Salah satu bentuk paling umum dari Count Regression adalah regresi Poisson, bentuk distribusi dari Poisson memang digunakan untuk menghitung suatu kejadian pada jangka waktu tertentu. Peneliti kadang – kadang melakukan analisis regresi untuk data jumlah dengan regresi “klasik” atau biasa. Regresi ini mengasumsikan bahwa variabel dependen merupakan kontinyu dan berada pada - ∞ ke + ∞ , yang merupakan variabel acak mengikuti bentuk distribusi normal. Asumsi ini merupakan asumsi yang salah karena pada data jumlah jelas bahwa variabel dependen merupakan diskrit selain itu dengan menggunakan model regresi biasa ini maka akan memungkinkan nilainya bernilai Negatif, seharusnya nilai dari variabel dependen tidak boleh Negatif karena merupakan jumlah (Rawaswamy et.al.,1994).
Maka berdasarkan berbagai keadaan tersebut lebih tepat jika digunakan distribusi yang menyebar dan menghitung jumlah yaitu distribusi Poisson ini. Ada hal yang harus diperhatikan pada model regresi Poisson bahwa variance-nya sama dengan nilai tengah, bentuk ini kadang-kadang tidak sesuai dengan kenyataan. Kadang - kadang variance dari data yang didapatkan lebih besar dari nilai tengah. Situasi ini dinamakan over dispersion. Keberadaan dari over dispersion ini mirip heteroskadisitas pada model regresi linier.
Jika model regresi Poisson ini dianggap kurang sesuai untuk memodelkan data karena terjadinya over dispersion, maka terdapat beberapa alternatif untuk menangani masalah ini. Model binomial negatif merupakan yang paling populer, mungkin karena lebih mudah digunakan dari model lainnya. Model regresi ini mempunyai parameter tambahan yang digunakan untuk memperkirakan nilai over dispersion pada variance.
0 Response to "Bentuk Umum dari Count Regression"
Post a Comment