Regresi Berganda

1. Regresi Berganda • Regresi berganda melibatkan penggunaan lebih daripada 1 pembolehubah tak bersandar untuk meramal pembolehubah bersandar • Pembolehubah bersandar = Y • Pembolehubah tak bersandar = X1, X2, X3, .. Xn • Koefisien regresi = b1, b2, b3, … bn • Pintasan = a • Persamaan: Y = a + b1X1 + b2X2 + b3X3 + ….. + bnXn Kaedah Penyelidikan Perniagaan

2. Koefisien Regresi • Koefisien regresi bersih (net) • Mengukur perubahan purata dalam pembolehubah bersandar bagi setiap unit perubahan dalam pembolehubah tak bersandar dengan andaian pembolehubah tak bersandar lain adalah malar (konstan) • Contoh: Y = 6.04 - 18.1 X2 + 5.9 X3 ^ Kaedah Penyelidikan Perniagaan

3. Syarat Penggunaan • Syarat sebelum boleh digunakan: • Data mestilah dalam bentuk selanjar atau pun telah mengalami transformasi • Pembolehubah bersandar dan tak bersandar (peramal) mestilah ditentukan terlebih dahulu • Isu yang berbangkit • Kesesuaian soalan penyelidikan • Spesifikasi perhubungan statistik • Jumlah Kos = Kos Berubah + Kos Tetap • Pemilihan pembolehubah bersandar dan tak bersandar Kaedah Penyelidikan Perniagaan

4. Ciri-ciri Peramal yang baik • Ciri-ciri pembolehubah peramal yang baik • Berkait rapat dengan pembolehubah bersandar • Tidak mempunyai korelasi yang tinggi dengan pembolehubah tak bersandar yang lain Kaedah Penyelidikan Perniagaan

5. Matriks Korelasi • Matriks korelasi di bentuk dengan mengira korelasi mudah antara kesemua pasangan pembolehubah • Contoh Matriks Pembolehubah Pembolehubah 1 2 3 1 r11 r12 r13 2r21 r22 r23 3 r31 r32 r33 Kaedah Penyelidikan Perniagaan

6. Ralat Piawai Anggaran • Persamaan di mana: • Syx2x3 = ralat piawai anggaran Y di regresi berbanding dengan X2 dan X3 • Y = jualan sebenar • Y = anggran jualan dengan persamaan regresi • n = bilangan cerapan • k = bilangan koefisien yang di anggar dalam persamaan ^ Kaedah Penyelidikan Perniagaan

7. Pembolehubah Patung(Dummy Variable) • Pembolehubah patung digunakan untuk menentukan perhubungan antara pembolehubah tak bersandar kualitatif dengan pembolehubah bersandar • Contoh: • Jantina diwakili oleh Lelaki=1 dan Wanita=0 • 2 kategori = 1 pembolehubah patung • 3 kategori = 2 pembolehubah patung • Secara am bilangan pembolehubah patung = (c - 1) Kaedah Penyelidikan Perniagaan

8. Masalah Kolinearan dan Multikekolinearan • Masalah ini berlaku bila terdapat korelasi yang tinggi di antara pembolehubah tak bersandar • Kolinearan adalah korelasi tinggi antara 2 pembolehubah tak bersandar manakala multikekolinearan adalah korelasi tinggi antara 3 atau lebih pembolehubah tak bersandar • Kesannya MUNGKIN menyebabkan • Koefisien tak boleh di percayai • Koefisien mempamirkan tanda yang salah • Saiz koefisien yang di berikan silap Kaedah Penyelidikan Perniagaan

9. Cara Mengatasi Multikekolinearan • Jika perhubungan korelasi sempurna antara 2 pembolehubah, kita boleh menyingkir 1 pembolehubah dan hanya menggunakan salah 1 pembolehubah sahaja • Cara lain • Ambil saiz sampel yang besar • Kaedah Diagnostik • Graf • Matriks • Pengalaman Kaedah Penyelidikan Perniagaan

10. Andaian dalam Regresi Berganda • Perhubungan adalah linear • Plot regresi separa • Plot nilai X1 dan Y, X2 dan Y dsb • Varians ungkapan ralat adalah malar (constant) • Plot residual studentized dengan Y ramalan • Ujian Levene bagi “homogeneity of variance” • Ungkapan ralat adalah tak bersandar • Studentized residual dan Cerapan • Statistik D-W Kaedah Penyelidikan Perniagaan

11. Andaian dalam Regresi Berganda • Ungkapan ralat bertaburan normal • Plot kebarangkalian normal • Tiada Masalah Multikekolinearan • Tolerance = 1 - Ri2 (mestilah kurang dari 0.1) • VIF = 1/ Ri2 (tidak boleh melebihi 10) Kaedah Penyelidikan Perniagaan

12. Analisis Diskriminan • Konsep asas sama dengan regresi berganda cuma perbezaannya adalah pembolehubah bersandar dalam analisis ini adalah dalam bentuk kategori atau nominal • Analisis ini cuba mengklasifikasikan orang atau objek ke dalam dua atau lebih kumpulan • Klasifikasi yang boleh digunakan: • Membeli, Tidak Membeli • Pencapaian Tinggi, Pencapaian Sederhana, Pencapaian Rendah Kaedah Penyelidikan Perniagaan

13. Persamaan Diskriminan • Persamaan Diskriminan Di = d0 + d1X1 + d2X2, ……. + dnXn • di mana • Di = skor fungsi diskriminan i • di = koefisien berwajaran • d0 = pemalar • X’s = nilai pembolehubah diskriminan yang digunakan dalam analisis • Contoh: • D = 0.659X1 + 0.583X2 + 0.975X3 Kaedah Penyelidikan Perniagaan

14. Contoh Pengiraan Skor Diskriminan • Hasil Klasifikasi Analisis Diskriminan Ramalan Kumpulan Kumpulan Sebenar Bilangan Kes 0 1 Tidak Berjaya 0 15 13 2 86.7% 13.3% Berjaya 1 15 3 12 20.0% 80.0% Peratusan kes yang di klasifikasi dengan betul: 83.3% Kaedah Penyelidikan Perniagaan

15. Analisis Faktor • Fungsi analisis ini adalah untuk mengurangkan bilangan pembolehubah yang banyak kepada bilangan yang boleh diuruskan man-mana pembolehubah yang tergolong dalam kategori yang sama dan mempunyai ciri-ciri ukuran yang bertindan • Bila kita ingin mencari perhubungan ataupun “underlying dimensions” kita lakukan analisis ini • Kesemua pembolehubah di masukkan ke dalam analisis dan komputer akan ekstrak beberapa faktor yang penting dengan menggunakan “Principal Components Analysis” selepas “Varimax Rotation” • Selepas proses ekstrak ini kita boleh memberikan nama kepada pembolehubah baru (faktor yang diekstrak) Kaedah Penyelidikan Perniagaan