terjemahan ark

Click here to load reader

  • date post

    23-Nov-2015
  • Category

    Documents

  • view

    15
  • download

    0

Embed Size (px)

description

semoga

Transcript of terjemahan ark

Regresi linier dengan One predictor VariabelAnalisis regresi adalah metodologi statistik yang memanfaatkan hubungan antara dua atauvariabel yang lebih kuantitatif sehingga variabel respon atau hasil dapat diprediksi dariyang lain , atau orang lain . Metodologi ini banyak digunakan dalam bisnis , sosial dan perilaku ilmu , ilmu biologi , dan disiplin ilmu lainnya . Beberapa contoh aplikasi adalah:1 . Penjualan produk dapat diprediksi dengan memanfaatkan hubungan antara penjualan dan jumlah pengeluaran iklan .2 Kinerja karyawan pada pekerjaan dapat diprediksi dengan memanfaatkan hubunganantara kinerja dan baterai tes bakat .3 . Ukuran dari kosakata anak dapat diprediksi dengan memanfaatkan hubunganantara ukuran kosakata dan usia anak dan jumlah pendidikan orang tua .4 . Lama tinggal di rumah sakit seorang pasien bedah dapat diprediksi dengan memanfaatkan hubungan antara waktu di rumah sakit dan tingkat keparahan operasi .Dalam Bagian I kita mengambil analisis regresi ketika variabel prediktor tunggal digunakan untuk memprediksi respon atau variabel hasil bunga. Dalam Bagian II dan III , kami mempertimbangkan analisis regresi ketika dua atau lebih variabel yang digunakan untuk membuat prediksi . dalam hal ini bab , kami mempertimbangkan ide-ide dasar analisis regresi dan mendiskusikan estimasi parameter model regresi yang mengandung variabel prediktor tunggal.1.1 Hubungan antara Variabel1.2 Konsep hubungan antara dua variabel, seperti antara pendapatan keluarga dan keluargapengeluaran untuk perumahan, adalah satu akrab. Kami membedakan antara hubungan afunctional dan hubungan statistik, dan mempertimbangkan masing-masing di tum.

Hubungan fungsional antara Dua Variabel

Sebuah hubungan fungsional antara dua variabel dinyatakan oleh rumus matematika. Jika X2 menunjukkan variabel bebas dan Y variabel dependen, hubungan fungsional adalah ... Y = f (X) Mengingat nilai tertentu dari X, fungsi f menunjukkan nilai yang sesuai Y.Pertimbangkan hubungan antara penjualan Douar (Y) dari produk yang dijual dengan harga tetap dan nomor unit yang terjual (X). Jika harga jual adalah $ 2 per unit, relasi dinyatakan dengan persamaan: Y = 2X Hubungan fungsional ini ditunjukkan pada Gambar 1.1. Jumlah unit yang terjual dan penjualan dolar selama tiga periode terakhir (sementara harga satuan tetap konstan pada $ 2) adalah sebagai berikut:Jumlah DollarPeriode Unit Terjual Penjualan1 75 150 $2 25 503 130 260Pengamatan ini juga diplot pada Gambar 1.1. Perhatikan bahwa AU Fau langsung pada garishubungan fungsional. Ini adalah karakteristik dari hubungan fungsional AU

Hubungan statistik antara Dua Variabelcontoh 1Sebuah hubungan statistik, tidak seperti hubungan fungsional, bukan yang sempurna. Secara umum, pengamatan untuk hubungan statistik tidak Fau langsung di-kurva hubungan.Evaluasi performansi bisnis selama 10 karyawan diperoleh pada pertengahan tahun dan akhir tahun.Data ini diplot pada Gambar 1.2a. Evaluasi akhir tahun diambil sebagai dependen atauvariabel respon Y, dan pertengahan tahun evaluasi sebagai independen, jelas, atau prediktor

