Regresi Linier

Apa itu Regresi Linear?

Regresi linier adalah algoritma analisis prediktif. Ini adalah metode statistik yang menentukan korelasi antara variabel dependen dan independen. Jenis distribusi ini membentuk garis dan karenanya disebut regresi linier. Ini adalah salah satu jenis analisis prediktif yang paling umum.

Ini digunakan untuk memprediksi nilai variabel dependen ketika variabel independen diketahui. Grafik regresi adalah sebar yang menggambarkan susunan kumpulan data; x dan y adalah variabelnya. Titik data terdekat yang mewakili kemiringan linier membentuk garis regresi. Dengan demikian, memplot dan menganalisis garis regresi pada grafik regresi disebut regresi linier.

Takeaway kunci

• Regresi linier adalah model statistik yang digunakan untuk menentukan intensitas hubungan antara dua variabel atau lebih. Satu variabel dependen bergantung pada perubahan yang terjadi pada variabel independen.
• Mereka diklasifikasikan menjadi dua subtipe — regresi sederhana dan berganda.
• Validitas regresi bergantung pada asumsi seperti linearitas, homoskedastisitas, normalitas, multikolinearitas, dan independensi.
• Dalam rumus, ‘Y’ adalah variabel dependen atau hasil, ‘a’ adalah perpotongan y, ‘b’ adalah kemiringan garis regresi, dan ‘ɛ’ adalah suku kesalahan:
  Y = a + bX + ε

Penjelasan Regresi Linear

Regresi linier adalah model yang mendefinisikan hubungan antara variabel dependenVariabel DependenVariabel dependen adalah variabel yang nilainya bervariasi sebagai respons terhadap perubahan nilai variabel independen.baca lebih lanjut ‘y’ dan variabel independen ‘x.’ Fenomena ini banyak diterapkan dalam pembelajaran mesin dan statistik.

Ini diterapkan pada skenario di mana variasi nilai satu variabel tertentu secara signifikan bergantung pada perubahan nilai variabel kedua. Di sini, variabel ent dependen juga disebut variabel output. Variabel dependen bervariasi tergantung pada perubahan variabel independen.

Ini diklasifikasikan menjadi dua jenis:

• Regresi Linear Sederhana : Merupakan model regresi yang merepresentasikan korelasi dalam bentuk persamaan. Di sini variabel dependen, y, adalah fungsi dari variabel independen, x. Ini dilambangkan sebagai Y = a + bX + ε, di mana ‘a’ adalah perpotongan y, b adalah kemiringan garis regresi, dan ε adalah error.
• Regresi Linear Berganda : Ini adalah bentuk analisis regresi, di mana perubahan variabel dependen tergantung pada variasi dalam dua atau lebih variabel independen berkorelasi.

Dalam skenario praktis, tidak selalu mungkin untuk mengaitkan perubahan dalam suatu peristiwa, objek, faktor, atau variabel ke satu variabel independen. Sebaliknya, perubahan pada variabel dependen dihasilkan dari dampak berbagai faktor—terkait satu sama lain dalam beberapa cara. Dengan demikian, regresi berganda Regresi Berganda Rumus regresi berganda digunakan dalam analisis hubungan antara variabel dependen dan banyak variabel independen. Rumus = y = mx1 + mx2+ mx3+ roti lebih banyak analisis memainkan peran penting dalam aplikasi dunia nyata.

Sebelum memilih, peneliti perlu memeriksa variabel dependen dan independen. Model ini hanya cocok jika hubungan antar variabel bersifat linier. Terkadang itu tidak cocok untuk masalah dunia nyata. Misalnya, usia dan upah tidak memiliki hubungan linier. Sebagian besar waktu, upah meningkat seiring bertambahnya usia. Namun, setelah pensiun, usia bertambah tetapi upah menurun.

Rumus Regresi Linear

Variabel dependen dikatakan sebagai fungsi dari variabel independen; diwakili oleh persamaan regresi linier berikut:

Di sini, ‘Y’ adalah variabel dependen atau hasil;

• ‘a’ adalah perpotongan y;
• ‘b’ adalah kemiringan garis regresi;
• ‘X’ adalah variabel independen atau eksogen; dan
• ‘ɛ’ adalah istilah kesalahan; jika ada

Catatan – Rumus di atas digunakan untuk menghitung regresi linier sederhana.

