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

Analisis Regresi Linier PowerPoint PPT Presentation


  • 131 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


Analisis regresi linier

AnalisisRegresi Linier

Hadi Paramu

FakultasEkonomiUniversitasJember

(disampaikandi STIE BulunganTarakan)

23 September 2013


Definisi analisis regresi

DefinisiAnalisisRegresi

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


Apa variabel itu

ApaVariabelitu?

  • Variable  vary dan able.

  • Variabel  sesuatu yang nilainyadapatbervariasi

    • Ciriutamavariabeladalahvariasi (variabilitas)

    • Tidakbersifatkonstan.

  • Apa yang terjadijikasalahsatujenisvariabeldalam model regresitidakbervariasi?


Type data

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.


Asumsi metode ordinary least square

AsumsiMetode Ordinary Least Square

  • Linier dalam Parameter danVariabel

  • Nilai X bersifattetapuntuk repeated sampling

  • Mean dari disturbance (residual) bernilainol

  • Homoscedasticityatauvarians yang samapada residual.

  • Tidakadaotokorelasiantar residual


Asumsi metode ordinary least square1

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


Alur kerja analisis regresi linier

AlurKerjaAnalisisRegresi Linier


Model regresi linier

Model Regresi Linier


Model regresi linier1

Model Regresi Linier


Hasil analisis

HasilAnalisis

KoefisienDeterminasi yang disesuaikan

KoefisienDeterminasi

KoefisienKorelasi


Hasil analisis1

HasilAnalisis

Probabilitasterjadinya

F-hitung

Angka F-hitung


Hasil analisis2

HasilAnalisis

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


Multikolinieritas

Multikolinieritas

VIF > =2, 5, 10 berartimultikolinieritasterjadi


Multikolinieritas1

Multikolinieritas

  • Apa yang harusdilakukanjikamultikolinieritasterjadi?

    • Biarkansaja

    • Buangvariabel yang bersifatmultikolinier


Heteroskedastisitas

Heteroskedastisitas

  • Dapatkannilai residual untuksetiapobservasi

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

  • Jikakoefisienpadaauxilliary regression bersifatsignifikan, heteroskedastisitasterjadi.

  • Untukmengatasiheteroskedastisitas metode weighted least square


Otokorelasi

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


Analisis regresi linier

Semogabermanfaat


  • Login