Variabel X. merencanakan dilakukan seperti sebelumnya . Misalnya , kinerja pertengahan tahun dan akhir tahun evaluasi untuk karyawan pertama diplot di X = 90 , Y = 94 .Gambar l.2a jelas menunjukkan bahwa ada hubungan antara pertengahan tahun dan akhir tahun evaluasi , dalam arti bahwa semakin tinggi evaluasi pertengahan tahun , cenderung lebih tinggi untuk akhir tahun evaluasi. Namun, hubungan ini tidak sempurna . Ada hamburan poin , menunjukkan bahwa beberapa variasi dalam evaluasi akhir tahun tidak dicatat dengan pertengahan tahun penilaian kinerja . Misalnya , dua karyawan memiliki evaluasi pertengahan tahun X = 80 , namun mereka menerima agak berbeda evaluasi akhir tahun. Karena hamburan poin dalam hubungan statistik, Gambar 1.2a disebut diagram pencar atau plot pencar . di statistik terminologi , setiap titik dalam diagram pencar merupakan trial atau kasus .Pada Gambar 1.2b , kami telah diplot garis hubungan yang menggambarkan hubungan statistik antara pertengahan tahun dan akhir tahun evaluasi . Hal ini menunjukkan kecenderungan umum dimana akhir tahun evaluasi bervariasi dengan tingkat evaluasi kinerja tengah tahun . Perhatikan bahwa sebagian besar poin tidak jatuh langsung pada garis hubungan statistik . Ini hamburan poin sekitar garis mewakili variasi dalam evaluasi akhir tahun yang tidak terkait dengan evaluasi kinerja pertengahan tahun dan yang biasanya dianggap bersifat acak.Hubungan statistik dapat sangat berguna , meskipun mereka tidak memiliki ketepatan darihubungan fungsional .

Contoh 2Gambar 1.3 menyajikan data tentang usia dan tingkat steroid dalam plasma selama 27 perempuan sehat antara 8 dan 25 tahun. Data sangat menyarankan bahwa hubungan statistik adalah lengkung (tidak linier). Kurva hubungan juga telah ditarik pada Gambar 1.3. itumenyiratkan bahwa, seiring dengan meningkatnya usia, tingkat steroid meningkat sampai titik tertentu dan kemudian mulai tingkat off. Perhatikan lagi hamburan poin sekitar kurva hubungan statistik, khas dari semua hubungan statistik.

