Analisis Regresi Linear Berganda dengan Software R

Dalam kesempatan ini faro ingin berbagi mengenai cara Analisis Regresi Berganda menggunakan software R. Dalam artikel ini akan dijelaskan sedikit tentang cara analisis regresi berganda menggunakan command script.

Sederhananya, Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat.

Model umumnya seperti di gambar berikut :

Analisis Regresi Linear Berganda dengan Software R

Karena kali ini menggunakan command script, maka faro sarankan code dibawah ini segera dipraktekkan untuk mengetahui hasilnya.

Command Script
1. Untuk membuat model regresi, tentunya anda telah membuat variable x dan y, di artikel ini faro menggunakan data berikut :

> x1=c(10, 19, 27, 31, 64, 81, 42, 67, 48, 64, 57, 10, 48, 96, 75, 12, 47, 20, 73, 4, 9, 98, 27, 59, 23, 90, 34, 16, 32, 94)
> x2=c(22.1, 22.5, 22.1, 22.0, 22.6, 21.7, 23.8, 22.0, 22.4, 22.6, 21.1, 22.5, 22.2, 24.8, 22.6, 20.5, 21.9, 20.5, 20.8, 20.0, 23.3, 21.3, 22.9, 22.3, 22.6, 22.4, 23.8, 20.6, 24.4, 25.0)
> x3=c(4.9, 3.0, 1.5, 0.6, 1.8, 3.3, 3.2, 2.1, 6.0, 1.8, 3.8, 4.5, 4.5, 0.1, 0.9, 4.8, 2.3, 3.0, 0.3, 2.7, 4.4, 3.9, 1.4, 2.7, 2.7, 2.2, 0.7, 3.1, 0.6, 4.6)
> x4=c(0, 1, 0, 3, 2, 1, 0, 0, 1, 1, 0, 1, 0, 3, 0, 0, 1, 2, 2, 0, 1, 1, 2, 1, 1, 2, 1, 1, 3, 5)
> x5=c(2.4, 2.6, 2.8, 2.7, 2.0, 2.5, 2.5, 2.3, 2.8, 3.4, 3.0, 2.7, 2.8, 3.8, 3.7, 2.1, 1.8, 1.5, 1.9, 2.2, 2.8, 2.9, 3.2, 2.7, 2.4, 2,6, 3.4, 2.3, 4.0, 3.6)
> y=c(44, 47, 60, 71, 61, 60, 58, 56, 66, 61, 51, 47, 53, 74, 65, 33, 54, 39, 52, 30, 58, 59, 52, 56, 49, 63, 61, 39, 62, 78)

2. Selanjutnya adalah membuat model regresi menggunakan perintah

> hasil = lm(y~x1+x2+x3+x4+x5) #dengan intercep atau
> hasil = lm(y~x1+x2+x3+x4+x5-1) #tanpa intersep

3. Untuk melihat model, gunakan perintah

> summary(hasil)

4. Untuk memilih variabel independen menggunakan metode stepwise, gunakan perintah :

> library(stats); step(hasil)

Kemudian lakukan pembentukan model ulang berdasarkan hasil dari langkah pemilihan variabel independen yang signifikan.

6. Untuk menguji normalitas menggunakan qq plot, maka yang digunakan adalah residual model.
perintah untuk mendapatkan residual model di software R

> residumodel = resid(hasil)


gambar qq plot

7. Setelah variabel residu dibuat, maka untuk membuat qq plot digunakan perintah

> library(car);qqPlot(residumodel,dist="norm",main="normal qq model")

untuk tipe r lama, jika perintah diatas tidak berfungsi maka gunakan perintah berikut

> library(car);qq.plot(residumodel,dist="norm",main="normal qq model")

8. Untuk uji Shapiro-Wilks , gunakan perintah

> library(stats); shapiro.test(residumodel)

9. Untuk Uji Jarque-Bera, gunakan perintah

> library(tseries);jarque.bera.test(residumodel)

10. Perintah untuk uji Homoskesdastisitas menggunakan uji Breusch Pagan

> library(lmtest); bptest(hasil, studentize=F)

11. Uji autokorelasi dengan uji Durbin-Watson dapat menggunakan perintah

> library(lmtest); dwtest(hasil, studentize=F)

12. Uji multikolinieritas dengan menggunakan perintah

> library(car); vif(hasil)

Semoga Artikel ini bermanfaat.

Post link : http://www.blognafaro.com/2013/10/analisis-regresi-linear-berganda-dengan-Software-R.html