Perhitungan

Regresi linier dihitung dalam tiga langkah ketika nilai variabel x dan y diketahui:

1. Pertama, tentukan nilai komponen rumus a dan b, yaitu Σx, Σy, Σxy, dan Σx2. Kemudian, buat tabel tabulasi nilai x, y, xy, dan x2.
2. Kemudian nilai-nilai yang diturunkan pada bagan di atas disubstitusi ke dalam rumus berikut:
   a= , dan b=
3. Terakhir, masukkan nilai a dan b ke dalam rumus Y = a + bX + ɛ untuk mengetahui hubungan linier antara variabel x dan y.

Untuk lebih memahami perhitungan, lihatlah Contoh Regresi LinierContoh Regresi LinierRegresi Linear mewakili hubungan antara satu variabel dependen dan satu atau lebih variabel independen. Contoh regresi linier adalah hubungan antara penjualan dan pengeluaran bulanan, tingkat IQ dan skor tes, suhu bulanan dan penjualan AC, populasi dan penjualan seluler.baca lebih lanjut

Asumsi

Analis perlu mempertimbangkan asumsi berikut sebelum menerapkan model regresi linier untuk setiap masalah:

1. Linearitas : Harus ada pola hubungan linier antara variabel dependen dan independen. Itu dapat digambarkan dengan bantuan sebar untuk variabel x dan y.
2. Homoskedastisitas : Varians atau residual antara variabel dependen dan independen juga harus sama di seluruh garis regresi — terlepas dari nilai x dan y. Analis dapat membuat nilai pas Vs. plot sisa untuk menguji asumsi ini.
3. Normalitas : Distribusi normal nilai x dan y sangat penting. Residu harus multivariat normal, dan dapat ditentukan dengan membuat plot QQ atau histogram.
4. Independensi : Dalam analisis seperti itu, pengamatan seharusnya tidak memiliki korelasi otomatis. Untuk memberikan hasil yang adil, residual berurutan harus independen satu sama lain. Untuk memvalidasi asumsi ini, analis menggunakan uji Durbin Watson.
5. Tidak Multikolinearitas : Korelasi yang berlebihan antara variabel independen dapat menyesatkan analisis. Oleh karena itu, data tidak boleh multikolinear. Untuk menghindari masalah ini, variabel dengan inflasi varian tinggi (satu variabel secara signifikan mempengaruhi yang lain) harus dihilangkan.

Pertanyaan yang Sering Diajukan (FAQ)

Apa tujuan dari regresi linier sederhana?

Ini bertujuan untuk menentukan nilai variabel tertentu (variabel dependen) dengan bantuan variabel independen yang diketahui. Selain itu, menganalisis kekuatan hubungan antara dua variabel dengan memplotnya pada grafik regresi.

Bagaimana cara kerja regresi linier?

Ini menentukan titik terdekat dari kumpulan data yang mewakili pola linier. itu diterapkan pada skenario di mana variasi nilai satu variabel tertentu secara signifikan bergantung pada perubahan nilai variabel kedua.

Apa r kuadrat dalam regresi linier?

R kuadrat atau R2 adalah indikator sejauh mana variabel dependen menyimpang dari variabel independen. Model regresi dianggap valid ketika R2 lebih dari 0,95.

Bagaimana menemukan regresi linier?

Ini mengidentifikasi pola linier hubungan antara titik data—ketika diplot pada grafik regresi. Untuk tujuan ini, analis menggunakan model yang berbeda—regresi sederhana, berganda, dan multivariat.

Artikel yang Direkomendasikan

Artikel ini telah menjadi panduan untuk Regresi Linier & Definisi. Kami mempelajari model regresi linier sederhana & berganda, bersama dengan rumus, perhitungan, & asumsi. Anda dapat mempelajari lebih lanjut tentang akuntansi dari artikel berikut –

• Regresi Linier BergandaRegresi Linier BergandaModel regresi linier berganda adalah jenis model regresi yang berhubungan dengan satu variabel dependen dan beberapa variabel independen.baca lebih lanjut
• Regresi NonlinierRegresi NonlinierRegresi nonlinier mengacu pada analisis regresi dimana model regresi menggambarkan hubungan nonlinier antara variabel dependen dan variabel independen.baca lebih lanjut
• Regresi Kuadrat Terkecil Regresi Kuadrat TerkecilAkar kuadrat VBA adalah fungsi matematika/trigon excel yang mengembalikan akar kuadrat dari angka yang dimasukkan. Terminologi yang digunakan untuk fungsi akar kuadrat ini adalah SQRT. Misalnya, pengguna dapat menentukan akar kuadrat dari 70 sebagai 8,366602 menggunakan fungsi VBA ini.baca lebih lanjut