Definisi Regresi Linear Berganda
Model regresi linier berganda adalah jenis model regresi yang berhubungan dengan satu variabel dependen dan beberapa variabel independen. Analisis regresi adalah metode atau teknik statistik yang digunakan untuk menentukan hubungan antar variabel yang memiliki hubungan sebab akibat. Regresi juga dapat mengungkapkan seberapa dekat dan baik seseorang dapat menentukan suatu hubungan.
Regresi sangat membantu untuk mengukur hubungan atau hubungan antara satu variabel dan variabel lain yang bertanggung jawab untuk itu. Temuan ini kemudian digunakan untuk membuat prediksi komponen yang terlibat. Sebagian besar studi ekonomi empiris memasukkan regresi. Mereka juga banyak digunakan dalam sosiologi, statistik, dan psikologi.
Takeaway kunci
- Analisis regresi linier berganda adalah metode atau alat statistik untuk menemukan korelasi sebab-akibat antar variabel. Regresi mencerminkan seberapa kuat dan stabil suatu hubungan.
- Model regresi linier berganda merupakan model regresi linier sederhana tetapi dengan perluasan. Dalam regresi linier, hanya ada satu variabel penjelas. Di sini, ada berbagai variabel penjelas.
- Ini membantu dalam membuat prediksi untuk informasi yang diperlukan dari komponen yang terlibat.
- Penerapannya termasuk mencari persentase lemak tubuh pada orang dewasa. Menemukan faktor-faktor yang dapat mempengaruhi pendidikan untuk membantu pemerintah membingkai kebijakan, dll.
Penjelasan Regresi Linear Berganda
Anda bebas menggunakan gambar ini di situs web Anda, templat, dll., Harap berikan kami tautan atribusiBagaimana Memberikan Atribusi? Tautan Artikel untuk Di-Hyperlink
Misalnya: Sumber: Regresi Linier Berganda (wallstreetmojo.com)
Model regresi linier berganda membantu membangun hubungan antara dua atau lebih variabel independen Variabel Independen Variabel independen adalah objek atau periode waktu atau nilai input, perubahan yang digunakan untuk menilai dampak pada nilai output (yaitu tujuan akhir) yang diukur dalam pemodelan matematika atau statistik atau keuangan. Baca lebih lanjut dan satu variabel dependen. Model ini merupakan perluasan dari model regresi linier sederhana. Hanya ada satu variabel penjelas dalam regresi linier dasar. Namun, ada beberapa variabel penjelas dalam regresi linier berganda. Oleh karena itu, ketika ada dua atau lebih variabel terkontrol dalam hubungannya, ada penerapan regresi linier berganda. Ini terutama benar dalam kasus-kasus berikut:
- Untuk menemukan sejauh mana dua atau lebih variabel independen dan satu variabel dependen terkait (misalnya, bagaimana curah hujan, suhu, PH tanah, dan jumlah pupuk yang ditambahkan mempengaruhi pertumbuhan buah).
- Nilai variabel dependen pada nilai tertentu dari variabel independen (misalnya hasil buah yang diharapkan pada tingkat curah hujan, suhu, PH tanah, dan penambahan pupuk tertentu)
Interpretasi regresi linier berganda membantu membuat prediksi dan bertindak sebagai panduan untuk keputusan penting. Misalnya, pemerintah dapat menggunakan masukan ini untuk membingkai kebijakan kesejahteraan. Selain itu, berbagai situs web menyediakan kalkulator untuk memeriksa nilainya. Juga, seseorang dapat menggunakan perangkat lunak untuk hal yang sama seperti SPSS.
Rumus
Model regresi linier berganda sering digunakan sebagai model empiris atau untuk fungsi aproksimasi. Misalnya, sementara hubungan fungsional yang tepat antara nilai Y dan X (X1 X2…… Xn) tidak diketahui, model regresi linier memberikan perkiraan yang memadai untuk fungsi sebenarnya yang tidak diketahui untuk rentang tertentu dari variabel regresi. Meskipun menggunakan kalkulator online dan menggunakan perangkat lunak SPSS itu mudah, mengetahui penurunan nilai sangatlah penting.
Seseorang dapat menggunakan rumus berikut untuk menghitung regresi linier berganda:
YI= β0+β1X1 β2X2 +…..+…+βkXk+ ε.
Persamaan yang diberikan di atas hanyalah perpanjangan dari Regresi Linier Sederhana. Di sini, variabel keluarannya adalah Y, dan variabel masukan terkait dalam suku X, dengan masing-masing prediktor memiliki kemiringan atau koefisien regresi (β). Juga, suku pertama (β0) adalah konstanta intersep, yang merupakan nilai dari Y. Dalam kasus ini, setiap nilai dari semua prediktor tidak ada (yaitu, ketika semua suku X adalah 0). Nilai keduanya sama. K adalah variabel regressor atau prediktor. ε adalah memberi ruang untuk kesalahan standar Kesalahan Standar Kesalahan Standar (SE) adalah metrik yang mengukur keakuratan distribusi sampel yang menandakan populasi dengan menggunakan standar deviasi. Dengan kata lain, ini adalah ukuran penyebaran rata-rata sampel yang berkaitan dengan rata-rata populasi dan bukan standar deviasi.baca lebih lanjut.
Contoh
Pertimbangkan contoh untuk mendapatkan ide yang lebih baik tentang regresi linier berganda.
