Pemrograman Matlab Metode Bootstrap Untuk Regresi Dua Peubah Bebas

Kamis, 06 Mei 2010

Terkadang regresi dengan menggunakan metode OLS tidak terlalu baik digunakan untuk memodelkan pengamatan dalam suatu penelitian.
Salah satu penyebabnya adalah regresi menggunakan metode OLS (Ordinary Least Square) tidak memenuhi aspek IIDN dalam error sehingga dibutuhkan metode lain untuk menyelesaikan permasalahan ini. Salah satu metode untuk menyelesaikan permasalahn ini adalah menggunakan metode Bootstrap. Berikut adalah contoh pemrograman matlab Regresi Metode Bootstrap untuk peubah x1, x2

function r=reboots(y,x1,x2)
n=length(y);
X=[ones(n,1) x1' x2'];
w=[y' x1' x2'];
b=regress(y',X)
B=10;
k=[1:n];
for i=1:B
j=randsample(k,n,true);
wb=w(j,:);
yb=wb(:,1);
Xb=[ones(n,1) wb(:,2:3)];
bb(:,i)=regress(yb,Xb);
end
bboot0=mean(bb(1,:))
bboot1=mean(bb(2,:))
bboot2=mean(bb(3,:))
bias0=bboot0-b(1)
bias1=bboot1-b(2)
bias2=bboot2-b(3)
Untuk menjalankan program tersebut anda harus membuat vektor baris y, x1 dan x2 terlebih dahulu. Kemudian copylah program di atas ke dalam m-file, save. Kemudian kembali ke command window dan ketiklah f(y,x1,x2), program pun akan running. 

Macro Minitab Metode Bootstrap untuk Regresi Dua Peubah Bebas

Terkadang regresi dengan menggunakan metode OLS tidak terlalu baik digunakan untuk memodelkan pengamatan dalam suatu penelitian.

Salah satu penyebabnya adalah regresi menggunakan metode OLS (Ordinary Least Square) tidak memenuhi aspek IIDN dalam error sehingga dibutuhkan metode lain untuk menyelesaikan permasalahan ini. Salah satu metode untuk menyelesaikan permasalahn ini adalah menggunakan metode Bootstrap. Berikut adalah Macro Minitab Metode Bootstrap untuk peubah x1, x2


macro

bootreg y x1 x2
mconstant b0 b1 b2 B i n b0_boots b1_boots b2_boots
mcolumn y x1 x2 beta yy xx1 xx2 b0b b1b b2b betaboot
mmatrices x w mbeta

let n=count(y)

Regress y 2 x1 x2;
coef beta;
Constant;
Brief 2.
let b0=beta(1)
let b1=beta(2)
let b2=beta(3)
copy beta mbeta

let B = 10

do i = 1 : B
sample n y-x2 yy-xx2;
replacement.

regress yy 2 xx1 xx2;
coef betaboot;
constant;
brief 2.

let b0b(i)=betaboot(1)
let b1b(i)=betaboot(2)
let b2b(i)=betaboot(3)
enddo

let b0_boots=mean(b0b)
let b1_boots=mean(b1b)
let b2_boots=mean(b2b)

print b0_boots b1_boots b2_boots mbeta
endmacro

Macro Minitab Metode Jacknife Untuk Regresi Dua Peubah Bebas

Terkadang regresi dengan menggunakan metode OLS tidak terlalu baik digunakan untuk memodelkan pengamatan dalam suatu penelitian.

Salah satu penyebabnya adalah regresi menggunakan metode OLS (Ordinary Least Square) tidak memenuhi aspek IIDN dalam error sehingga dibutuhkan metode lain untuk menyelesaikan permasalahan ini. Salah satu metode untuk menyelesaikan permasalahn ini adalah menggunakan metode Jacknife. Berikut adalah Macro Minitab Metode Jacknife untuk peubah x1, x2

macro

jacknife y x1 x2

mcolumn y x1 x2 ys x1s x2s beta beta_j b0j b1j b2j yy xx xx2
mconstant n i bias_b0 bias_b1 bias_b2 b0_j b1_j b2_j b0 b1 b2

let n=count(y)
Regress y 2 x1 x2;
coef beta;
Constant;
Brief 2.
sample n y-x2 yy-xx2;
replacement.
let b0=beta(1)
let b1=beta(2)
let b2=beta(3)
do i=1:n
let x1s=xx
let x2s=xx2
let ys=yy
delete i x1s x2s ys
Regress ys 2 x1s x2s;
coef beta_j;
Constant;
Brief 2.
let b0j(i)=beta_j(1)
let b1j(i)=beta_j(2)
let b2j(i)=beta_j(3)
enddo
let b0_j=mean(b0j)
let b1_j=mean(b1j)
let b2_j=mean(b2j)
let bias_b0=b0_j-b0
let bias_b1=b1_j-b1
let bias_b2=b2_j-b2
print b0_j b1_j b2_j b0 b1 b2 bias_b0 bias_b1 bias_b2
endmacro

Share

| More