Ekonometrik Asas NOTA 03 Analisis Regresi: Model Linear Mudah

ANALISIS REGRESI: MODEL LINEAR MUDAH

SEJARAH REGRESI
Terma regresi diperkenalkan oleh Francis Galton dalam satu kertas kerjanya yang mengutarakan penemuan iaitu
bapa yang tinggi mempunyai anak-anak yang tinggi dan begitu juga sebaliknya bapa yang rendah mempunyai anak-
anak yang rendah. Purata ketinggian anak-anak yang lahir daripada bapa dalam ketinggian tertentu akan bergerak
(atau regres) dengan trend meningkat dalam populasi berkenaan.

Y X
X
X
X E(Y/X) = PRL
180 X X D
X X
X
170 X C X
X
X
X X
X
X
160 X X B
X
X X
150 X A X
X X
X
X

150 160 170 180 X

X adalah ketinggian bapa (sm)
Y adalah ketinggian anak (sm)
Dalam rajah di atas, terdapat 7 orang anak yang lahir daripada bapa yang mempunyai ketinggian 150sm. Tidak
semua 7 orang anak tersebut mempunyai ketinggian yang sama. Terdapat di antara mereka mempunyai ketinggian
lebih daripada 150sm, kurang daripada 150sm, dan juga mempunyai ketinggian sama dengan 150sm,
bagaimanapun ketinggian tersebut tertabur di sekitar puratanya, iaitu 150sm iaitu titik A. Pada ketinggian bapa
160sm pula, terdapat 7 orang anak lagi yang ketinggian mereka tertabur di sekitar ketinggian purata bapa mereka,
iaitu 160sm (titik B). Begitulah seterusnya pada ketinggian bapa yang lain, iaitu pada ketinggian 170 dan 180sm,
ketinggian anak-anak dalam setiap kumpulan ini juga akan tertabur di sekitar ketinggian purata masing-masing, iaitu
pada 170sm (titik C) dan 180sm (titik D). Jika titik-titik A, B, C, dan D ini disambung, wujud satu garisan yang
dikenali sebagai Garisan Regresi Populasi (Population Regression Line) atau ringkasnya PRL.
Garisan PRL ini menunjukkan hubungan di antara ketinggian bapa dengan ketinggian purata anak-anak dalam setiap
kumpulan yang mempunyai kecerunan yang positif tetapi kecerunannya kurang daripada satu. Ini bermakna
peningkatan ketinggian purata anak adalah kurang daripada peningkatan ketinggian bapa mereka. Dalam bentuk
pembezaan kalkulus, pernyataan ini ditulis sebagai dY/dX < 1 bermaksud apabila X berubah satu unit, Y akan
berubah kurang daripada satu unit.
Secara ringkas kajian di atas dinyatakan sebagai:
7 orang anak yang lahir daripada bapa yang mempunyai ketinggian 150sm ditulis sebagai E(Y/X = 7) = 150 di titik
A. 7 orang anak yang lahir daripada bapa yang mempunyai ketinggian 160sm ditulis sebagai E(Y/X = 7) = 160 di
titik B. Begitulah seterusnya pada ketinggian bapa yang lain, iaitu pada ketinggian 170 dan 180sm, ketinggian anak-
anak dalam setiap kumpulan ini juga akan tertabur di sekitar ketinggian purata masing-masing, iaitu pada 170sm
[E(Y/X = 7) = 170] di titik C dan 180sm [E(Y/X = 7) = 180] di titik D.

DEFINISI REGRESI
Regresi secara umumnya bermaksud mengukur darjah (kekuatan) hubungan antara pemboleh ubah bersandar (Yi)
dengan pemboleh ubah bebas (Xi).
• Regresi mudah: Mengukur darjah (kekuatan) hubungan antara satu pemboleh ubah bersandar (Yi) dengan satu
pemboleh ubah bebas (Xi).
• Regresi berbilang: Mengukur darjah (kekuatan) hubungan antara satu pemboleh ubah bersandar (Yi) dengan
lebih daripada satu pemboleh ubah bebas (Xi).

Regresi Mudah Satu pemboleh ubah bersandar – satu pemboleh ubah bebas
Berbilang Satu pemboleh ubah bersandar – lebih daripada satu pemboleh ubah bebas

Fuad bin Mohamed Berawi Page 1 of 3

Ekonometrik Asas NOTA 03 Analisis Regresi: Model Linear Mudah

BENTUK REGRESI
Bentuk regresi terbahagi dua iaitu linear dan tidak linear.
• Regresi linear: Mengukur darjah (kekuatan) hubungan antara pemboleh ubah bersandar (Yi) dengan pemboleh
ubah bebas (Xi) yang berfungsi secara linear.
• Regresi tidak linear: Mengukur darjah (kekuatan) hubungan antara pemboleh ubah bersandar (Yi) dengan
pemboleh ubah bebas (Xi) yang berfungsi secara tidak linear.

