analisis regresi linier
Download
Skip this Video
Download Presentation
Analisis Regresi Linier

Loading in 2 Seconds...

play fullscreen
1 / 17

Analisis Regresi Linier - PowerPoint PPT Presentation


  • 167 Views
  • Uploaded on

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

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Analisis Regresi Linier' - adolfo


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
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
ad