Arief Ari Muslim, 080212538 (2006) Perbandingan Estimator Parameter Model Regresi linier Dengan Metode "least Squares" Dan "Minimum Variance". Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (ABSTRAK) gdlhub-gdl-s1-2007-muslimarie-4794-kkckkm-k.pdf Download (365kB) | Preview
Preview	Text (FULL TEXT) gdlhub-gdl-s1-2007-muslimarie-4794-mpm110-p.pdf Download (2MB) | Preview

Abstract

Tujuan dari penulisan skripsi ini adalah untuk mengestimasi parameter β pada model regresi linier sederhana (kasus khusus) dan parameter β pada model regresi linier berganda (kasus umum) dengan menggunakan metode Least Squares(LS) dan Minimum Variance(MV), dan juga membandingkan varians estimator yang diperoleh dari kedua metode tersebut. Suatu analisis regresi yang peubah respon γ bergantung secara linier pada satu peubah bebas x disebut regresi linier sederhana, dengan model sebagai berikut : Y =X β +ε dengan β parameter skalar yang ingin diduga dan ε adalah vektor galat yang mempunyai mean nol dan matrik kovarians ∑ . Sehingga didapatkan estimator βts = X1Y dan βMV =(X1∑-1 X)-1 ∑-1Y dengan varians masing masing σ2LS = X1∑ X dan σ2MV =(X1∑-1 X)-1 . Sedangkan analisis regresi yang peubah respon Y bergantung secara linier pada lebih dari satu peubah bebas X disebut regresi linier berganda yang mempunyai model Y =X β +ε dengan β vektor parameter yang ingin diduga dan ε adalah galat yang mempunyai mean nol dan matrik kovarians R. Sehingga didapat estimator βWLS =(X1M2X)-1X1M2Y dan βMV =(X1R-1X)-1X'R-1Y dengan matrik kovarians dari estimatornya masing masing adalah AWLS =( X'M2 X)-1X'M2 RM2X(X'M2X) -1 dan AMV = (X'R-1'X) -1 Hasil dari penelitian ini telah membuktikan bahwa varians estimator parameter regresi linier dari metode MV lebih kecil atau sama dengan varians estimator dari metode LS. Sehingga dapat disimpulkan bahwa estimator metode MV lebih baik daripada estimator metode LS.

Actions (login required)

View Item