This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Analisis Regresi 5ergandaMenurut Draper dan S it! ("##$), !u%ungan antara satu &aria%el dependen dengan satuatau le%i! &aria%el independen dapat din'ata an dala odel regresi linear dan se arau u diru us an dengan *
' + - "/" 0 p/p 1
Di ana ' &aria%el dependent, sedang an -, ",0, p adala! para eter 'ang tida di eta!ui dan 1 adala! error regresi.
2engu3ian esesuaian odel se ara serenta dila u an dengan !ipotesis se%agai %eri ut *4- * " + $ + 0 + p + -4" * 2aling sedi it ada satu 5 -, + ",$,0,pStatisti u3i dala pengu3ian terse%ut adala! *
MSE
MSR F
hit =
dengan *MSR * Mean Square Regression (Rataan 6uadrat Regresi)MSE * Mean Square Error (Rataan 6uadrat Sisa)Dengan eputusan odel regresi sesuai untu data 'ang diguna an 3i a 7!it 8 79:&",&$di ana &" + p dan &$ + (n;p;")
<ntu engeta!ui &aria%el ana sa3a 'ang se ara statisti signi=i an e pengaru!i&aria%el respon dila u an u3i signi=i ansi parsial dengan !ipotesa*4- * + -4" * 5 - dengan +" ,$,0,pStatisti u3i 'ang diguna an dala pengu3ian parsial adala! *
=∧
∧
β
β
SE
t k hit
> ",
$−− pn
t α
Dengan eputusan tola 4 - 3i a",
$−−
> pn
hit t t α
di ana d= + n;p;"
U6i !7r8ali*as6enor alan Residual dapat diu3i se ara =or al dengan engguna an <3i 3ar?ue;%era4ipotesis4-* residual %erdistri%usi nor al4"* residual tida %erdistri%usi nor al6eputusan tola 4- 3i a nilai p;&alue @ 9
Spatial Heterogeneity4eterogenitas data se ara spasial dapat diu3i dengan engguna an statisti u3i reus !2agan (<3i 2) (Anselin, "#BB) 'ang e pun'ai !ipotesis *
9 * atri s %eru uran n F (p ") 'ang %erisi &e tor 'ang suda! dinor al standar an ( )untu setiap o%ser&asiTola 4- %ila l 2I 8 $ ( p)
Ma*ri s Weighting Spatial Matri s weighting spatial W diperole! dari in=or asi 3ara antara Hila'a! satudengan Hila'a! lainn'a. Ele en dari atri s W adala! H i3, dide=inisi an se%agai
%eri ut*LeSage ("###) en3elas an %a!Ha ada %e%erapa aturan 'ang dapat diguna anuntu enentu an nilai ij w , 'aitu *
". Linear contiguity * ij W , untu Hila'a! 'ang ada di pinggir atau tepi ( edge ), %ai di iriatau anan Hila'a! 'ang diper!ati an.
$. Rook contiguity * ij W , untu Hila'a! 'ang ada di sa ping ( side ) Hila'a! 'angdiper!ati an.
. Bishop contiguity * ij W , untu Hila'a! 'ang titi sudutn'a ( verte ) %erte u denganHila'a! 'ang diper!ati an.
. !ou"le Linear contiguity *ij W , untu $ entitas 'ang %ertepian di iri atau anan Hila'a!'ang diper!ati an.
K. !ou"le Rook contiguity *ij W , untu $ entitas 'ang ada di sa ping anan, iri, utara danselatan Hila'a! 'ang diper!ati an.
. #ueen contiguity * ij W , untu entitas 'ang ada di sa ping atau sudut Hila'a! 'ang
diper!ati an.
<ntu Hila'a! lainn'a, a a nilai W i3 a an en3adi -.
