Terkadang regresi dengan menggunakan metode OLS tidak terlalu baik digunakan untuk memodelkan pengamatan dalam suatu penelitian.
Salah satu penyebabnya adalah regresi menggunakan metode OLS (Ordinary Least Square) tidak memenuhi aspek IIDN dalam error sehingga dibutuhkan metode lain untuk menyelesaikan permasalahan ini. Salah satu metode untuk menyelesaikan permasalahn ini adalah menggunakan metode Jacknife. Berikut adalah Macro Minitab Metode Jacknife untuk peubah x1, x2
macro
jacknife y x1 x2
mcolumn y x1 x2 ys x1s x2s beta beta_j b0j b1j b2j yy xx xx2
mconstant n i bias_b0 bias_b1 bias_b2 b0_j b1_j b2_j b0 b1 b2
let n=count(y)
Regress y 2 x1 x2;
coef beta;
Constant;
Brief 2.
sample n y-x2 yy-xx2;
replacement.
let b0=beta(1)
let b1=beta(2)
let b2=beta(3)
do i=1:n
let x1s=xx
let x2s=xx2
let ys=yy
delete i x1s x2s ys
Regress ys 2 x1s x2s;
coef beta_j;
Constant;
Brief 2.
let b0j(i)=beta_j(1)
let b1j(i)=beta_j(2)
let b2j(i)=beta_j(3)
enddo
let b0_j=mean(b0j)
let b1_j=mean(b1j)
let b2_j=mean(b2j)
let bias_b0=b0_j-b0
let bias_b1=b1_j-b1
let bias_b2=b2_j-b2
print b0_j b1_j b2_j b0 b1 b2 bias_b0 bias_b1 bias_b2
endmacro
