college GPA. Suppose it is also fou

college GPA. Suppose it is also found that a high posi- tive correlation (r  .68) exists between first-semester college GPA and the verbal scores on the SAT college entrance examination, and a moderately high positive correlation (r  .51) exists between the mathematics scores on the SAT and first-semester college GPA. It is possible, using a multiple regression prediction for- mula, to use all three of these variables to predict what a student’s GPA will be during his or her first semester in college. The formula is similar to the simple predic- tion equation, except that it now includes more than one predictor variable and more than two constants. It takes the following form: Yœ  a  b1X1  b2X2  b3X3
where Yœ once again stands for the predicted first- semester college GPA; a, b1, b2, and b3 are constants; X1  the high school GPA; X2  the verbal SAT score; and X3 themathematicsSATscore.Letusimaginethat a  .18, b1  .73, b2  .0005, and b3  .0002. We know that the student’s high school GPAis 3.5. Suppose his or her SAT verbal and mathematics scores are 580 and 600, respectively. Substituting in the formula, we would pre- dict that the student’s first-semester GPAwould be 3.15.
Yœ  .18  .73(3.5)  .0005(580)  .0002(600)  .18  2.56  .29  .12  3.15
Again, we could later compare the actual first-semester college GPA obtained by this student with the predicted score to determine how accurate our prediction was.
The Coefficient of Multiple Correlation. The coefficient of multiple correlation, symbolized by R, indicates the strength of the correlation between the combination of the predictor variables and the criterion variable. It can be thought of as a simple Pearson corre- lation between the actual scores on the criterion variable and the predicted scores on that variable. In the previous example, we used a combination of high school GPA, SAT verbal score, and SAT mathematics score to predict that a particular student’s first-semester college GPA would be 3.15. We then could obtain that same student’s actual first-semester college GPA (it might be 2.95, for example). If we did this for 100 students, we could then calculate the correlation (R) between predicted and actual GPA. If R turned out to be 1.00, for example, it would mean that the predicted scores correlated per- fectly with the actual scores on the criterion variable.

Hasil (Bahasa Indonesia) 1:

perguruan tinggi GPA. Rasa ini juga ditemukan bahwa ada korelasi tinggi loterei-tive (r.68) antara semester pertama kuliah GPA, dan nilai ujian masuk perguruan tinggi SAT verbal, dan korelasi positif cukup tinggi (r 51) ada antara matematika Skor pada SAT dan pertama-semester college GPA. Hal ini mungkin, menggunakan beberapa regresi prediksi untuk-mula, menggunakan ketiga variabel tersebut untuk memprediksi apa yang akan seorang mahasiswa GPA selama semester pertama nya di perguruan tinggi. Formula ini mirip dengan persamaan sederhana predic-tion, kecuali bahwa sekarang mencakup lebih dari satu prediktor variabel dan konstanta lebih dari dua. Dibutuhkan formulir berikut: Yœ b1X1 b2X2 b3X3mana Yœ sekali lagi berdiri untuk kuliah semester pertama diperkirakan GPA; , b1, b2 dan b3 adalah konstanta; X 1 sekolah tinggi GPA; X 2 verbal SAT Skor; dan X 3 themathematicsSATscore.Letusimaginethat a.18, b1.73, b2 dan b3.0005.0002. Kita tahu bahwa siswa yang tinggi sekolah GPAis 3.5. Rasa nya verbal dan matematika nilai SAT adalah 580 dan 600, masing-masing. Mengganti dalam formula, kami akan pra-dict bahwa mahasiswa semester pertama GPAwould menjadi 3.15.YŒ.18.73(3.5) .0005(580) .0002(600) 2,56.18.29 12 3.15Sekali lagi, kita kemudian bisa membandingkan sebenarnya pertama-semester college GPA yang diperoleh oleh siswa ini dengan Skor diperkirakan untuk menentukan seberapa akurat prediksi kita.Koefisien dari korelasi beberapa. Koefisien dari korelasi beberapa, dilambangkan oleh R, menunjukkan kekuatan korelasi antara kombinasi variabel peramal dan variabel kriteria. Ini dapat dianggap sebagai sederhana Pearson edisi-hal yang sanggat menarik antara nilai sebenarnya pada kriteria variabel dan nilai diperkirakan pada variabel. Dalam contoh sebelumnya, kita menggunakan kombinasi SMA GPA, duduk Skor verbal, dan duduk Skor matematika untuk memperkirakan bahwa GPA semester pertama kuliah mahasiswa tertentu akan 3.15. Kita kemudian bisa mendapatkan mahasiswa yang sama sebenarnya pertama-semester college GPA (mungkin 2,95, misalnya). Jika kita melakukan ini untuk 100 mahasiswa, kita kemudian bisa menghitung korelasi (R) antara GPA diprediksikan dan yang sebenarnya. Jika R ternyata 1,00, misalnya, itu berarti bahwa nilai diperkirakan berkorelasi per fectly dengan nilai sebenarnya pada variabel kriteria.