1.3 Model Regresi dan Penggunaan merekaOrigins sejarahAnalisis regresi pertama kali dikembangkan oleh Sir Francis Galton di bagian akhirAbad ke-19 . Galton telah mempelajari hubungan antara tinggi orang tua dan anak-anak danmencatat bahwa ketinggian anak orang tua keduanya tinggi dan pendek tampaknya " kembali " atau" kemunduran " dengan rata-rata kelompok . Ia menganggap kecenderungan ini menjadi regresi untuk" biasa-biasa saja . " Galton mengembangkan deskripsi matematis regresi ini kecenderungan itu,prekursor model regresi hari ini .Regresi Istilah berlanjut sampai hari ini untuk menggambarkan hubungan statistik betwe ! N variabel .Konsep dasarcontohSebuah model regresi adalah cara formal untuk mengekspresikan dua unsur penting darihubungan statistik :1 . Sebuah kecenderungan variabel respon Y bervariasi dengan prediktor variabel X secara sistematisfashion.2 . Sebuah hamburan poin di sekitar kurva hubungan statistik .Kedua karakteristik yang diwujudkan dalam model regresi dengan mendalilkan bahwa:1 . Ada disfiibution probabilitas Y untuk setiap tingkat X.2 . Cara-cara ini distribusi probabilitas bervariasi dalam beberapa cara sistematis dengan X.Pertimbangkan lagi contoh evaluasi kinerja FiglU " e 1.2 . Akhir tahun evaluasi Ydiperlakukan dengan model regresi sebagai variabel acak . Untuk setiap tingkat kinerja pertengahan tahunevaluasi, ada mendalilkan distribusi probabilitas Y. Gambar 1.4 menunjukkan sepertidistribusi probabilitas untuk X = 90 , yang merupakan evaluasi pertengahan tahun untuk karyawan pertama .Sebenarnya evaluasi akhir tahun karyawan ini , Y = 94 , kemudian dipandang sebagai acakseleksi dari distribusi probabilitas .Gambar 1.4 juga menunjukkan distribusi probabilitas Y untuk tingkat evaluasi pertengahan tahun X = 50dan X = 70 . Perhatikan bahwa sarana distribusi probabilitas memiliki hubungan sistematiske level X. Hubungan sistematis disebut fungsi regresi Y berdasarkan X.Grafik fungsi regresi disebut kurva regresi . Perhatikan bahwa dalam Gambar 1.4fungsi regresi sedikit lengkung . Ini akan berarti misalnya kita bahwa peningkatandi diharapkan (mean ) evaluasi akhir tahun dengan peningkatan kinerja pertengahan tahunevaluasi terhambat pada tingkat yang lebih tinggi kinerja pertengahan tahun.Model regresi mungkin berbeda dalam bentuk fungsi regresi ( linier , lengkung ) ,dalam bentuk distribusi probabilitas Y ( simetris , miring ) , dan dengan cara lain .Apapun variasi , konsep distribusi probabilitas Y untuk setiap X yang diberikan adalahmitra resmi kepada pencar empiris dalam hubungan statistik. Demikian pula , regresikurva , yang menggambarkan hubungan antara sarana distribusi probabilitasY dan tingkat X , adalah mitra untuk kecenderungan umum Y bervariasi dengan Xsistematis dalam suatu hubungan statistik.Model regresi dengan Lebih dari Satu Prediktor Variabel . Model regresi dapatmengandung lebih dari satu variabel prediktor . Tiga contoh berikut .1 . Dalam sebuah studi efisiensi 67 kantor cabang dari rantai pembiayaan konsumen , responvariabel adalah biaya operasi langsung untuk tahun yang baru saja berakhir . Ada empat variabel prediktor :ukuran rata-rata outstanding pinjaman selama tahun , rata-rata jumlah pinjaman , jumlahjumlah aplikasi kredit baru diproses , dan indeks gaji kantor .2 . Dalam studi pembelian traktor , variabel respon adalah Volume ( tenaga kuda ) daripembelian traktor di wilayah penjualan perusahaan peralatan pertanian . Ada sembilan prediktorvariabel , termasuk usia rata-rata traktor di lahan pertanian di wilayah itu , jumlah peternakan diwilayah , dan indeks kuantitas produksi tanaman di wilayah itu .3 . Dalam sebuah penelitian medis anak-anak pendek , variabel respon adalah pertumbuhan plasma puncaktingkat hormon . Ada 14 variabel prediktor , termasuk usia , jenis kelamin , tinggi badan, berat badan ,dan 10 pengukuran lipatan kulit .Model fitur diwakili dalam Gambar 1.4 harus diperluas ke dimensi lebih lanjutketika ada lebih dari satu variabel prediktor . Dengan dua prediktor variabel Xl dan X2misalnya, distribusi probabilitas Y untuk setiap ( X " X2 ) kombinasi diasumsikanoleh model regresi . Hubungan sistematis antara sarana probabilitas inidistribusi dan variabel prediktor Xl dan X2 kemudian diberikan oleh permukaan regresi .

Konstruksi Model RegresiPemilihan Variabel Predictor . Karena kenyataan harus dikurangi dengan proporsi dikelolasetiap kali kita membangun model , hanya sejumlah terbatas dari penjelasan atau prediksivariabel dapat - atau harus - dimasukkan dalam model regresi untuk setiap situasi yang menarik .Oleh karena Masalah sentral dalam banyak studi eksplorasi adalah bahwa memilih , untuk regresiModel , satu set variabel prediktor yang "baik" dalam arti tertentu untuk tujuananalisis. Pertimbangan utama dalam membuat pilihan ini adalah sejauh mana memilihvariabel memberikan kontribusi untuk mengurangi