PT 20803 : ANALISIS DATA

Kuliah 11
REGRESI MUDAH
UNIVERSITI MALAYSIA SABAH

Pengenalan
Regresi membolehkan kita meramal skor/ nilai suatu
pembolehubah terikat daripada satu pembolehubah lain bebas.
Analisis regresi digunakan jika pembolehubah bebas berkorelasi
dengan pembolehubah terikat.
Pembolehubah bebas boleh dalam bentuk pembolehubah
selanjar atau kategori. Jika berbentuk kategori, ia harus dikodkan
sebagai pembolehubah dummy.
Pembolehubah terikat mesti dalam bentuk ukuran skala
selanjar. Jika tidak, maka analisis fungsi discriminant (discriminant
function analysis) adalah lebih sesuai

Pengenalan
Terdapat tiga (3) model utama regresi:
Standard or simultaneous regression
-semua pembolehubah bebas/ peramal dimasuk sekaligus dalam
persamaan regresi.
Hierarchical regression (khusus untuk regresi pelbagai)
-pembolehubah bebas dimasukkan mengikut urutan dalam
persamaan regresi dimana urutannya adalah berdasarkan teori.
Stepwise regression (khusus untuk regresi pelbagai)
-Jumlah dan urutan pembolehubah yang dimasukkan ditentukan
oleh kriteria statistik yang terdapat dalam prosedur stepwise.

Pengenalan
Ketiga-tiga model ini berbeza dari segi:
Rawatan terhadap pertindihan keperbezaan akibat daripada
korelasi antara pembolehubah yang terlibat.
Urutan pembolehubah bebas dimasukkan dalam persamaan
regresi.

Syarat Menggunakan Analisis

Regresi
Kes nisbah pada pembolehubah bebas
Keperluan minima bilangan kes adalah terdapat sekurangkurangnya 5 kali lebih kes berbanding pembolehubah bebas.
Nilai ekstrim (Outliers)
Nilai ekstrim (outliers) memberi kesan kepada hasil regresi
dan data yang ekstrim haruslah dibuang atau digantikan untuk
mengurangkan kesan nilai ekstrim tersebut.

Syarat Menggunakan Analisis

Regresi
Multicollinearity dan singularity
Multicollinearity merujuk kepada nilai korelasi yang sangat
tinggi di antara pembolehubah-pembolehubah bebas.
Singularity pula wujud apabila korelasi yang sempurna berlaku
antara pembolehubah-pembolehubah bebas.
Normality, linearity, homoscedasticity dan independence of
residuals
Diandaikan bahawa perbezaan antara skor yang diperolehi
dan skor ramalan pembolehubah terikat bertaburan secara
normal.

Regresi Mudah
Analisis regresi mudah (bivariate regression) menerangkan
hubungan di antara pembolehubah terikat (atau kriteria/ criterion)
dengan SATU pembolehubah bebas (atau peramal/ predictor).
Persamaan regresi mudah:

E(Y ) a bX
Bagi analisis yang menggunakan metod regresi, pembolehubah
terikat (criterion) diletak pada garisan vertikal (paksi-y) scatterplot
dan pembolehubah bebas atau peramal (predictor) pula diletak
pada garis horizontal (paksi-x).

Regresi Mudah
CONTOH KES
Persoalan Kajian: Pengkaji ingin mengkaji sama ada spiritual
seseorang boleh atau tidak meramal kepuasan hidupnya.
Objektif: Mengkaji perhubungan di antara spiritual dan
kepuasan hidup.

Hipotesis nol: Spiritual seseorang tidak dapat meramal

kepuasan hidupnya.

Analisis Regresi Mudah: Standard

(Simultaneous) Regression Analysis

Pilih menu
Analyze
Klik
Regression
dan kemudian
Linear untuk
membuka
kotak Linear
Regression

Analisis Regresi Mudah: Standard

(Simultaneous) Regression Analysis
Pilih pembolehubah
terikat dan klik
untuk memindahkan
pembolehubah ke
kotak Dependent:
Pilih pembolehubah
bebas dan klik
untuk memindahkan
pembolehubah ke
kotak
Independent(s):

Dalam senarai ke
bawah Method:,
pastikan Enter dipilih

Analisis Regresi Mudah: Standard

(Simultaneous) Regression Analysis
Klik Statistics
untuk membuka
sub kotak
Linear
Regression:
Statistics dan
pastikan kotak
Estimates dan
Model fit dipilih
Klik Continue

Analisis Regresi Mudah: Standard

(Simultaneous) Regression Analysis
Klik Plots untuk
membuka sub kotak Linear
Regression: Plots
Pilih *ZRESID dan
pindahkan ke kotak Y:
Pilih *ZPRED dan
pindahkan ke kotak X:
Dalam kotak
Standardized Residual
Plots, pilih Normal
Probability Plot.

Klik Continue
Output

Analisis Regresi Mudah: Standard

(Simultaneous) Regression Analysis
Interpretasi

Daripada scatterplot residuals, didapati tidak terdapat hubungan

antara residuals dengan nilai yang diramalkan. Dapatan ini
memenuhi andaian linearity. Normal plot of regression
standardized residual bagi pembolehubah terikat juga
menunjukkan taburan normal.
R Square (.041) menunjukkan peratus varians dalam
pembolehubah terikat yang boleh diterangkan oleh pembolehubah
bebas.

Analisis Regresi Mudah: Standard

(Simultaneous) Regression Analysis
Interpretasi

Ujian F (F(1, 396) = 16.769, k < .05) digunakan untuk menguji

kesignifikanan sumbangan sesuatu model terhadap sesuatu
pembolehubah terikat.
Pekali regresi tidak piawai antara skor spiritual dan skor
kepuasan hidup ialah 1.329.
Pintasan (a) merujuk kepada nilai malar (constant) = 151.277, ia
adalah titik di mana garisan regresi memotong garisan vertikal
(paksi-y).

Analisis Regresi Mudah: Standard

(Simultaneous) Regression Analysis
Interpretasi
Nilai .202 dalam lajur Beta, adalah nilai pekali korelasi. Jika skor
ini ditukar kepada skor piawai (skor z), maka kecerunan garis
regresi adalah sama dengan pekali korelasi.
Ujian t (t =
4.095, k < .05) digunakan untuk menguji
kesignifikanan sumbangan sesuatu pembolehubah bebas
terhadap pembolehubah terikat.
Keputusan ini membolehkan kita meramal.

Analisis Regresi Mudah: Standard

(Simultaneous) Regression Analysis
Melapor
Hasil analisis regresi menunjukkan model regrasi yang
mengandungi pembolehubah bebas (kepuasan hidup) boleh
menerangkan secara signifikan sebanyak 4.1% daripada varians
dalam pembolehubah terikat (spiritual) (F(1, 396) = 16.769, k < .05) .
Hasil daripada pekali regresi (Beta = .202), (t = 4.041, k < .05)
menunjukkan hubungan di antara kepuasan hidup dan spiritual
adalah satu hubungan linear yang signifikan. Dapatan ini
menjelaskan bahawa subjek yang berpuas hati dengan hidupnya
adalah tinggi dalam spiritualnya dan begitu juga sebaliknya.