Hasil (Bahasa Indonesia) 2:

perguruan tinggi IPK. Misalkan itu juga menemukan bahwa tinggi posisi- tive korelasi (r? .68) Ada antara pertama semester kuliah IPK dan skor verbal SAT ujian masuk perguruan tinggi, dan korelasi positif yang cukup tinggi (r? .51) Ada antara skor matematika di SAT dan pertama semester kuliah IPK. Hal ini dimungkinkan, dengan menggunakan prediksi regresi untuk-mula berganda, menggunakan ketiga variabel tersebut untuk memprediksi apa yang IPK siswa akan selama semester nya pertama di perguruan tinggi. Rumus ini mirip dengan persamaan tion prediksi sederhana, kecuali bahwa sekarang mencakup lebih dari satu variabel prediktor dan lebih dari dua konstanta. Ini mengambil bentuk sebagai berikut: Yoe? a? b1x1? b2X2? b3X3
mana Yoe sekali lagi berdiri untuk diprediksi first semester kuliah IPK; a, b1, b2, b3 dan adalah konstanta; X1? SMA IPK; X2? skor SAT lisan; dan X3? themathematicsSATscore.Letusimaginethat a? .18, B1? 0,73, b2? 0,0005, dan b3? 0,0002. Kita tahu bahwa sekolah tinggi siswa GPAis 3.5. Misalkan nya SAT skor verbal dan matematika adalah 580 dan 600, masing-masing. Mengganti dalam rumus, kita akan pra dict yang pertama semester siswa GPAwould menjadi 3,15.
Yoe? .18? 0,73 (3,5)? 0,0005 (580)? 0,0002 (600)? .18? 2.56? .29? .12? 3,15
Sekali lagi, kita kemudian bisa membandingkan perguruan tinggi IPK pertama semester aktual yang diperoleh oleh siswa ini dengan skor diprediksi untuk menentukan seberapa akurat prediksi kami.
Koefisien Korelasi Berganda. Koefisien korelasi berganda, dilambangkan dengan R, menunjukkan kekuatan korelasi antara kombinasi variabel prediktor dan variabel kriteria. Hal ini dapat dianggap sebagai Pearson korelasi sederhana antara skor aktual terhadap variabel kriteria dan skor diprediksi pada variabel tersebut. Pada contoh sebelumnya, kita menggunakan kombinasi SMA IPK, SAT skor verbal, dan SAT matematika skor untuk memprediksi bahwa pertama-semester kuliah IPK mahasiswa tertentu akan menjadi 3.15. Kami kemudian bisa memperoleh sebenarnya pertama semester kuliah IPK bahwa siswa yang sama itu (mungkin 2,95, misalnya). Jika kita melakukan ini untuk 100 siswa, maka kita bisa menghitung korelasi (R) antara prediksi dan aktual IPK. Jika R ternyata? 1,00, misalnya, itu berarti bahwa nilai prediksi berkorelasi per- fectly dengan skor aktual terhadap variabel kriteria.