Professional Documents
Culture Documents
Bacaantambahanoutput
Bacaantambahanoutput
Output komputer telah dianalisis dengan menggunakan kaedah biasa (seperti yang
diterangkan dalam contoh sebelum ini) atau kaedah ringkas (dengan membandingkan nilai
probabiliti yang diberikan dengan nilai = aras keertian).
1. Ujian t sampel tak bersandar. Ini adalah ujian min 2 sampel, di mana terdapat 2
purata dan 2 sisihan piawai.
(a) Hipotesis
H0 µ1 = µ2
H1 µ1 µ2
Dalam perkataan
x1 x2
t
1 1
S p2 ( )
n1 n2
Di mana
(n1 1) S12 ( n2 1) S 22
S
2
p
n1 n2 2
Jika nila p < 0.05 (aras keertian) kita akan tolak H 0, dan menyatakan bahawa
ada perbezaan yang bererti:
Jika nila p > 0.05 (aras keertian) kita akan terima H 0 dan menyatakan tiada
perbezaan.
Untuk menentukan sama ada kita gunakan varians, sama atau varians tak sama
kita buat ujian.
H0 : S12 = S22
H1 : S12 S22
Lihat baris yang berikut
P = 0.019
Kita tolak H0 dan terima H1 iaitu varians kumpulan lelaki tidak sama dengan
varians kumpulan perempuan.
x1 x2
t
S12 S 22
n1 n2
3.2695 2.8214
4.39
(0.509) 2 (0.624) 2
66 60
Ini adalah t kiraan jadi kita perlukan t jadual untuk buat perbandingan.
Lihat Jadual F-2 darjah kebebasan df = 126 – 2 = 124 dan lihat baris Level of
Significance Two-Tailed Test 0.05. Nilainya adalah 1.96.
Tolak H0 Tolak H0
x
1.96 1.96
4.39
Keputusan: Min tahap komitmen lelaki adalah tidak sama dengan min
tahap komitmen perempuan. Min tahap komitmen lelaki lebih
tinggi daripada min tahap komitmen perempuan.
Cara KEDUA
Hipotesis H0 µ1 = µ2
H1 µ1 = µ2
Syaratnya:
Sebelum ini kita telah tentukan bahawa varians adalah tidak sama.
Jadi kita lihat baris unequal dalam jadual kedua dan lihat pada 2 –tail
significance iaitu p = 0.000.
Maka kita tolak H0 dan simpulkan bahawa min komitmen lelaki tak sama
dengan min komitment wanita.
Paired Differences |
Mean SD SE of Mean | t-value df 2-tail Sig
__________________________________|_____________________________________
-.9306 .702 .059 | -15.90 143 .000
95% CI (-1.046, -.815) |
__________________________________|_____________________________________
Formula
D
SD
n
Di mana
D
D
n
( D ) 2
D 2
SD n
n 1
Hipotesis: H0 : µ = 0
H1 : µ 0
Dalam perkataan
Tolak H0
Kesimpulan: Terdapat perbezaan min kepuasan kerja sebelum dan selepas insentif
gaji.
Analysis of Variance
Sum of Mean F F
Source D.F. Squares Squares Ratio Prob.
M C I
Mean G6 Bangsa
2.7245 Melayu
3.1008 Cina *
3.8571 India * *
3. Ujian lebih dari 2 min sampel tak bersandar (ujian ANOVA satu hala).
Hipotesis: H0 : µ1 = µ2 = µ3
H1 : Salah satu µ tak sama
Formula:
Tolak H0
Kesimpulan: Min tahap komitmen pekerja Melayu, Cina dan India adalah tidak
sama.
Seterusnya kita lihat pula Duncan Test. Ini adalah untuk membezakan kesimpulan
mana yang berbeza.
Matriks menunjukkan bahawa terdapat perbezaan antara pekerja.
Bila kita lihat min kita dapati min tahap komitmen pekerja India paling tinggi diikuti
pekerja Cina dan Melayu.
4. Analisis Korelasi
Jualan Iklan Jurujual
4. Analisis korelasi
-1 0 +1
y y y
x x
x x x x x
x x
x x
x x x
r=1 r = 0 r = -1
r
t
1 r2
n2
x 2 y 2
Sx Sy
N N
Hipotesis
H0 : r = 0
H1 : r 0
Dalam perkataan
Lihat Jadual terdapat tiga baris iaitu nilai koefisien, jumlah kes dan nilai p untuk
pembolehubah jualan dan iklan nilai p = 0.000 < 0.05.
Maka H0 ditolak
Keputusan: Terdapat korelasi bererti antara jualan dan iklan. Nilai korelasi 0.6
menunjukkan bila iklan meningkat jualan juga meningkat.
