Pendekatan pembangunan model regresi logistik multinomial
Analisis data yang mempunyai pembolehubah bersandar berbentuk kualitatif melibatkan lebih daripada dua kategori dikenali sebagai Regresi Logistik Multinomial. Kajian ini bertujuan untuk membina pendekatan pembangunan model Regresi Logistik Multinomial. Model ini merupakan kesinambungan daripada mode...
Saved in:
| Main Author: | |
|---|---|
| Format: | Thesis |
| Language: | English English |
| Published: |
2017
|
| Subjects: | |
| Online Access: | https://eprints.ums.edu.my/id/eprint/38506/1/24%20PAGES.pdf https://eprints.ums.edu.my/id/eprint/38506/2/FULLTEXT.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Analisis data yang mempunyai pembolehubah bersandar berbentuk kualitatif melibatkan lebih daripada dua kategori dikenali sebagai Regresi Logistik Multinomial. Kajian ini bertujuan untuk membina pendekatan pembangunan model Regresi Logistik Multinomial. Model ini merupakan kesinambungan daripada model Regresi Berganda dan Binari Logit Berganda. Selain memperkenalkan pembolehubah tak bersandar berbentuk patung ( dummn, kombinasi pembolehubah patung interaksi tahap pertama turut dibuktikan dalam pendekatan ini. Prosedur ini menggunakan penyingkiran pembolehubah tidak signifikan secara progresif dalam fasa kedua yang melibatkan tiga jenis ujian iaitu ujian NPC/NPM, ujian Multikolinearan dan ujian Pekali. Penggunaan Pseudo R-Square yang terdiri daripada Cox & Snell, Nagelkerke dan McFadden dicadangkan sebagai penentu dalam membuat pemilihan model terbaik. Prosedur yang terpilih telah dikupas, ditunjukkan dan diterangkan secara terperinci dalam tesis ini. Penemuan yang ditonjolkan dalam kajian ini adalah pengesahan model terbaik yang dilakukan dengan menggunakan Peratusan Ralat Min Mutlak (MAPE) dan kaedah penganggaran data yang hilang. Kaedah penganggaran data hilang telah dikaji untuk memastikan model terbaik yang diperolehi memberi penggangaran nilai; pembolehubah bersandar dan ramalan yang lebih baik. Menerusi model terbaik daripada setiap kategori didapati bahawa pendekatan pembangunan model Regresi Logistik Multinomial telah diperkukuhkan. Selain itu, pembolehubah interaksi patung turut memberikan sumbangan dalam model terbaik bagi semua kategori pembolehubah bersandar. |
|---|