Fixed, Common or Random (Part 2)

Alhamdulillah, akhirnya setelah berbulan-bulan saya akhirnya bisa kembali menulis lagi. Senang rasanya bisa memiliki waktu luang dan dapat mengerjakan apa yang kita senangi, bukan?  Ya, saya harap teman-teman juga dapat mengerjakan apa yang teman-teman senangi, tentunya.

Pada hari ini, dan pekan-pekan selanjutnya, insyaAllah sekali seminggu atau sekali 2 minggu (mungkin slogannya bisa FRD is FRD atau Friday is Ferdi’s day) saya akan coba mem-publish tulisan. Semoga tulisan saya bermanfaat baik bagi teman-teman dan khususnya bagi saya pribadi dalam rangka “Mengikat ilmu”. Aamiin yaa Rabbal Alamiin.

Pada postingan kali ini, saya akan coba melanjutkan pembahasan mengenai pemilihan model estimasi (Fixed, common atau random). Tetapi mungkin, kali ini lebih ke arah tahapan tips dan triknya sehingga lebih sederhana (Terkait dengan banyaknya pertanyaan mengenai hal ini).

Nah, Tahapannya mungkin dapat dijelaskan oleh bagan berikut :

Note :

Pengujian – pengujian diatas dapat anda baca di postingan berikut :

1.       Fixed vs Common

2.       Fixed vs Random

3.       Common vs Random

Terimakasih telah berkunjung….-Ferdi Fadly-

Read more »

Geography

Read more »

Interpretasi Output Analisis Regresi Logistik

Seperti yang telah saya janjikan pada saat menyampaikan langkah-langkah Analisis regresi Logistik, kali saya akan coba menyampaikan interpretasi dari Output yang kita hasilkan. Apabila ingin membaca kembali mengenai konsep dari analisis regresi logistik berikut linknya saya berikan dengan mengklik reglog. Interpretasi ini akan saya bagi menjadi beberapa poin. Pertama, pengujian secara keseluruhan (overall test). Kedua, pengujian secara parsial (partial test). Dan, bagian terakhir terkait dengan goodness of fit (kelayakan dan kesesuaian model). Soal yang saya gunakan masih sama dengan yang dikerjakan pada langkah-langkah analisis regresi yaitu :

  

 

Ok…mungkin saat ini kita putuskan dulu ya, kita memilih model yang kedua yang akan kita gunakan untuk interpretasi odds ratio. Namun, perlu diyakinkan ini bukan suatu kesimpulaan yang mutlak. Artinya, anda bebas menetapkan mana model yang digunakan selama secara kriteria kelayakan (substansi dan statistik) itu terpenuhi. Itulah seninya, the art of statistics.=)

Interpretasi odds ratio

Seperti yang pernah disampaikan, pada reglog koefisiennya akan sulit diinterpretasi secara langsung. Kita akan menginterpretasi lewat angka odds ratio (yang di shading biru pada variables in the equation).

Dari Exp (B1) = 1.045 --> Semakin lama durasi operasi seseorang maka kecendrungannya untuk terkena sore throat ketika bangun meningkat. (cara interpretasi variabel kuantitatif)

Dari Exp (B2) = 0.127 --> kecendrungan seseorang yang menggunakan tracheal tube untuk terkena sore throat ketika bangun 0.127 kalinya jika dibandingkan seseorang yang menggunakan laryngeal mask airway. (cara interpretasi variabel kualitatif)

Atau dapat juga dimaknai Dari Exp (-B3) = 7.88 --> kecendrungan seseorang yang menggunakan laryngeal mask airway untuk terkena sore throat ketika bangun hampir 8 kalinya jika dibandingkan seseorang yang menggunakan tracheal tube.

Terimakasih telah membaca… Sukses Selalu buat teman semua … -Ferdi Fadly -

Read more »

[Tutorial SPSS] Analisis Regresi Logistik Biner

Minggu yang lalu, saya telah menyampaikan mengenai konsep dari analisis regresi logistik biner. Pada minggu ini, saya akan coba melanjutkan pembahasan berkaitan dengan langkah-langkah pengolahan nya dengan menggunakan bantuan program SPSS. Langkah-langkahnya adalah sebagai berikut :

1.      Buka lah program SPSS yang anda miliki

2.    Input data nya -->sebagai contoh, data yang saya gunakan adalah data latihan dari buku Categorical Data Analysis (Alan Agresti, 2007, edisi 2 --> halaman 132), pada kasus saya variabel penjelasnya ada 2 (Durasi skala rasio dan T dengan skala nominal) dan variabel terikatnya Y dalam bentuk nominal (terdiri atas 2 kategori-->biner)

3.   Pilih opsi variabel view, lalu ubahlah variabel name dan label-nya sesuai dengan kasus masing-masing. Saat ini, saya akan menggubah nama menjadi D, T dan Y misalnya. Kemudian Values nya disesuaikan nilainya. Bila data berbentuk nominal atau ordinal (misalnya untuk T dan Y),  measure nya diganti dari scale menjadi nominal.