5. Regresis Linear
Equation Number 1 Dependent Variable.. Commitment Tahap Komitmen
Multiple R .73446
R Square .53943
Adjusted R Square .53453
Standard Error .38566
Analysis of Variance
DF Sum of Squares Mean Square
Regression 1 16.37466 16.37466
Residual 94 13.98073 .14873
Tujuan analisis regresi adalah untuk membentuk satu model atau persamaan
untuk membuat ramalan dengan andaian bahawa jika mengetahui nilai
pembolehubah tak bersandar (X) kita boleh meramal nilai pembolehubah
bersandar (Y).
Persamaan:
Y = a + b1X +
Di mana
Y = Pembolehubah bersandar
a = Pintasan (konstan)
b1 = Kecerunan
x = Pembolehubah tak bersandar
= Ralat
Bila kita menggunakan analisis regresi dengan kaedah gandadua terkecil (least
square regression), satu andaian penting adalah atau ralat diminimumkan.
n
ei 2 diminimumkan
i=1
Y = a + b1X
Oleh kerana tujuan utama analisis adalah untuk membentuk persamaan maka
kita mesti menentukan sama ada persamaan patut dibentuk.
Untuk ini kita lihat pada signifikans of F selepas ringkasan analisis varians.
Kedua:
Setelah kita tentukan bahawa model adalah bererti kita seterusnya membentuk
persamaan.
Y = a + b1X
Nilai a = (constant)
b = B (kecerunan)
Kegunaan persamaan ini adalah bila kita ingin membuat ramalan, katakan
diberikan kepuasan kerja pekerja A adalah 5, kira komitmennya.
* * * * M U L T I P L E R E G R E S S I O N * * * *
Multiple R .97159
R Square .94399
Adjusted R Square .91198
Standard Error 14.64536
Analysis of Variance
DF Sum of Squares Mean Square
Regression 4 25303.59817 6325.89954
Residual 7 1501.40683 214.48669
(a) Dari output komputer tersebut, bentukkan persamaan regresi yang bersesuaian.
BILIKAIR = 2
LUAS = 17.2
TINGKAT = 2
USIA = 13
(c) Pada aras keertian 0.05, adakah keseluruhan pembolehubah bebas menyebabkan
(contributing) variasi pada pembolehubah bersandar?
(e) Berapa peratuskah variasi dalam permintaan dapat dijelaskan oleh ketiga-tiga
pembolehubah yang dikaji.
Regresi linear adalah di mana perubahan dalam Y disebabkan oleh satu X sahaja.
Dalam regresi berganda pula perubahan dalam Y disebabkan oleh lebih dari satu X.
Contoh:
Usia rumah
Luas rumah
Harga jualan
rumah
Bil. Tingkat
Bil. bilikair
Dalam kes ini persamaan adalah dalam bentuk
Harga jualan = -11.38 + 22.32 (bil. Bilikair) + 3.48 (luas rumah) – 3.47
(bil. Tingkat) + 2.52 (usia rumah)
Bilikair = 2
Luas = 17.2
Tingkat = 2
Usia = 13
(d) Untuk melihat, sama ada setiap pembolehubah mempunyai kesan secara
individu pula kita harus lihat pada jadual variables in the equation.
Ujian hipotesis:
H0: b1 = 0
H1: b1 0
H0: b2 = 0
H1: b2 0
H0: b3 = 0
H1: b3 0
H0: b4 = 0
H1: b4 0
Maksud b = 0 adalah kecerunan sama dengan 0, jika kecerunan sama dengan
kosong perubahan dalam X tidak akan membawa kepada perubahan dalam Y.
Luas rumah
Bil. Tingkat
Usia rumah
Maka kita boleh simpulkan bahawa hanya bilangan bilikair dan keluasan
rumah mempunyai kesan dalam menentukan harga rumah.
(e) Peratus variasi dalam harga jualan yang boleh dijelaskan oleh keempat
pembolehubah diukur oleh R2 atau koefisien penentuan. Nilai koefisien
penentuan adalah antara
0 1
Lemah Kuat
Dalam analisis ini R2 adalah 0.94 atau kita boleh nyatakan bahawa 94% variasi
dalam harga jualan boleh dijelaskan oleh keempat-empat pembolehubah.
Oleh kerana 94% variasi dapat dijelaskan hanya 6% variasi sahaja tak dapat
dijelaskan.
(f) Fungsi Durbin-Watson adalah untuk memastikan sama ada ralat terjadi secara
rawak.
Secara amnya kita perlu lihat pada plot residual untuk melihat sama ada ralat
terjadi secara rawak tetapi dengan menggunakan D-W kita boleh simpulkan
jika nilai antara 1.5 – 2.5, tiada masalah ralat tidak rawak.
Standardised residual plot
* .
* .
. *
* .
* .
. *
* .
. *
Had
Kalau ada nilai-nilai di luar had, baru kita boleh simpulkan ada masalah ralat
tidak rawak.