Pengujian Asumsi Regresi Linier

Diah Indriani
Bagian Biostatistika dan Kependudukan Fakultas Kesehatan Masyarakat Universitas Airlangga

Asumsi Analisis Regresi Linier
1. Data Y berskala minimal interval Data X berskala minimal nominal (jika data X berskala nominal / ordinal harus menggunakan bantuan variabel dummy) 2. Linieritas, nilai rata-rata y adalah sebuah fungsi garis lurus dari x 3. Homoscedasticity. Varians dari y adalah sama pada beberapa x

Homoscedasticity. Tidak terdapat multikolinieritas antar variabel bebas. 6. Varians dari y adalah sama pada beberapa x 5. y berdistribusi normal 7. Distribusi normal pada beberapa nilai tertentu x. 8. ei ~ N ( 0 . σ2) / eror berdistribusi normal ei saling bebas / eror saling bebas Asumsi Linierity Dapat diuji dengan plot X terhadap Y Jika membentuk pola garis lurus maka model linier .Asumsi Analisis Regresi Linier 4.

Asumsi Homoscedasticity Asumsi Homoscedasticity .

Asumsi Homoscedasticity Plot antara sisaan (eror) dengan Y Jika plot membentuk pola maka terdapat heteroscedasticity pada model regresi. (1) (2) (3) . Jika plot acak (tidak membentuk pola) maka model regresi sudah memenuhi asumsi homoscedasticity ∧ Asumsi Homoscedasticity Jika plot acak (tidak membentuk pola) maka model regresi sudah memenuhi asumsi homoscedasticity Jika plot membentuk pola maka terdapat heteroscedasticity pada model regresi.

Uji kenormalan ei menggunaakan grafik P-P plot atau Q-Q plot Jika plot membentuk pola lurus dengan kemiringan 45° maka eror normal Normal P-P Plot of Regression Standardized Residual Dependent Variable: Current Salary 1.σ2) 1.6 0.0 Observed Cum Prob .0 0.6 0. Menggunakan uji Kolmogorov Smirnov 0. Mengunakan histogram 2.0 Expected Cum Prob 0.4 0.Asumsi Multikolinierity Dapat diuji dengan menghitung VIF (Variance Inflaction Factor) Jika VIF < 10 maka terdapat korelasi antar variabel bebas atau Jika Tolerance > 0.2 0.8 1.1 maka terdapat korelasi antar variabel bebas Asumsi Distribusi Normal Pada Eror ei ~N(0.4 3.8 0.2 0.0 0.

Asumsi Kebebasan Sisaan (eror) Uji kebebasan ei menggunakan uji korelasi atau Uji Durbin Watson Uji Durbin Watson Hipotesis : H0 : ρ = 0 H1 : ρ ≠ 0 Statistik Uji : n ∑ (ei − ei−1 )2 d= i =1 n ∑ ei 2 i =1 .

Jika du < d < dl atau (4 – du) < d < (4 – dl) maka tidak dapat disimpulkan (Nilai du dan dl didapatkan dari tabel titik kritis Durbin Watson) Pemeriksaan Sisaan Yang lain Plot sisaan menurut tebaran waktu yang diharapkan berbentuk pola garis lurus sejajar sumbu X Yang tidak diharapkan bentuk pola (1) (2) (3) . terjadi korelasi positif 3.Uji Durbin Watson Dimana ei = sisaan ke i e i −1 = sisaan ke i-1 Pengambilan keputusan : 1.Jika d > (4-dl) maka Ho ditolak. terjadi korelasi negatif 4.Jika du < d maka Ho diterima 2.Jika d < dl maka Ho ditolak.

Menunjukkan suatu suku linier dalam waktu yang harus dimasukkan ke dalam model 3). Menunjukkan ragam tidak konstan. Plot sisaan terhadap peubah Xi Pola yang diharapkan dari plot ini sama dengan plot sisaan menurut tebaran waktu .Pemeriksaan Sisaan Yang Lain 1). sehingga model perlu diberi bobot 2). Menunjukkan suku kuadratik dalam waktu yang harus dimasukkan ke dalam model Pemeriksaan Sisaan Lainnya 2.

Sign up to vote on this title
UsefulNot useful