M7del Regresi SpasialMenurut Anselin ("#BB), odel u u regresi spasial din'ata an dengan *
dengan; * e tor &aria%el dependen, u uran n F "< * atri s &aria%el independen, u uran n F ( ")= * e tor para eter oe=isien regresi, %eru uran ( ") F "
* 2ara eter oe=isien spasial lag &aria%el dependentN * 2ara eter oe=isien spasial lag pada error# * e tor error %eru uran n F "> * e tor error %eru uran n F "W',W$ * Matri s pe %o%ot, %eru uran n F n
e%erapa odel 'ang %isa di%entu dari odel u u regresi spasial ini, 'aitu*". Apa%ila + - dan N + -, a a persa aaan en3adi odel regresi lasi
? + <= >$. Ji a nilai W $ + - atau N + - a a a an en3adi odel Spatial $utoregressive Model
%S$R& ; + W " ; <= >
> > C (-, I)
. Ji a nilai W " + - atau + - a a a an en3adi odel Spatial Error Model %SEM&; + <= N W $# >
> > C (-, I)
Spatial Autoregressive Model (SAR)Spatial $utoregressive Model %S$R& adala! sala! satu odel spasial dengan pende atanarea 'ang e per!itung an pengaru! spasial lag pada &aria%el dependen.Menurut Anselin ("#BB) odel SAR e pun'ai =ungsi log'likelihood seperti %eri ut *
( ) ( ) ( )β β σ
σ π ( $y ( $y $nn
L ) −−
−+
−
−= $
$
$"
lnln$
$ln$
di ana A+ I ; W
Sedang an untu pena sir para eter dan adala! se%agai %eri ut*
L""" ρ −=
∧
-
( ) ( ) L
)
L eeee
n ρ ρ σ −−
=
∧
--
$ "
6e udian persa aan diatas terse%ut disu%stitusi an e dala persa aan 'ang %aHa!se!ingga diperole! =ungsi log'likelihood concentrated seperti %eri ut*
( ) Pln"
ln$ - W * ee
nn
+ L L+ ρ ρ −+
−
−=
di ana + adala! onstanta. 7ungsi ($. . ) erupa an =ungsi nonlinier dala satu para eter 'aitu , dan di a si u an engguna an te ni nu eri dengan pen arianlangsung.
S*r#@*#ral E #a*i7n M7delling (SEM)Spatial Error Model erupa an odel spasial error di ana pada error terdapat orelasispasial, odel ini di e %ang an ole! Anselin ("#BB) , Model spasial error ter%entu
apa%ila W" + - dan + -, se!ingga odel ini engasu si an %a!Ha proses autoregressive
!an'a pada error odel. Model u u SEM ditun3u an dengan persa aan *
>Ɛ - (-, )
Di ana enun3u an spasial stru tur pada spatially
dependent error ( ). <ntu esti asi para eter .a i.u. likelihood odel SEM
e pun'ai ru us se%agai %eri ut*
<ntu enduga para eter diperlu an suatu iterasi nu eri untu
endapat an pendugaann'a 'ang e a si al an =ungsi log likelihood (Arisanti, $-""*$ )
Ge7grap+i@all; Weig+*ed Regressi7n (GWR)Model GWR erupa an sala! satu odel 'ang di un ul an dari etode pende atan titi 'aitu pende atan %erdasar an posisi oordinat garis lintang (latitude) dan garis %u3ur (longitude). 2ada suatu penelitian ter!adap unit indi&idu dengan Ha tu 'ang %ersa aan
%iasan'a urang e %eri an in=or asi 'ang le%i!.Model Geograp!i all' Weig!ted Regression (GWR) adala! penge %angan dari odelregresi di ana para eter di!itung pada setiap lo asi penga atan, se!ingga setiap lo asi
penga atan e pun'ai nilai para eter 'ang %er%eda;%eda. aria%el respon dalaodel GWR dipredi si dengan &aria%el predi tor 'ang asing; asing oe=isien regresin'a
tergantung pada lo asi di ana data terse%ut dia ati. Model Geograp!i all' Weig!ted Regression (GWR) adala! penge %angan dari odelregresi 'ang ter%o%oti di ana setiap para eter di!itung pada setiap titi lo asi geogra=is
pun'a nilai para eter regresi 'ang %er%eda;%eda (Qressie, "##") Model GWR dapat ditulisse%agai %eri ut*
