Secara umum, regresi adalah suatu metode untuk meramalkan nilai harapan yang bersyarat. Regresi dikatakan linear apabila hubungan antara variabel independen dan variabel dependennya adalah linear. Hubungan antara variabel independen dan variable dependen dapat dikatakan linear apabila diagram pencar data dari peubah-peubah tersebut mendekati pola garis lurus. Fungsi linear selain mudah interpretasinya, juga dapat digunakan sebagai hampiran (approximation) atas hubungan yang bukan non-linear.
Bentuk dari regresi linear adalah:
Y =βo +β1X1 +β2X2 +....+ε (2.1)
Apabila hubungan antara variabel independent dan variabel dependen tidak linear, maka regresi dikatakan regresi non-linear. Bentuk dari hubungan regresi non-linear adalah:
Yi= f (Xi ,γ )+ε (2.2)
dengan γ adalah fungsi respon non-linear dari parameternya.
Error pada regresi non-linear diasumsikan untuk mempunyai nilai harapan sebesar nol, ragam yang konstan dan tidak dikorelasikan, sama seperti asumsi error pada model regresi linear (Neter, J., Kutner, M.H., Nachtsheim, C.J.,Wasserman,W., 1996)
Konsep Dasar :
- Analisis regresi dapat digunakan untuk berbagai model persamaan matematis, misalnya : fungsi logarimic, fungsi polinomial, fungsi power, exsponensial, dll
- Analisis yang sering digunakan adalah bentuk logaritmic baik yang biasa (Log X), maupun logaritma natural (Ln X = 2,718Log X)
- Koefisien yang diperoleh dari analisis regresi logaritma/ fungsi pangkat akan langsung menunjukkan elatisitasnya
- Analisis ini harus mendasarkan pada teori atau pengembangannya yang relevan dengan obyek penelitian
Sedangkan Regresi logistik adalah salah satu
bentuk regresi non-linear yang mempunyai variabel dependen yang diskrit
dan mempunyai sebaran binomial, sedangkan variable independennya dapat terdiri
dari variabel yang continu, diskrit, dikotomus, ataupun gabungannya.
Regresi logistik dapat dibedakan menjadi
2, yaitu: Binary Logistic Regression (Regresi Logistik Biner) dan Multinomial
Logistic Regression (Regresi Logistik Multinomial). Regresi Logistik biner
digunakan ketika hanya ada 2 kemungkinan variabel respon (Y), misal membeli dan
tidak membeli. Sedangkan Regresi Logistik Multinomial digunakan ketika pada
variabel respon (Y) terdapat lebih dari 2 kategorisasi.
Ingin mengetahui lebih jauh?
Jangan kuatir, saya sudah siapkan bahasan dengan Aplikasinya lengkap-nya disini.
Salam kenal mas,, saya mau tanya dong..
ReplyDeletepenelitian saya menggunakan regresi logistik karena variabel dependennya adalah status (1=Perusahaan Perata Laba, 2=Perusahaan bukan perata laba)
setelah dilakukan pengujian ternyata hasilnya tidak ada satupun variabel independen yang signifikan (ada 5 variabel independen yang saya gunakan), setelah saya baca2 lagi, ternyata terjadi overdispersi, karena nilai SE nya begitu tinggi..
pertanyaan saya,
1. bagaimana “mengobati” overdispersi tanpa harus membuang variabelnya?
2. data yang saya gunakan berupa data panel, ada beberapa yang menyarankan saya harus running regresi data panel dulu, namun saya belum faham mas..
untuk mengolah data saya menggunakan SPSS..
mohon pencarahannya ya mas..
terimakasih sebelumnya..
Jawaban saya sudah kirimkan lewat email.
ReplyDeletesaya punya masalah. dependen adalah perusahaan yang mengalami potensi kebangkrutan(1) dan tidak bangkrut (0). hipotsisnya kepemilikan manajerial berpengaruh non monotonik terhadap potensi kebangkrutan, negatif pada tingkat lebih rendah dan positif pada tingkat lebih tinggi.bila variabel independennya seperti ini kepemilikan manajerial 0-25% , 25%-50% dan 50 % ke atas. bagaimana cara memasukkan data tersebut dan mengolahnya dalam SPSS. Mohon penjelasannya. Terimaksih sebelumnya
ReplyDeleteassalamualaikum.. maaf saya mau bertanya apakah data yang tidak linier bisa diubah menjadi linier? kemudian dimana saya bisa menemukan tutorial untuk analisis regresi non linier?
ReplyDeleteterimakasih