18
Model regresi antara lain adalah (Gujarati, 2007):
•
Model regresi linear sederhana: Y = ß
0
+
ß1X + e
(2.12)
Dalam hal ini :
Y
=
variabel tergantung
X
=
variabel bebas
ß
0
=
intercept / constant
ß1
=
slope coefficient
e
=
disturbance / unsur gangguan
Karakteristik
dari
model regresi yang
membedakannya
dengan model
matematika
adalah
adanya
unsur
gangguan
(e)
yang
menunjukkan bahwa
hubungan
Y
dengan
X
tidaklah
deterministik
atau
eksak
melainkan
bersifat
probabilistik. Dalam
realitas sosial,
ekonomi dan
bisnis
unsur
ketidakpastian merupakan
sesuatu
yang
lazim
terjadi.
Koefisien ß
0
dan ß1 tidak bisa ditentukan secara
langsung
namun
melalui
estimasi setelah
diperoleh beberapa sampel
data
untuk
Y
dan
X.
Oleh
karena
itu
menentukan koefisien
regresi
nantinya didasarkan pada
mekanisme inferensial statistik.
Dengan
mengasumsikan
nilai
dan
sifat
dari
unsur
gangguan,
maka
perkiraan/estimasi
koefisien
regresi
akan
diperoleh.
Untuk
itulah
maka
model
regresi
sebelumnya (sering
dikenal
sebagai
regresi
populasi)
dalam
praktek
akan
diestimasi oleh
model
sebagai
berikut:
Y
=
ß
0
+
ß1X + e
Dalam
hal
ini,
estimasi
dilakukan
melalui
persamaan
garis
linear:
^
Y
=
ß
0
+
ß
1
X
(2.13)
 |