Di ana i + ",$,0,n 2ada GWR se%ua! o%ser&asi di%o%oti dengan nilai 'ang %er!u%ungandengan titi e;i. o%ot Hi3, untu 3+ ",$,0, n pada tiap lo asi (ui ,&i) a a
2endugaan para ater odel GWR diperlu an pe %o%ot spasial untu eHa ili leta datao%ser&asi satu dengan lainn'a. 2ada penelitian ini diguna an pe %o%ot adapti&e gaussian
ernel 'ang dapat diru us an se%agai %eri ut*
III. Studi 6asusDataData 'ang diguna an dala studi asus ali ini adala! Data Qolu %us dengan
engguna an &aria%el Qri e se%agai &aria%el dependen dan &aria%el In o e
se%agai &aria%el IndependenCrime Income Housing x y18.802 21.232 44.567 35.62 42.38
6eputusan4- ditola untu se ua para eter arena nilai 2ro%(t;statisti s) @ VK=α
6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha se ua
para eter( onstant, in dan !o&al) signi=i an ter!adap odel.<3i Cor alitas4ipotesis4- * Residual %erdistri%usi nor al4" * Residual tida %erdistri%usi nor alTara= Signi=i ansi
Tola 4- 3i a 2ro%a%ilit' @ VK=α 6eputusan4- ditola untu se ua para eter arena nilai 2ro%a%ilit' @ VK=α
6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha se ua
para eter( H ri e, onstant, in dan !o&al) signi=i an ter!adap odel.<3i 4eteros edastisitas4ipotesis4- * Raga residual !o ogen4" * Raga residual tida !o ogenTara= Signi=i ansi
VK=α
Statisti <3ireus !;2agan test+ $ .K-B## : d=+$
2ro%a%ilit'+ -.----- B6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α
6eputusan4- ditola arena nilai 2ro%a%ilit' + -.----- B@ VK=α
6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha raga residual
+ B. "B# ; ".K#U "" ICQ ;-.$U # "K 4O AL2e eri saan asu si odel OLS<3i 6esesuaian Model4ipotesis4- * Model tida sesuai4" * Model sesuaiTara= Signi=i ansi
VK=α
Statisti <3i7;statisti s + $B. BK2ro% ( 7;statisti s) +#. -U e;--#6riteria <3iTola 4- 3i a 2ro%(7;statisti s) @ VK=α
6eputusan4- ditola untu se ua para eter arena nilai 2ro%a%ilit' @ VK=α
6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha se ua
para eter( onstant, in , !o&al, dan la %da) signi=i an ter!adap odel.<3i 4eteros edastisitas4ipotesis4- * Raga residual !o ogen4" * Raga residual tida !o ogenTara= Signi=i ansi
6eputusan4- ditola arena nilai 2ro%a%ilit' + -.----B-"@ VK=α
6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha raga residual
tida !o ogen.
Pe8ili+an M7del TerCai
< uran 6e%ai an Model Regresi 6lasi (OLS), Model SAR dan Model SEMM7del 57C7* R$ AIDOLS Yueen KK,$ V B-.UKSAR Yueen , BV 3"3.34SEM Yueen , BV 3"3.4!!OLS Ro KK,$ V B-.UKSAR Ro 6# 1$ 3"3.$3#SEM Ro 6# 3" 3"2.62"
Se ara eseluru!an nilai R$ 'ang di!asil an odel SEM dengan pe %o%otan Ro Qontiguit'
le%i! %esar daripada 'ang lainn'a. Selain itu, nilai AIQ 'ang di!asil an pada odel SEM dengan
pe %o%otan Ro Qontiguit' 3uga le%i! e il di%anding an 'ang lainn'a. Se!ingga dapat
disi pul an %a!Ha odel SEM dengan pe %o%otan Ro Qontiguit' le%i! %ai diguna an
$. Selan3utn'a a an di%entu odel 1eographically Weighted Regression (GWR). Se%eludi ari esti asi para etern'a untu odel GWR, terle%i! da!ulu di%entu pe %o%otanuntu asing; asing Hila'a!. 2e %o%ot 'ang diguna an adala! Gauss (adapti&e).Setela! diola! dengan engguna an R, diperole! atri s pe %o%otn'a se%agai %eri ut *
. Setela! atri s pe %o%ot ter%entu , a a dapat dila u an esti asi para eter. Setiap para eter di!itung pada setiap lo asi penga atan, se!ingga setiap titi lo asi
e pun'ai nilai para eter regresi 'ang %er%eda;%eda.Model GWR adala!
