Estimator Liu Pada Regresi Tobit

DIBA FAZRI ZANETTI, Drs. Zulaela, Dipl.Med.Stats., M.Si.

2022 | Skripsi | S1 STATISTIKA

Regresi tersensor atau model Tobit merupakan analisis regresi yang digunakan untuk variabel respon yang sebagian datanya memiliki skala pengukuran diskrit dan sebagian yang lain berskala kontinu. Variabel dependen yang bersifat mixture (campuran) memiliki struktur data dengan skala diskrit yang bernilai nol, dan berskala kontinu untuk yang tidak bernilai nol (Greene, 1990). Data tersebut dikatakan data tersensor. Sebaran data tersensor adalah sebaran normal tersensor, yang mengikuti asumsi distribusi normal. Terdapat asumsi yang harus dipenuhi untuk melalukan analisis regresi Tobit, yaitu tidak ada multikolinearitas atau tidak ada korelasi antar variabel independen, adanya multikolinearitas akan menyebabkan estimasi parameter regresi menjadi tidak akurat yang berakibat pada nilai rata-rata kuadrat error menjadi besar. Namun, metode maksimum likelihood yang digunakan untuk mengestimasi parameter tidak dapat menangangi masalah multikolinearitas yang ada. Akan tetapi, terdapat estimator lain yang dapat menangani masalah multikolinearitas, salah satunya estimator Liu. Estimator Liu pada regresi Tobit diterapkan pada data bike rent untuk memodelkan faktor-faktor apa saja yang mempengaruhi seseorang menyewa sepeda di hari libur.

The censored regression or Tobit model is a regression analysis used for response variables whose data partly has a discrete measurement scale and some of the others are continuous scale. Dependent variables that are mixed have data structures with a discrete scale that is zero, and a continuous scale for those that are not zero (Greene, 1990). The data is called censored data. The spread of censored data is the normal distribution of the censored, which follows the assumption of normal distribution. There are assumptions that must be met to carry out Tobit regression analysis, namely that there is no multicholinearity or no correlation between independent variables. The presence of multicholinearity will cause the estimation of regression parameters to be inaccurate which results in the average value of the square of the error being large. Unfortunately the maximum likelihood method used to estimate parameters cannot address existing multicholinearity problems. However, there are other estimators that can deal with the problem of multicholinearity, one of which is Liu's estimator. Liu estimator for Tobit regression will be applied datasets from bike rent to analyze the factors that affect rent bike in holiday or weekend.

Kata Kunci : Model Tobit, Multikolinearitas, Estimator Liu, rata-rata kuadrat error/Tobit Models, Multicollinearity, Liu Estimator, Mean Squared ErrorTobit Models, Multicollinearity, Liu Estimator, Mean Squared Error