Ambil nilai X1 sebagai 0, 11, 11, nilai X2 sebagai 1, 5, 4, dan nilai Y seperti 11, 15, dan 13.
Di Sini,
- Jumlah X1 = 22
- Jumlah X2 = 10
- Jumlah Y = 39
- X1 = 7,3333
- X2 = 3,3333
- Berarti Y = 13
Jumlah kuadrat:
- (SSX1) = 80,6667
- Dan, (SSX2) = 8,6667
Jumlah produk:
- (SPX1Y) = 22
- (SPX2Y) = 8
- Dan, (SPX1X2) = 25,6667
Persamaan Regresi = ŷ = b1X1 + b2X2 + a
β 1 = ((SPX1Y)*(SSX2)-(SPX1X2)*(SPX2Y)) / ((SSX1)*(SSX2)-(SPX1X2)*(SPX1X2)) = -14,67/40,33 = -0,36364
β 2 = ((SPX2Y)*(SSX1)-(SPX1X2)*(SPX1Y)) / ((SSX1)*(SSX2)-(SPX1X2)*(SPX1X2)) = 80,67/40,33 = 2
a = SAYA – β 1MX1 – β 2MX2 = 13 – (-0,36*7,33) – (2*3,33) = 9
Oleh karena itu, ŷ = -0,36364X1 + 2X2 + 9
Asumsi
Perhitungan regresi linier berganda memerlukan beberapa asumsi, dan beberapa di antaranya adalah sebagai berikut:
Linearitas
Seseorang dapat memodelkan hubungan linier (garis lurus) antara Y dan X menggunakan regresi berganda. Setiap hubungan lengkung tidak diperhitungkan. Ini dapat dianalisis dengan plot pencar pada tahap utama. Pada saat yang sama, pola non-linier dapat ditemukan di plot sisa.
Varian konstan
Untuk semua nilai X, varian dari ε adalah konstan. Untuk mendeteksi ini, plot sisa dari X dapat digunakan. Juga mudah untuk mengasumsikan varian konstan jika plot residual memiliki bentuk persegi panjang. Selain itu, ada varian non-konstan dan harus diatasi jika plot residual menunjukkan bentuk baji yang berubah.
Acara Khusus
Asumsinya adalah bahwa data dihilangkan dari semua klausa khusus yang dihasilkan dari peristiwa satu kali. Dengan demikian, model regresi mungkin memiliki varian non-konstan, non-normalitas, atau masalah lain jika tidak.
Normalitas
Ketika seseorang menggunakan uji hipotesis dan batas kepercayaan, asumsinya adalah bahwa ada distribusi normal dari ε.
Multi ko-linearitas
Adanya hubungan yang hampir linier di antara himpunan variabel bebas adalah ko-linearitas atau multi-ko-linearitas. Di sini, karena multikolinearitas menyebabkan banyak kesulitan dengan analisis regresi, asumsinya adalah bahwa datanya tidak multikolinear.
Pertanyaan yang Sering Diajukan (FAQ)
Apa itu regresi linier berganda?
Regresi linier berganda dipandang sebagai perpanjangan dari regresi linier sederhana di mana satu atau lebih variabel independen terlibat terlepas dari satu variabel dependen.
Apa perbedaan antara regresi linier dan berganda?
Regresi linier berganda memiliki satu atau lebih variabel x dan y, satu variabel dependen, dan lebih dari satu variabel independen. Dalam Regresi Linear, hanya ada satu variabel x dan y.
Apa keuntungan dari regresi berganda?
Analis memiliki hubungan teoretis dalam pikirannya, dan analisis regresi menegaskannya. Ini bertujuan untuk menemukan persamaan yang merangkum hubungan antara kumpulan data. Analisis juga membantu dalam membuat lebih sedikit asumsi tentang kumpulan nilai.
Mengapa regresi linier berganda penting?
Tujuan utama dari interpretasi regresi linier berganda adalah untuk mengantisipasi variabel respon. Misalnya, dapat berupa penjualan, waktu pengiriman, efisiensi, analisis penggerak mobil, tingkat hunian rumah sakit, persentase massa tubuh dari satu jenis kelamin, dll. Prakiraan ini dapat sangat berguna untuk merencanakan, memantau, atau menganalisis suatu proses atau sistem.
Artikel yang Direkomendasikan
Ini telah menjadi Panduan untuk Regresi Linier Berganda dan Definisinya. Berikut kami jelaskan rumus, asumsi, dan penjelasannya beserta contoh-contohnya. Anda dapat mempelajari lebih lanjut dari artikel berikut –
- Regresi NonlinierRegresi NonlinierRegresi nonlinier mengacu pada analisis regresi dimana model regresi menggambarkan hubungan nonlinier antara variabel dependen dan variabel independen.baca lebih lanjut
- Nonlinier Nonlinier Nonlinier adalah korelasi tidak langsung antara variabel independen dan dependen yang tidak dapat merangkum garis lurus. Karena variabel independen berubah dalam hubungan nonlinier, variabel dependen tidak berubah dengan besaran yang sama.baca lebih lanjut
- Regresi Linier di ExcelRegresi Linier Di ExcelRegresi Linier adalah alat statistik excel yang digunakan sebagai model analisis prediktif untuk menguji hubungan antara dua kumpulan data. Dengan menggunakan analisis ini, kita dapat memperkirakan hubungan antara variabel dependen dan independen.baca lebih lanjut
