan penaksir yang bersifat BLUE (Best Linear Unbiased Estimate) sesuai dengan teorema Gauss-Markov. Untuk menghasilkan penaksir yang bersifat BLUE, ada beberapa asumsi yang harus dipenuhi :
i. Error terdistribusi normal
ii. Error tidak saling berkorelasi (Autokorelasi)
iii. Variansi dari error homogeny /sama (Homokedatisitas)
iv. Multikolinieritas :Korelasi yg terjadi antar var Independent. Asumsi ini hanya berlaku pada model regresi berganda
0 komentar:
Posting Komentar