Analisis regresi linier
Sponsored Links
This presentation is the property of its rightful owner.
1 / 17

Analisis Regresi Linier PowerPoint PPT Presentation


  • 138 Views
  • Uploaded on
  • Presentation posted in: General

Analisis Regresi Linier. Hadi Paramu Fakultas Ekonomi Universitas Jember ( disampaikan di STIE Bulungan Tarakan ) 23 September 2013. Definisi Analisis Regresi.

Download Presentation

Analisis Regresi Linier

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


AnalisisRegresi Linier

Hadi Paramu

FakultasEkonomiUniversitasJember

(disampaikandi STIE BulunganTarakan)

23 September 2013


DefinisiAnalisisRegresi

  • Analisisregresimerupakanstudi (kajian) tentangdependensisuatuvariabel (variabeldependen) padasatuataubeberapavariabel lain (variabelindependen) untukmengestimasidan/ataumemprediksi mean atau average value darivariabeldependen.


ApaVariabelitu?

  • Variable  vary dan able.

  • Variabel  sesuatu yang nilainyadapatbervariasi

    • Ciriutamavariabeladalahvariasi (variabilitas)

    • Tidakbersifatkonstan.

  • Apa yang terjadijikasalahsatujenisvariabeldalam model regresitidakbervariasi?


Type Data

  • Data Time Series: data yang bersifatruntutwaktu (time series), seperti data harian, mingguandst.

  • Data cross-section: data yang dikumpulkandari unit analisis (responden) padatitikwaktu yang sama.

  • Data Pooled (Pooling): data yang bersifatgabunganantara time series dan cross section.


AsumsiMetode Ordinary Least Square

  • Linier dalam Parameter danVariabel

  • Nilai X bersifattetapuntuk repeated sampling

  • Mean dari disturbance (residual) bernilainol

  • Homoscedasticityatauvarians yang samapada residual.

  • Tidakadaotokorelasiantar residual


AsumsiMetode Ordinary Least Square

  • Covariance antara residual danvariabelindependensamadengannol

  • Jumlahobservasi (n) haruslebihbanyakdari parameter yang akandiestimasi.

  • Ada variability darinilai X.

  • Model regresitidakmemiliki specification bias

  • Tidakadamultikolinieritasantar explanatory variable


AlurKerjaAnalisisRegresi Linier


Model Regresi Linier


Model Regresi Linier


HasilAnalisis

KoefisienDeterminasi yang disesuaikan

KoefisienDeterminasi

KoefisienKorelasi


HasilAnalisis

Probabilitasterjadinya

F-hitung

Angka F-hitung


HasilAnalisis

DEBTi = 0,166 – 0,05BIUTi + 0,007AGENi + 0,043RISBISi + 0,07UKURi + ei


Multikolinieritas

VIF > =2, 5, 10 berartimultikolinieritasterjadi


Multikolinieritas

  • Apa yang harusdilakukanjikamultikolinieritasterjadi?

    • Biarkansaja

    • Buangvariabel yang bersifatmultikolinier


Heteroskedastisitas

  • Dapatkannilai residual untuksetiapobservasi

  • Buatauxilliary regression (regresi bantu)  absolut residual sebagaivariabeldependen-nya.

  • Jikakoefisienpadaauxilliary regression bersifatsignifikan, heteroskedastisitasterjadi.

  • Untukmengatasiheteroskedastisitas metode weighted least square


Otokorelasi

  • Uji yang gunakan Durbin-Watson test

  • Menu  Analyse, Regression, statitic, durbinwatson.

  • Setelahangka Durbin-Watson hitungdiperoleh lakukanujiotokorelasi

  • Jikaadaotokorelasi, gunakanpendekatandifferensial  Xt – Xt-1 danYt– Yt-1


Semogabermanfaat


  • Login