Makna dari SSR(X2 XI) /SSE(X1) dalam Regresi Linier Bergand
Dalam analisis regresi linier berganda, kita sering menggunakan metode Anova untuk mengukur seberapa baik model regresi kita cocok dengan data yang ada. Salah satu ukuran yang digunakan adalah SSR(X2 XI) /SSE(X1), yang memiliki makna penting dalam mengevaluasi efek penambahan variabel bebas pada model yang telah mengandung variabel lain. Dalam kasus ini, kita diberikan informasi bahwa nilai SSE(XI) adalah 100, SSR(X1, X2) adalah 230, dan SSR(X1) adalah 200. Dari sini, kita dapat menghitung SSR(X2 XI) /SSE(X1) untuk mengetahui pengaruh penambahan variabel X2 pada model yang telah mengandung variabel X1 terhadap jumlah kuadrat error X1. SSR(X2 XI) /SSE(X1) dapat diartikan sebagai persentase pengurangan jumlah kuadrat error X1 yang terjadi ketika variabel X2 ditambahkan ke dalam model yang telah mengandung variabel X1. Dalam konteks ini, kita dapat menginterpretasikan jawaban yang benar dari pilihan yang diberikan. Setelah melakukan perhitungan, kita dapat melihat bahwa SSR(X2 XI) /SSE(X1) = (SSR(X1, X2) - SSR(X1)) / SSE(X1) = (230 - 200) / 100 = 0.3 atau 30%. Dengan demikian, jawaban yang benar adalah d. penambahan X2 pada model yang telah mengandung X1, akan mengurangi jumlah kuadrat error XI sebesar 30 persen. Dalam konteks regresi linier berganda, penambahan variabel bebas yang signifikan dapat mengurangi jumlah kuadrat error, yang berarti model menjadi lebih baik dalam menjelaskan variasi dalam data. Oleh karena itu, SSR(X2 XI) /SSE(X1) adalah ukuran yang penting dalam mengevaluasi efek penambahan variabel bebas pada model regresi linier berganda.