ANALISIS REGRESI

LINIER BERGANDA :
PERSOALAN ESTIMASI DAN
PENGUJIAN HIPOTESIS
Y = 1 + 2 X2 + 3 X3 ++ k Xk + u
PowerPoint Slides

byYana Rohmana
Education University of Indonesian

2007 Laboratorium Ekonomi & Koperasi Publishing

Jl. Dr. Setiabudi 229 Bandung, Telp. 022 2013163 - 2523

Multiple Linier Regression

Dalam regresi linier berganda variabel tak bebas Y,

tergantung kepada dua atau lebih variabel.

Populasi : Yi = B1 + B2X2i + B3X3i + ...+ BkiXki + i

Sampel : Yi = b1 + b2X2i + b3X3i + ...+ bkiXki + ei
Untuk model 3 variabel, berarti k=3, satu variabel
tidak bebas Y dan 2 variabel bebas X2 dan X3 :
Yi = b1 + b2X2i + b3X3i + ei
i = b1 + b2X2i + b3X3i

Chapter

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

Asumsi dalam Model Regresi Berganda

E(i) = 0, untuk setiap i, i = 1,2,, n.

Artinya, rata-rata kesalahan penggangu nol.
2. Kov. (i, j) = 0,
ij
Artinya, kovarian (i, j) nol. Dengan perkataan lain,
tidak ada korelasi antara kesalahan pengganggu
yang satu dengan yang lainnya.
3. Var. (i) = 2, untuk setiap i, i = 1,2,, n
Artinya, setiap kesalahan penganggu mempunyai
varian yang sama.
1.

Chapter

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

Asumsi dalam Model Regresi Berganda

Kov. (i, X2i) = Kov. (i, X3i) = 0

Artinya kovarian setiap kesalahan pengganggu
dengan setiap variabel bebas nol, dengan
perkataan lain tak ada korelasi antara kesalahan
pengganggu dengan setiap variabel bebas yang
tercakup dalam persamaan regresi liniear
berganda.
5. Tak ada multicollinearity, yang berarti tak
ada hubungan linear yang eksak antara variabelvariabel bebas. Dalam hal 3 variabel tak ada
korelasi antara X2 & X3.
4.

Chapter

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

Cara Estimasi Koefisien Regresi Parsial

Dengan metode kuadrat terkecil biasa (Ordinary

Least Square = OLS) kita akan memperkirakan
koefisien regresi parsial.
Perhatikan persamaan berikut:
Y = b1.23 + b12.3 X2 + b13.2 X3 + ei

Diperoleh persamaan normal sbb:

nb1.23 b12.3 X 2i b13.2 X 3i Yi ................ (1)

b1.23 X 2i b12.3 X 22i b13.2 X 2i X 3i X 2iYi ...... (2)
b1.23 X 3i b12.3 X 3i X 2i b13.2 X 32i X 3iYi ...... (3)
Chapter

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

LIHAT CARA 1

Chapter

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

Cara Estimasi Koefisien Regresi Parsial

Dari pers. (1) kalau kita bagi n, kita peroleh rumus

untuk cari b1.23 sbb :

b1.23 b12.3 X 2 b13.2 X 3 Y

b1.23 Y b12.3 X 2 b13.2 X 3

............... (4)

Mencari b12.3 dan b13.2 dapat dihitung dengan

rumus sbb:

Chapter

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

Cara Estimasi Koefisien Regresi Parsial

( x 2i yi )( x32i ) ( x 3i yi )( x 2i x3i ) ........ (5)

b12.3
( x22i )( x32i ) ( x 2i x3i ) 2
b13.2

( x 3i yi )( x22i ) ( x 2i yi )( x 2i x3i )

....... (6)
( x22i )( x32i ) ( x 2i x3i ) 2

Dimana: x2i X 2 X 2 , x3i X 3i X 3 , yi Yi Y

x22i X 22i ( X 2i) 2 / n , x 2i yi X 2Y

i i X 2i Yi / n

x32i X 32i ( X 3i) 2 / n

, x3i yi X 3Y
i i X 3i Yi / n

yi2 Yi 2 (Y i) 2 / n , x 2i x3i X 2iX 3i X 2i X 3i / n

Chapter

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

LIHAT CARA 2

Chapter

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

The meaning of partial regression coefficients

Y = 1 + 2X2 + 3X3 + u
Y
X2

= 2

: 2

or

Y
X3

= 3

(suppose this is a true model)

measures the change in the mean values of Y,

per unit change in X2, holding X3 constant.

The direct or net effect of a unit change in X2 on the

mean value of Y
holding X2 constant, the direct effect of a unit
change in X3 on the mean value of Y.

Holding constant:
To assess the true contribution of X2 to the change in Y, we
control the influence of X3.
10

Varian dan Standard Error Koef. Regresi Parsial

Karena 2 = varian kesalahan pengganggu dalam

prakteknya tak pernah diketahui, maka
diperkirakan dengan Se2 sebagai berikut:
2

e
2
i
Se
nk

Untuk selanjutnya lebih baik, kalau dihitung

berdasarkan rumus berikut :

e y b12.3 x2i yi b13.2 x3i yi

2
i

Chapter

2
i

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

11

Contoh Perhitungan:
Varians dan Standar error Koef. Regresi Parsial Sesuai
Kasus 3
Diketahui :

S e2

ei2

nk

Dimana:

e y b12.3 x2i yi b13.2 x3i yi

2
i

2
i

1.260,889 0,9277 1.297,33 0,2532 79

1.260,889 1.203,533 20,0028
77,3588
Maka :

S
Chapter

2
e

77,3588

12,8931
6

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

12

Sehingga diperoleh Se :
Se

Chapter

S e2
12,8931 3,5907

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

13

Standard Error Koef. Regresi Parsial (b1 dan b2)

Standar Error b1:

2
b12. 3

2
(

x
2
3i )
Se
( x22i ) ( x32i ) ( x2i x3i ) 2

648
12,8931
1.470648 2622
648
12,8931
0,0095
883.916

Sb12.3 S
Chapter

2
b12.3

0,0095 0,0972

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

14

Standard Error Koef. Regresi Parsial (b1 dan b2)

Standar Error b2 :

2
b13. 2

( x )
S
2
2
2
( x2i ) ( x3i ) ( x2i x3i )
2
e

2
2i

1.470
12,8931
1.470648 2622
1.470
12,8931
0,0214
883.916

Sb13.2 S
Chapter

2
b13.2

0,00214 0,1464

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

15

Standar error b0
Sb1.23

2
2
2

X 2i X 3i X 2i X 3i
Se
2
2
2
2
2
2
2
2
2
n X 2i X 3i X 2 X 3i X 2i X 2i X 3i X 2 X 3i X 3i X 2i X 3i X 2 X 3i
2

Chapter

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

16

TERIMA KASIH

Chapter

Analisis Regresi Linier Berganda : Persoalan Estimasi dan Pengujian Hipotesis

17