Berbagai Ukuran Sampel yang Ideal dalam Regresi Linear berdasarkan Beberapa Pendapat Para Ahli

Halo sahabat . . . ^__^ . . . Terima kasih ya, sudah berkunjung ke web saya yang sangat sederhana ini he he he he . . .

Semoga sahabat tetap sehat dan sukses selalu ya . . . Amiinnn . . .

Nah, pada kesempatan kali ini, ada suatu pertanyaan nih yang akan diajukan . . . .mau tauuu???? Yukkkk . . .

 Pertanyaan:

 Berapakah kira-kira ukuran sampel yang diperlukan dalam penggunaan regresi linear, menurut beberapa pendapat para pakar????

Nah, beberapa pakar yang saya tahu adalah:

  1. Andy Field dalam bukunya yang berjudul “Discovering Statistics Using SPSS, 3rd Edition
  2. Hair, dkk., dalam bukunya yang berjudul “Multivariate Data Analysis, 7th Edition

Oke mari kita simak, pemaparan-pemaparan mereka . . . . ^__^

[1] Pemaparan menurut Hair, dkk.

Hair, dkk. (2009:172) menyatakan sebagai berikut.

Simple regression can be effective with a sample size of 20, but maintaining power at 0,80 in multiple regression requires a minimum sample of 50 and preferably 100 observations for most research situations.

The minimum ratio of observations to variables is 5:1, but the preferred ratio is 15:1 or 20:1, which should increase when stepwise estimation is used.

 Maximizing the degrees of freedom improves generalizability and addresses both model parsimony and sample size concerns.

Nah, berdasarkan uraian di atas, dapat kita tarik informasi:

Regresi linear sederhana dapat efektif dengan ukuran sampel 20, namun untuk menjaga kekuatan/power pada 0,80, dalam regresi linear berganda mengharuskan ukuran sampel minimum 50 atau lebih sering digunakan 100 pengamatan untuk kebanyakan kasus riset.

Rasio minimum dari pengamatan (observation) terhadap variabel sebesar 5:1, namun lebih sering digunakan 15:1 atau 20:1, yang mana rasio tersebut harus meningkat ketika digunakan pendekatan stepwise.

[2] Pemaparan menurut Andy Field

Field (2009:222) menyatakan sebagai berikut.

 Green (1991) makes two rules of thumb for the minimum acceptable sample size, the first based on whether you want to test the overall fit of your regression model (i.e. test the R^2), and the second based on whether you want to test the individual predictors within the model (i.e. test b-values of the model). If you want to test the model overall, then he recommends a minimum sample size of 50+8k, where k is the number of predictors. So, with five predictors, you’d need a sample size of 50+40=90. If you want to test the individual predictors then he suggests a minimum sample size of 104+k, so again taking the example of 5 predictors you’d need a sample size of 104+5=109. Of course, in most cases we’re interested both in the overall fit and in the contribution of individual predictors, and in this situation Green recommends you calculate both of the minimum sample size I’ve just described, and use the one that has the largest value (so, in the five predictors example, we’d use 109 because it is bigger than 90).

 Oke deh sampai di sini dulu ya, semoga pemaparan para pakar-pakar tersebut, bermanfaat yah bagi kitaaa . . . .AMINNNNN . . . . ^__^

Mohon koreksi jika ada kesalahan atau kekurangan yahhh ^__^