Bentuk regresi Linear Fungsi linear

Tidak linear Fungsi tidak linear

KONSEP REGRESI
Dari segi teori ekonomi, Teori Keynes menyatakan bahawa “penggunaan akan meningkat apabila pendapatan
meningkat tetapi, peningkatan dalam penggunaan tidaklah lebih tinggi daripada peningkatan dalam pendapatan
tersebut”.

Teori ini menyatakan wujud hubungan positif antara penggunaan (Ci) dan pendapatan (Yi) dengan saiz hubungan
adalah 0 < MPC < 1.

Berdasarkan teori ini, fungsi ekonomi yang dibentuk adalah;

Ci = f(Yi), cet. par.
dengan Ci adalah penggunaan dan Yi adalah pendapatan.

Seterusnya persamaan matematik yang dibentuk,

Ci = 0 + 1Yi, cet. par.

dan model ekonometrik yang dibentuk adalah;

Ci = 0 + 1Yi + i

atau dalam bentuk umum ditulis sebagai;

Yi = 0 + 1Xi + i

dengan Yi adalah pemboleh ubah penggunaan dan Xi adalah pemboleh ubah pendapatan dengan andaian wujud
hubungan linear mudah (hanya dua pemboleh ubah), dan sehala (hanya Xi mempengaruhi Yi).

0 tidak memberi apa-apa makna dari segi ekonomi, manakala 1 dijangka positif (1 > 0).

Data
Bilangan Pelajar (i) Penggunaan (Yi) Pendapatan (Xi)
1 10 20
2 5 10
3 3 5
4 4 6
5 2 3
6 10 15
7 15 20
8 20 30
9 9 16
10 20 35
(Cerapan) 98 160
10 10
n = 10  Y = 98
i =1
i X
i =1
i
= 160

Fuad bin Mohamed Berawi Page 2 of 3

Ekonometrik Asas NOTA 03 Analisis Regresi: Model Linear Mudah

Rajah: Taburan Data

25

20 20 20

Penggunaan (Yi)
15 15

10 10 10
9

5 5
4
2 3
0
0 5 10 15 20 25 30 35 40
Pendapatan (Xi)

Rajah: Plot Taburan Data

25
Y8, X8 Yˆi
20
Yˆ
Penggunaan (Yi)

Y7, X7 Y10, X10

15
Y6, X6
10
Y1, X1
Y4, X4 Y9, X9
5 Y3, X3
Y2, X2
Y5, X5
0
0 5 10 15 20 25 30 35 40
Pendapatan (Xi)

Daripada rajah, Yˆi adalah titik (garisan) anggaran manakala Y adalah titik sebenar. Oleh kerana tidak semua titik
anggaran ( Yˆ ) terletak di atas titik sebenar (Y), wujud perbezaan yang dinamakan ralat (error). Perbezaan ini
i

menyebabkan muncul pemboleh ubah baru i yang mewakili terma ralat yang menunjukkan sisihan data sebenar
dengan data yang dianggar.
Kewujudan ‘ralat’ boleh disebabkan oleh;
i. tertinggal pemboleh ubah penerang (bebas) akibat kurang pengetahuan tentang teori,
ii. kekurangan pungutan data, atau
iii. kesilapan membentuk model linear/tidak linear.
Kewujudan terma ralat menyebabkan ahli ekonometrik memasukkan pemboleh ubah ralat  dan model menjadi:
Yi = 0 + 1Xi + i
dengan i (i = 1, 2, 3, …n) menunjukkan sisihan data sebenar dengan data dianggar (Yi – Yˆi ).
i dikenali sebagai pemboleh ubah rawak.
Dari segi matematik, persamaan ini ditulis sebagai;
Yi = 0 + 1Xi + i
(Perubahan yang dapat diterangkan) (Perubahan yang tidak dapat diterangkan)
Explained Sum of Square (ESS) Residual Sum of Square (RSS)

• ESS + RSS = TSS

• ESS (Explained Sum of Square), RSS (Residual Sum of Square), TSS (Total Sum of Square)

Fuad bin Mohamed Berawi Page 3 of 3