Esti asi para eter untu asing; asing lo asi dapat dili!at pada output %agian esti asi para eter.
$. Selan3utn'a a an di%entu odel 1eographically Weighted Regression (GWR). Se%eludi ari esti asi para etern'a untu odel GWR, terle%i! da!ulu di%entu pe %o%otanuntu asing; asing Hila'a!. 2e %o%ot 'ang diguna an adala! Gauss (adapti&e).Setela! diola! dengan engguna an R, diperole! atri s pe %o%otn'a se%agai %eri ut *
. Setela! atri s pe %o%ot ter%entu , a a dapat dila u an esti asi para eter. Setiap para eter di!itung pada setiap lo asi penga atan, se!ingga setiap titi lo asi
e pun'ai nilai para eter regresi 'ang %er%eda;%eda.Model GWR adala!
Esti asi para eter untu asing; asing lo asi dapat dili!at pada output %agian esti asi para eter.
$. Selan3utn'a a an di%entu odel 1eographically Weighted Regression (GWR). Se%eludi ari esti asi para etern'a untu odel GWR, terle%i! da!ulu di%entu pe %o%otanuntu asing; asing Hila'a!. 2e %o%ot 'ang diguna an adala! Gauss (adapti&e).Setela! diola! dengan engguna an R, diperole! atri s pe %o%otn'a se%agai %eri ut *
. Setela! atri s pe %o%ot ter%entu , a a dapat dila u an esti asi para eter. Setiap para eter di!itung pada setiap lo asi penga atan, se!ingga setiap titi lo asi
e pun'ai nilai para eter regresi 'ang %er%eda;%eda.Model GWR adala!
erdasar an analisis dan pe %a!asan dapat disi pul an %a!Ha*
• Regresi OLS (ORDICAR LEAST SY<ARES ESTIMATIOC)2e %o%otan Yueen Qontiguit'
; <ntu odel, persa aan regresi 'ang ter%entu adala! *
+ B. "B# ; ".K#U "" ICQ ;-.$U # "K 4O AL2e eri saan asu si odel OLS; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel
sesuai; <ntu u3i signi=i ansi parsial, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
se ua para eter ( onstant, in dan !o&al) signi=i an ter!adap odel.; <ntu u3i nor alitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV residual
%erdistri%usi nor al; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
raga residual tida !o ogen• Regresi SAR (S2ATIAL A<TOREGRESSI E MODEL)
2e %o%otan Yueen Qontiguit'; <ntu odel, persa aan regresi 'ang ter%entu adala! *
' i + " $. Fi 1i .
+ K. - $K ;-.$ B4O AL ; ".- BU$BICQ -. $ $K. 1i
2e eri saan asu si odel SAR ; <ntu u3i e=e spasial ( Mengguna an <3i Lagrange Multiplier (lag)), dapat disi pul an
%a!Ha pada tara= signi=i ansi9+KV terdapat etergantungan spasial pada &aria%el respon
dan analisis dilan3ut an dengan engguna an odel SAR.; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel
sesuai; <ntu u3i signi=i ansi parsial, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
se ua para eter( H ri e, onstant, in dan !o&al) signi=i an ter!adap odel.; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
raga residual tida !o ogen• Regresi SEM ( S2ATIAL ERROR MODEL)
2e %o%otan Yueen Qontiguit'; <ntu odel, persa aan regresi 'ang ter%entu adala! *
' i + " $. Fi 1i N . 1 3
+ -,$U# U X -,#KU -K ICQ X -, - KK# 4O AL -,K UK ". 1 3 1i
; <ntu u3i e=e spasial ( Mengguna an <3i Lagrange Multiplier (error)), dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV terdapat etergantungan spasial pada &aria%el respon
dan analisis dilan3ut an dengan engguna an odel SEM.; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel
sesuai; <ntu u3i signi=i ansi parsial, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
se ua para eter( onstant, in , !o&al, dan la %da) signi=i an ter!adap odel.; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
raga residual tida !o ogen• Regresi OLS (ORDICAR LEAST SY<ARES ESTIMATIOC)
2e %o%otan Roo Qontiguit'; <ntu odel, persa aan regresi 'ang ter%entu adala! *
+ B. "B# ; ".K#U "" ICQ ;-.$U # "K 4O AL
2e eri saan asu si odel OLS; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel
sesuai; <ntu u3i signi=i ansi parsial, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
se ua para eter( onstant, in dan !o&al) signi=i an ter!adap odel.; <ntu u3i nor alitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV residual
%erdistri%usi nor al; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
raga residual tida !o ogen• Regresi SAR (S2ATIAL A<TOREGRESSI E MODEL)
2e %o%otan Roo Qontiguit'; <ntu odel, persa aan regresi 'ang ter%entu adala! *
' i + " $. Fi 1i .
