Materi Pokok 18 TABEL KONTINGENSI MULTI ARAH DAN MODEL LOG LINEAR Konsep Model Log Linear
description
Transcript of Materi Pokok 18 TABEL KONTINGENSI MULTI ARAH DAN MODEL LOG LINEAR Konsep Model Log Linear
Materi Pokok 18TABEL KONTINGENSI MULTI ARAH DAN MODEL LOG
LINEAR
1. Konsep Model Log LinearPada uji kebebasan sebelumnya melibatkan dua faktor. Analisis dan model diperluas untuk tiga atau lebih faktor misalnya tiga faktor dengan notasi A, B, dan C.Faktor A mempunyai I kategoriFaktor B mempunyai J kategori danFaktor C mempunyai K kategoriAi = individu yang dipilih secara acak dari kategori I faktor A.Bj = dari kategori j faktor B.Ck = dari kategori k faktor C dan secara serentak Ai Bj Ck dengan ijk = P(Ai Bj Ck).
Frekuensi pengamatannya = Nijk.
Setiap taraf dari faktor C dapat ditampilkan tabel dua arah I x J.
Contoh 18.1Tabel dua arah untuk taraf kidal dan tidak kidal
n = N … 1 + N … 2 = 127 + 23 = 150
k i j k
N Nijk n Nijk, . Nij
Kidal Tidak Kidal
Pria Wanita Ni . 1 Pria Wanita Ni . 2
Kr > Kn 2 55 57 6 0 6
Kr = Kn 10 18 28 6 2 8
Kr < Kn 28 14 42 0 9 9
N . j1 40 87 127 N . j2 12 11 23
ln (Eij) = + i + j + ij
Jika ij = 0 untuk semua i, j, kedua faktor adalah bebas dan jika ij 0 untuk sekurang-kurangnya sepasang i, j dari kedua faktor berinteraksi.
2. Log Linear Model Untuk Tiga FaktorModel:
maka ada IJK parameter bebas yang dapat ditentukan didalam model
0 . γ γ γ γ . δ . β . αdengan
γ γ γ δ β α λ En
jkk . iABj .
AB. i
ijkBCij
ABijkjiijk
δkβjα1λijkijk
BCjk
ACik
ABijkjiijk4
ACik
ABijkjiijk3
ABijkjiijk2
kjiijk1
e . e . e . e np E
γ γ γ δ β α λ En M
γ γ δ β α λ En M
γ δ β α λ En M
δ β α λ En M
Model Hirarki
Antilog dari model M1. Pada model ini faktor A, B, C saling bebas Pijk = P(Ai Bj Ck) = P(Ai) P(Bj) P(Ck) Model M2 = Pijk = P(Ai Bj Ck) = P(Ai Bj) P(Ck) faktor ketiga bebas dengan faktor pertama dan kedua dan disebut bebas parsial.
bersyarat. bebasadalah Cdan B : M model Pada
ACP . ABP p p
p p
p
p
AP
C B AP AC BP
3
ikij i i
k . i. ij
i
ijk
i
kjiikj
Model M3 = Pijk = (Pij .) (Pi . k)/Pi ….Peluang bersyarat Bj dan Ck dengan syarat Ai :
3. Pencocokan Model
Derajat bebas = IJK = 1Derajat bebas pada M2 adalah IJK – 1 – (IJ + K – 2) = (IJ – 1) (K – 1)
Model Deskripsi
M1 Bebas sempurna
M2 Bebas parsial [(A, B) dan C]
M3 Bebas bersyarat [(B dan C) syarat A]
M4 Asosiasi konstanDiperoleh dengan
iterasi
ijkijk pn E ˆˆ
2i
n
k N . j N N
n
k N Nij .
N
k N N
i
iij .
Model Derajat Bebas
M1 IJK – 1 – J – K + 2
M2 (IJ – 1) (K – 1)
M3 I (J – 1) (K – 1)
M4 (I – 1) (J – 1) (K – 1)
Statistika uji untuk kesuaian model
sebagai patokan kesuaian model. Jika model tidak suai maka jauh lebih kecil dari sehingga 2 mempunyai nilai positif cukup besar berarti model tidak suai.
i j kijkijk
i j kijkijk
i j k ijk
ijkijk
2
En . N - Nn . N 2
E
Nn . N 2 G
ˆ
ˆ
ijkijk En - N ˆ Nn - N ijkijk
Nn - N ijkijk
Bila model Mt adalah benar, dugaan nilai harapan sel, dan 5 untuk semua I, j, k, maka statistik G2 mempunyai sebaran Khi-Kuadrat dengan derajat bebas sesuai dengan model Mt.
Contoh 18.2Makalah tentang ekologi menampilkan data tentang dua spesies kadal. Untuk memeriksa kesuaian model bebas bersyarat A dan B untuk tiap taraf C dugunakan model M3 data yang diperoleh adalah sebagai berikut:
ijkE ijkE
k, N . N N E jkk . iijk
Spesies 1
TinggiDiameter
Ni . 1H L
H 32 11 43
L 86 35 121
N . j1 118 46 164
Spesies 2
TinggiDiameter
Ni . 2H L
H 61 41 102
L 73 70 143
N . j2 134 111 245
Spesies 1 Spesies 2
30,94 12,06 43 55,79 46,21 102
87,06 33,94 121 78,21 64,79 143
118 46 164 134 111 245
Eijk ˆ
data.dengan sesuai Model
4,605 χ 2, 2 . 1 . 1 K 1 - J 1 - I db
2,02 64,79
70n 70
12,0611
n 11 30,94
32n 322 G
22 0,10
2
4. Pendugaan Model M4.Pendugaan dimulai dengan memilih untuk i, j, k dan kemudian membangkitkan serangkaian dugaan dan menyesuaikan dengan syarat pertama, kedua, ketiga dst sampai diperoleh dugaan yang memuaskan.
1 0 Eijk ˆ
14.4 DevoreLIhat
dst E , E
jk . N E
E . E
k . N E
E . E
. N E
2ijk2
jk .
3ijk
1ijk1
i
12ijk
0ijk0
. ij
ij1ijk
ˆˆ
ˆ
ˆˆ
ˆ