4.      Data telah beres, kemudian pilih opsi Analyze > Regression > Binary Logistics

5.      Masukkan Y sebagai variabel Dependent dan D serta T sebagai covariates. Untuk Method nya saat ini saya masih tetap menggunakan enter.

6.      Karena T berbentuk kategorik, maka harus ditetapkan reference Category nya dengan cara memilih opsi Categorical. Untuk kemudahan interpretasi biasanya saya memilih first untuk reference nya.  Artinya setiap kategori akan diperbandingkan dengan kategori pertama. Kemudian JANGAN LUPA pilih change. Klik Continue.

7.  Pilih options. Kemudian centang hosmer lemeshow dan classification plots dan klik continue. Kemudian OK.

 

Ok...Untuk Interpretasi Outputnya silahkan membaca postingan berikutnya yang berjudul : Analisis Regresi Logistik (interpretasi). Terimakasih telah membaca... -Ferdi Fadly -

Read more »

Impian

Read more »

Regresi Logistik Biner (Variabel tak bebas dikotomi)

 

Read more »

Pengujian Signifikansi Random Effects (Common versus Random Effects)

Read more »

Hausmann Test (fixed effects versus random effects)

Read more »

[Tutorial E-views] Pengujian signifikansi Fixed Effects Model

Beberapa waktu yang lalu telah disampaikan mengenai materi Pengujian signifikansi Fixed Effects Model… Nah, saat ini saya akan melanjutkan penjelasan tentang prosedur pengerjaannya. Seperti yang sudah kita pelajari Pengujian signifikansi Fixed Effects Model bertujuan untuk memperbandingkan antara model Fixed Effects dengan model common Effects, dimana hipotesis Null nya adalah model common effects lebih baik, artinya memang tidak ada perbedaan efek antar individu (waktu kalau menggunakan efek fixed period) pada data panel.

Tahapan Pengujiannya adalah sebagai berikut :

1.      Model telah dilakukan Estimasi terlebih dahulu, misalnya Fixed effect pada cross-section nya, seperti yang telah dilakukan pada saat materi Estimasi data panel menggunakan E-views (silahkan dilihat kembali).

2.      Pada saat ingin menguji signifikansi Fixed Effects Model, pastikan kembali bahwa estimation method yang digunakan cross section/period nya tertulis Fixed, kemudian OK.

3.      Pada Pool, pilih VIEW à Fixed/Random Effect Testing à Redundant Fixed Effect – Likelihood Ratio , Kemudian Klik

4.      Kemudian akan muncul Output seperti ini:

Seperti yang dapat dilihat pada output diatas, nilai Prob=0.0000 untuk Cross-section F, yang berarti kurang dari 0.05 (KEPUTUSAN: TOLAK Ho) sehingga dapat disimpulkan dengan tingkat keyakinan 95 persen model FIXED Effects lebih baik daripada model COMMON Effects.

            Atau penghitungan Semi manualnya dapat dilakukan sebagai berikut :

1.      Cari Sum Square Residual Model Common à RSS 1 dengan cara method estimasi nya tidak dirubah menjadi fixed ataupun common (Lihat Estimasi datapanel menggunakan E-views).

2.      Cari Sum Square Residual Model Fixed à RSS 2 dengan cara method estimasi nya dirubah menjadi Fixed (Lihat Estimasi data panel menggunakan E-views).

3.   Lakukan Penghitungan sesuai dengan rumus pada Pengujian signifikansi Fixed Effects Model.

Disini saya menggunakan bantuan program Ms. Excell untuk menghitungnya

            Kesimpulan yang diperoleh sama saja, karena memang ini hanya penjabaran rumusnya saja… Terimakasih telah membaca…

FERDIAN FADLY

Read more »

Pengujian Signifikansi Model Fixed Effects

Read more »