+ K,$ #BX ",- ICQ ; -,$K# "UB4O AL -, $$B-B. 1i
2e eri saan asu si odel SAR ; <ntu u3i e=e spasial ( Mengguna an <3i Lagrange Multiplier (lag)), dapat disi pul an
%a!Ha pada tara= signi=i ansi 9+KV terdapat etergantungan spasial pada &aria%el respon
dan analisis dilan3ut an dengan engguna an odel SAR.; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel
sesuai; <ntu u3i signi=i ansi parsial, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
se ua para eter ( H ri e, onstant, in dan !o&al) signi=i an ter!adap odel.
; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
raga residual tida !o ogen• Regresi SEM ( S2ATIAL ERROR MODEL)
2e %o%otan Roo Qontiguit'; <ntu odel, persa aan regresi 'ang ter%entu adala! *
' i + " $. Fi 1i N . 1 3
+ -, UK"#X -,# "- ICQX -, - "#B"4O AL -,K B U . 1 3 1i
2e eri saan asu si odel SEM; <ntu u3i e=e spasial ( Mengguna an <3i Lagrange Multiplier (error)), dapat disi pul an
%a!Ha pada tara= signi=i ansi 9+KV terdapat etergantungan spasial pada &aria%el respon
dan analisis dilan3ut an dengan engguna an odel SEM.; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel
sesuai; <ntu u3i signi=i ansi parsial, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
se ua para eter( onstant, in , !o&al, dan la %da) signi=i an ter!adap odel.; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV
raga residual tida !o ogen'• 2e ili!an Model Ter%ai
6arena nilai R$ 'ang di!asil an odel SEM dengan pe %o%otan Ro Qontiguit' le%i!
%esar daripada 'ang lainn'a dan nilai AIQ 'ang di!asil an pada odel SEM dengan
pe %o%otan Ro Qontiguit' 3uga le%i! e il di%anding an 'ang lainn'a. Dapat
disi pul an %a!Ha odel SEM dengan pe %o%otan Ro Qontiguit' le%i! %ai
diguna an dala e odel an Data Qolu %us.. Se!innga odel ter%ai n'a adala! +
-, UK"#X -,# "- ICQX -, - "#B"4O AL -,K B U . 1 3 1i
• Regresi Spasial GWR
2e %o%otan dengan Gauss; <ntu odel, persa aan regresi 'ang ter%entu adala! *
•
2e eri saan asu si odel GWR ; <ntu u3i e o o an odel, pada tara= signi=i ansi KV dapat disi pul an %a!Ha odel
GWR le%i! o o di%anding an dengan odel linier OLS.
