[Tutorial E-views] Hausmann Test

Akhirnya bisa kembali berjumpa dengan blog tercinta. Hohoho…mohon maaf sebelumnya baru kembali mem-publish tulisan, karena saya baru menyelesaikan diklat prajabatan dan kemudian dilanjutkan pelatihan bersama ABS (Australian Bureau of Statistics). Jadi hampir 1 bulan saya tidak login ke blogger. Tetapi mudah-mudahan tulisan saya kali ini dapat melengkapi tulisan saya sebelum-sebelumnya terkait dengan pemilihan model estimasi data panel (Fixed vs common vs random effects) yang sempat lama tertunda.

Pada penulisan kali ini saya akan menjelaskan tahapan Hausmann test dengan menggunakan E-views (Untukpenjelasan Hausmann test dapat dilihat di halaman ini). Untuk input data dan pengolahan estimasi telah dijelaskan sebelumnya. Baiklah, tanpa memperpanjang lagi kita langsung capcus ke tahapannya aja.

1.      Diasumsikan teman-teman telah melakukan pengujian signifikansi fixed effect (Kalau belum klik)

2.      Nah untuk pengujian hausmann, yang teman-teman harus pastikan adalah sedang dalam kondisi model random effects.

3.      Pilih view > Fixed/Random Effect Testing > Correlated Random Effects – Hausmann Test

4.      Berikut hasil Output nya

Nilai Prob yang besar dari 0.05 menunjukkan kondisi terima Ho. Dalam hal ini Ho nya adalah Model random lebih baik dibandingkan model Fixed Effect. Sehingga karena nilai prob nya = 0.5682, maka dengan tingkat keyakinan 95% dapat disimpulkan bahwa untuk data yang kita miliki model random effect lebih sesuai digunakan. Mungkin ini dulu, lain kesempatan saya akan menulis kembali. Terimakasih. (Ferdi Fadly)

Read more »

[Tutorial SPSS] Penentuan Variabel Dominan dan Besar Kontribusi Masing masing variabel bebas Regresi

Hoho...Sesuai janji, hari ini saya akan menulis kelanjutan pembahasan Variabel dominan sebelumnya terutama terkait dengan berapa sih kontribusi masing-masing variabelnya dan sebagainya. Ok.

Sebelumnya, mari lakukan run data regresi yang kita miliki. (Lihat kembali Regresi).

Nah tambahannnya adalah dengan men-set metode nya seperti ditunjukkan pada gambar. Biar urut berdasarkan variabel dominannya dapat menggunakan pilihan forward ataupun stepwise (Penjelasan postingan mengenai ini nantinya akan membantu anda menjawab kenapa saya katakan ini akan otomatis diurutkan..tapi sabar ya...=D...)

Setelah itu Ok. Kemudian sekarang Analyze lagi, Correlate > bivariate seperti ditunjukkan dibawah ini

Lalu akan muncul bebarapa output. Nah carilah Output Coefficient dan Correlations seperti ditunjukkan dibawah ini :

Nah, dari output diatas ditunjukkan bahwa variabel X2 masuk lebih dahulu dari variabel X1 kan? Kemudian variabel X3 secara otomatis telah dihilangkan dari model karena tidak signifikan. OK...sekarang kita bicara besarnya kontribusi nya ya...Ok....perhatikan perhitungan berikut :

Read more »

Penentuan Variabel Dominan pada regresi

Sebuah pertanyaan menarik dilontarkan oleh seorang sahabat lama, katakanlah namanya "Boco" (dalam bahasa melayu mungkin dekat padananya dengan gokil dalam bahasa gaul).Si boco ini bertanya, "Bagaimana cara kita menentukan variabel bebas yang paling signifikan mempengaruhi variabel tidak bebasnya dalam regresi?". Saya sempat terheran ketika ditanyakan seperti ini, pertanyaan sederhana namun sarat makna dari seorang boco. Mantap, pikir saya....

Berhari-hari saya berpikir sembari mengingat kembali perjalanan masa kuliah ketika pelajaran regresi. Hingga lamunan saya berhenti di salah satu pertemuan analisis regresi yaitu metode estimasi pemilihan model terbaik (on going ya tulisan yang ini, kita fokus dulu ke penentuan variabel dominannya ya).

Variabel dominan 

Sebelum kita menentukan mana variabel dominan, tentu kita harus tahu dulu apa itu variabel dominan. Akan banyak persepsi ataupun pandangan dari seseorang untuk mendefinisikan variabel yang paling dominan. Namun, menurut saya yang paling penting variabel dominan itu harus signifikan (ya iyalah ya...kalau ga signifikan tidak mungkin variabel itu pantas untuk menjadi variabel yang dominan) dan punya kontribusi paling besar terhadap modal. Setuju???

Lho koq diam? saya simpulkan setuju dulu ya...hehehe... Salah satu cara untuk menentukan mana variabel dominan di regresi adalah dengan menggunakan ataupun dalam hal ini memilih metode estimasi pemilihan model terbaik. Hal, ini dikarenakan dengan menggunakan salah satu metode estimasi pemilihan model terbaik, secara otomatis variabel tersebut akan diurutkan berdasarkan mana variabel yang paling dominan. Gak percaya? Yapz...mari kita diskusikan.

Berdasarkan metode estimasinya, Pemilihan model dapat dibagi menjadi :
1. Backward Elimination --> Memasukkan semua variabel untuk kemudian menghilangkan satu per satu variabel yang tidak signifikan (Singkat kata dulu ya kan janjinya seperti itu)
2. Forward Regression --> Dimulai dengan memasukkan variabel yang signifikan dalam hal ini yang paling berkorelasi kuat  terhadap dependent variable nya untuk kemudian memasukkan satu per satu variabel nya, hingga mencapai kondisi variabelnya signifkan semua.
3. Stepwise Regression --> Dimulai dengan memasukkan variabel yang signifikan, kemudian secara bertahap memasukkan variabel, namun apabila ada variabel yang tidak signifkan variabel tersebut dapat dikeluarkan kembali dari model.

Nah, kalau kita tarik benang merahnya, ketiga metode tersebut secara otomatis akan memberikan urutan variabel yang signifikan lho. Menarik. Lalu diawal pembukaan postingan saya sampaikan bahwa variabel dominan harus memberikan kontribusi paling besar terhadap variabel tak bebas nya kan??  Tentu tidak afdhol kalau berbicara ini tanpa berbicara angka, jadi nantikan postingan berikutnya terkait dengan tutorial pemilihan metode estimasi dan kontribusi variabel bebas terhadap variabel tidak bebasnya. Terimakasih atas kunjungannya. -Ferdi Fadly-

Read more »

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 »