Penerapan Analisis Regresi Nonparametrik dengan Pendekatan Regresi Kernel dan Spline

P. Sihombing, Ade Famalika
{"title":"Penerapan Analisis Regresi Nonparametrik dengan Pendekatan Regresi Kernel dan Spline","authors":"P. Sihombing, Ade Famalika","doi":"10.11594/jesi.02.02.05","DOIUrl":null,"url":null,"abstract":"Penelitian ini bertujuan untuk menerapkan regresi nonparametrik menggunakan regresi kernel dan spline. Regresi kernel menggunakan metode penaksir Nadaraya-Watson (NWE) dan penaksir Polinomial Lokal (LPE), sedangkan untuk regresi spline adalah smoothing spline dan b-splines. Metode ini diterapkan dalam menganalisis pola hubungan Pertumbuhan Produksi Industri (PPI) dan Tingkat Pajak Perusahaan (TPP). Hasil pengepasan kurva (fitting curve) menunjukkan bahwa model regresi nonparametrik terbaik adalah model regresi b-splines dengan degree 2 dan jumlah knot 5. Hal ini dikarenakan model regresi b-splines memiliki kurva yang halus dan terlihat  lebih mengikuti sebaran data dibandingkan kurva model regresi lainnya.  TPP berpengaruh signifikan negatif terhadap PPI artinya kenaikan TPP akan menurunkan PPI. Oleh sebab itu perlu kebijakan yang komprehensif dalam menerapkan nilai TPP agar tetap dapat meningkatkan produktivitas industri.","PeriodicalId":136508,"journal":{"name":"Jurnal Ekonomi Dan Statistik Indonesia","volume":"93 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-08-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ekonomi Dan Statistik Indonesia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.11594/jesi.02.02.05","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Penelitian ini bertujuan untuk menerapkan regresi nonparametrik menggunakan regresi kernel dan spline. Regresi kernel menggunakan metode penaksir Nadaraya-Watson (NWE) dan penaksir Polinomial Lokal (LPE), sedangkan untuk regresi spline adalah smoothing spline dan b-splines. Metode ini diterapkan dalam menganalisis pola hubungan Pertumbuhan Produksi Industri (PPI) dan Tingkat Pajak Perusahaan (TPP). Hasil pengepasan kurva (fitting curve) menunjukkan bahwa model regresi nonparametrik terbaik adalah model regresi b-splines dengan degree 2 dan jumlah knot 5. Hal ini dikarenakan model regresi b-splines memiliki kurva yang halus dan terlihat  lebih mengikuti sebaran data dibandingkan kurva model regresi lainnya.  TPP berpengaruh signifikan negatif terhadap PPI artinya kenaikan TPP akan menurunkan PPI. Oleh sebab itu perlu kebijakan yang komprehensif dalam menerapkan nilai TPP agar tetap dapat meningkatkan produktivitas industri.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
本研究的目的是使用内核回归和spline实现非参数回归。内核回归使用Nadaraya-Watson (NWE)预测法和本地多变率(LPE),而用于spline回归则是平滑spline和b-splines。这种方法被应用于分析工业生产(PPI)和企业税率(TPP)的增长关系模式。曲线剥离结果表明,最好的非度量回归模型是b-splines回归模型,其degree 2和结量5。这是因为b- splining回归模型有一个平滑的曲线,看起来比其他回归曲线更接近数据分布。TPP对PPI有重大负面影响,这意味着TPP的增加会降低PPI。因此,为了保持工业生产力,我们需要一项全面的政策来实施TPP值。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Pengeluaran Pemerintah Daerah dan Rumah Tangga untuk Pendidikan menurut Kelompok Pendapatan Application of Panel Regression Model in Gender Studies in East Java Optimalisasi Penerapan Metode ARIMA dalam Mengestimasi Harga Emas di Negara Indonesia Pengaruh Ketidakpastian Pendapatan Terhadap Status Kepemilikan Rumah di Indonesia Comparison of Regression Analysis with Machine Learning Supervised Predictive Model Techniques
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1