0%A NOST%CS O SPAT%A' 0EPEN0ENCEO +E% &T AT %F 7 col*9b*s <*een. al
>roB-standardi(ed Bei ts? TEST %G0 VA' E P O/
oranHs % >error? $.2221$! 2. 4$$#31 $.$$4#1$"'a ran e *lti:lier >la ? 1 . !"!! 6 $.$$2 #4
ob*st ' >la ? 1 3."3#6!$6 $.$#3261"'a ran e *lti:lier >error? 1 #.2$6213! $.$22#$63
ob*st ' >error? 1 $.$43!$#! $. 34$2 "'a ran e *lti:lier >SA A? 2 .!41!$4# $.$114364
COE %C%ENTS VA %ANCE AT %FCONSTANT %NC &OVA'
22.424 2! -$.!423#1 -$.161#6"
-$.!423#1 $.111643 -$.$1"23"
-$.161#6" -$.$1"23" $.$1$6#$IIIIIIIIIIIIIIIIIIIIIIIII EN0 O EPO TIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
MO EL SAR
e ressionS A 5 O O TP T7 SPAT%A' 'A O0E' - AF% '% E'%&OO0 EST% AT%ON0ata set 7 col*9b*sS:atial +ei t 7 col*9b*s <*een. al0e:endent Variable 7 C % E N*9ber o; Obser)ations7 4!
TEST 0 VA' E P O//re*sc -Pa an test 2 24.#$ !! $.$$$$$4
0%A NOST%CS O SPAT%A' 0EPEN0ENCESPAT%A' 'A 0EPEN0ENCE O +E% &T AT %F 7 col*9b*s <*een. al
TEST 0 VA' E P O/'i@eli ood atio Test 1 !.4$6#34 $.$$21621
COE %C%ENTS VA %ANCE AT %FCONSTANT %NC &OVA' +,C % E
#2.66!!12 -1.3#$34# -$.161 6! -$."1"6#1
-1.3#$34# $.$!44! -$.$12$$# $.$12! 2
-$.161 6! -$.$12$$# $.$$"!3 $.$$$ 4$
-$."1"6#1 $.$12! 2 $.$$$ 4$ $.$142 3
IIIIIIIIIIIIIIIIIIIIIIIII EN0 O EPO TIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
MO EL SEM
e ressionS A 5 O O TP T7 SPAT%A' E O O0E' - AF% '% E'%&OO0 EST% AT%ON0ata set 7 col*9b*sS:atial +ei t 7 col*9b*s <*een. al0e:endent Variable 7 C % E N*9ber o; Obser)ations7 4!
AN0O COE %C%ENTS TEST 0 VA' E P O//re*sc -Pa an test 2 ".!$$442 $.$1!2#$#
oen@er-/assett test 2 #.6!4$ $.$# $1#6SPEC% %CAT%ON O/ ST TEST
TEST 0 VA' E P O/+ ite # 1!.!46$1 $.$$12"!2
0%A NOST%CS O SPAT%A' 0EPEN0ENCEO +E% &T AT %F 7 col*9b*s roc@. al
>roB-standardi(ed Bei ts? TEST %G0 VA' E P O/
oranHs % >error? $.24! 62 2.!3"61"3 $.$$33$"6'a ran e *lti:lier >la ? 1 ."#!!$"1 $.$$3$"!2
ob*st ' >la ? 1 3.$"21"3" $.$"!642!
'a ran e *lti:lier >error? 1 #. 14 "!! $.$1# !11ob*st ' >error? 1 $.12"146# $."214$!2
'a ran e *lti:lier >SA A? 2 . "$#36 $.$11"#44
COE %C%ENTS VA %ANCE AT %FCONSTANT %NC &OVA'
22.424 2! -$.!423#1 -$.161#6"
-$.!423#1 $.111643 -$.$1"23"
-$.161#6" -$.$1"23" $.$1$6#$IIIIIIIIIIIIIIIIIIIIIIIII EN0 O EPO TIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
MO EL SAR
e ressionS A 5 O O TP T7 SPAT%A' 'A O0E' - AF% '% E'%&OO0 EST% AT%ON0ata set 7 col*9b*sS:atial +ei t 7 col*9b*s roc@. al0e:endent Variable 7 C % E N*9ber o; Obser)ations7 4!
e ressionS A 5 O O TP T7 SPAT%A' E O O0E' - AF% '% E'%&OO0 EST% AT%ON0ata set 7 col*9b*sS:atial +ei t 7 col*9b*s roc@. al0e:endent Variable 7 C % E N*9ber o; Obser)ations7 4!