STATISTIK
PRESS
(prediction sum of square)
• PRESS residual:
Memberikan error prediksi dimana observasi
yang diprediksi be...
Dibandingkan dengan
rata-rata nilai
terobservasi yi untuk
melihat error signifikan
atau tidak
Contohnya: Model yang menggunakan X2 dan X5 saja sebagai regressornya
Langkah:
a. Pilih i=1
b. Prediksi koefisien regresi ...
of Prediction
,dengan PRESS
: Menyatakan variasi yang secara ideal dijelaskan oleh model regresi
: Menyatakan kemampuan da...
List of all
possible models
Kegunaan:
Untuk mengeliminasi
model model yang tidak signifikan
Dapat dilihat bahwa model yang...
Statistik Cp
• P: Jumlah parameter yang diprediksi
• : mean square error dari full
model
• : mean square error dari kandid...
• WEAKNESS
Cp dan PRESS hanya digunakan jiga parameter
dari full model (p) kecil. Hal ini dikarenakan
apabila p besar maka...
Press dan satistik cp (regresi)
of 8

Press dan satistik cp (regresi)

Published on: Mar 4, 2016
Published in: Data & Analytics      
Source: www.slideshare.net


Transcripts - Press dan satistik cp (regresi)

  • 1. STATISTIK PRESS (prediction sum of square) • PRESS residual: Memberikan error prediksi dimana observasi yang diprediksi bebas terhadap fiiting model. merupakan prediksi data ke i dengan model yang tidak menggunakan data ke i dalam menghitung koef. regresinya. Rumus lain: GOAL: Mengetahui seberapa baik suatu “kandidat model” dalam memprediksi nilai respon yang data terobservasinya tidak digunakan untuk membangun model tersebut. KRITERIA PEMILIHAN MODEL BERDASAR PRESS residual: a. b. PRESS Kriteria b. Lebih sensitif apabila terdapat salah satu/beberapa nilai press residual yang besar
  • 2. Dibandingkan dengan rata-rata nilai terobservasi yi untuk melihat error signifikan atau tidak
  • 3. Contohnya: Model yang menggunakan X2 dan X5 saja sebagai regressornya Langkah: a. Pilih i=1 b. Prediksi koefisien regresi dr model regresi diatas dengan membuang observasi ke i=1 dalam prhitungan. c. Setelah mendapatkan model regresinya, gunakan model tersebut untuk mengestimasi hasil dari observasi yang telah dihilangkan. (dalam hal ini observasi prtama) d. Maka diperoleh untuk model regresi diatas. e. Lakukan untuk i lainnya (i=1,...,n) Contoh Perhitungan
  • 4. of Prediction ,dengan PRESS : Menyatakan variasi yang secara ideal dijelaskan oleh model regresi : Menyatakan kemampuan dari persamaan regresi untuk memprediksi observasi yang independent terhadap model.
  • 5. List of all possible models Kegunaan: Untuk mengeliminasi model model yang tidak signifikan Dapat dilihat bahwa model yang memuat regressor X2 dan X5 termasuk model yang baik
  • 6. Statistik Cp • P: Jumlah parameter yang diprediksi • : mean square error dari full model • : mean square error dari kandidat model Bias bisa negatif ketika full model bukan merupakan estimator yang baik. Sehingga Cp kurang dari p. Masalah: a. Bias yang besar ketika kita memilih terlalu sedikit regressor (underfit) b. Variansi prediksi yang besar ketika memilih model yang overfit Kegunaan: Memilih model terbaik dengan mempertimbangkan prinsip parsimony dan kesederhanaan model.
  • 7. • WEAKNESS Cp dan PRESS hanya digunakan jiga parameter dari full model (p) kecil. Hal ini dikarenakan apabila p besar maka subset variabel yang digunakan dalam regresi sangatlah banyak. Apabila p besar, maka gunakan forward selection, backward selection atau stepwise regression.

Related Documents