ANALISIS REGRESI BERGANDA
ANALISIS REGRESI BERGANDA
Arahkan kursor padaAnalyze lalu Regression dan pilih Linear
Analisis Regresi Berganda
Pada kotak Linear Regression, pindahkan variable Y pada kotakDependent dan X1, X2 dan X3 pada kotak Independent, lalu klikStatistics, maka keluar kotakLinear Regression: Statistics maka centang seperti gambardibawah ini lalu Continue danOK
Analisis Regresi Berganda
Output SPSS
Maka Persamaan Regresinya adalah:
Y = -0,047 + 0,172X1 + 0,220X2 + 0,423 X3
UJI HIPOTESIS
1. Uji simultan atau uji F atau uji ragam regresi atau uji varians regresi
2. Uji parsial atau uji koefisien regresi berganda atau uji barhadap bi atau uji t
1. Perumusan Hipotesis:
Ho : Persamaan regresi (model fungsi) bersifat tidak nyata
H1 : Persamaan regresi bersifat nyata
Ho : 1 = 2 = 3 = 4 = ..... k = 0
H1 : paling tidak ada satu slope yang 0
2. = 0,05
3. Daerah kritis:
F-tabel ; v1= k-1, v2= n-k = F-tabel 0,05; 4-1, 120-4 = F-tabel 0,05; 3, 116 = 3,955
Dapat dihitung dengan Ms. Excel dengan rumus =finv(derajat kepercayaan;df1;df2)
4. Statistik Uji F hitung = 49,628
5. Keputusan: Karena F-hitung (48,958) lebih besar dari F-tabel (3,955) yang berarti beradadalam daerah kritis, maka Ho ditolak dan terima H1. Hal ini berarti persamaan regresibersifat nyata dalam menerangkan keragaman total dari Y
a. Uji Hipotesis untuk koefisien regresi intercept (b0)
1. Perumusan Hipotesis:
Ho : Koefisien regresi b0 (intercept) melewati titik nol (b0 = 0)
H1 : Koefisien regresi b0 (intercept) bersifat nyata
H0 : 0 = 0
Ha : 0 0
2. = 0,05
3. Daerah kritis:
t-tabel ; v= n-k = t-tabel 0,05; 120-4 = t-tabel 0,05; 116 = 1,9806
Dapat dihitung dengan Ms. Excel dengan rumus =tinv(derajat kepercayaan;df=n-k)
4. Statistik Uji
• t-hitung b0 = 0,022 < t- table 1,9806, Terima Ho, koefisien regresi bo (intercept) melewati titik nol, sehingga intercept tidaknyata
• t-hitung b1 = 1,843 < t- table 1,9806 Terima Ho, koefisien regresi b1 tidaknyata
• t-hitung b2 = 2,582 > t- table 1,9806 Tolak Ho, koefisien regresi b2 nyata
• t-hitung b3 = 6,978 > t- table 1,9806 Tolak Ho, koefisien regresi b3 nyata
Model Fit adalah:
Y = 0,220X2 + 0,423 X3
Alternatif sederhanaadalah dengan
membandingkan nilaiSig tiap2 koefisien, jika> 0,05, tidak signifikan
Untuk Analisis Parsial (satu persatu)
Kembali pada langkahsebelumnya, sampai keluar kotakLinear Regression, pindahkanvariable Y pada kotak Dependent dan X1 pada kotak Independent, lalu klik Statistics, maka keluarkotak Linear Regression: Statistics maka centang sepertigambar dibawah ini laluContinue dan OK, begituseterusnya untuk, gantikan X2 dan X3
Hubungan X1 Ke Y
Hubungan X2 Ke Y
Hubungan X3 Ke Y
UJI KLASIK
UJI AUTOKORELASI Uji Durbin-Watson (DW Test)
Nilai DW sebesar 1.710, nilai ini akan kita bandingkan
dengan nilai tabel dengan menggunakan derajat
kepercayaan 5%, jumlah sampel 120 dan jumlah variabel
bebas 3, maka di tabel Durbin Watson akan didapatkan
nilai sebagai berikut :
Dw table n=120 k=3, dl= 1,6684 dan dU = 1,7361. SementaraDW hitung adalah 1,710 berada diantara dL dan dU makatidak dapat disimpulkan
n
k=1 k=2 k=3 k=4 k=5
dL dU dL dU dL dU dL dU dL dU
116 1.6797 1.7145 1.6622 1.7323 1.6445 1.7504 1.6265 1.7690 1.6084 1.7878
117 1.6812 1.7156 1.6638 1.7332 1.6462 1.7512 1.6284 1.7696 1.6105 1.7883
118 1.6826 1.7167 1.6653 1.7342 1.6479 1.7520 1.6303 1.7702 1.6125 1.7887
119 1.6839 1.7178 1.6669 1.7352 1.6496 1.7528 1.6321 1.7709 1.6145 1.7892
120 1.6853 1.7189 1.6684 1.7361 1.6513 1.7536 1.6339 1.7715 1.6164 1.7896
121 1.6867 1.7200 1.6699 1.7370 1.6529 1.7544 1.6357 1.7721 1.6184 1.7901
122 1.6880 1.7210 1.6714 1.7379 1.6545 1.7552 1.6375 1.7727 1.6203 1.7905
123 1.6893 1.7221 1.6728 1.7388 1.6561 1.7559 1.6392 1.7733 1.6222 1.7910
124 1.6906 1.7231 1.6743 1.7397 1.6577 1.7567 1.6409 1.7739 1.6240 1.7914
125 1.6919 1.7241 1.6757 1.7406 1.6592 1.7574 1.6426 1.7745 1.6258 1.7919
126 1.6932 1.7252 1.6771 1.7415 1.6608 1.7582 1.6443 1.7751 1.6276 1.7923
127 1.6944 1.7261 1.6785 1.7424 1.6623 1.7589 1.6460 1.7757 1.6294 1.7928
128 1.6957 1.7271 1.6798 1.7432 1.6638 1.7596 1.6476 1.7763 1.6312 1.7932
Keputusan ada tidaknya autokorelasi adalah:• Bila nilai DW berada di antara dU sampai dengan 4
- dU maka koefisien autokorelasi sama dengan nol.
Artinya, tidak ada autokorelasi.
• Bila nilai DW lebih kecil daripada dL, koefisien
autokorelasi lebih besar daripada nol. Artinya ada
autokorelasi positif.
• Bila nilai DW terletak di antara dL dan dU, maka
tidak dapat disimpulkan.
• Bila nilai DW lebih besar daripada 4 - dL, koefisien
autokorelasi lebih besar daripada nol. Artinya ada
autokorelasi negatif.
• Bila nilai DW terletak di antara 4 – dU dan 4- dL, makatidak dapat disimpulkan.
UJI MULTIKOLINIERITAS
Uji Multikolinearitas untuk mengetahui adanya hubungan antara beberapa
atau semua variabel yang menjelaskan dalam model regresi. Jika dalam
model terdapat multikolinearitas maka model tersebut memiliki kesalahan
standar yang besar sehingga koefisien tidak dapat ditaksir dengan ketepatan
yang tinggi.
Tidak ada satu variabel bebas yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidakada multikolinieritas antar variabel bebas dalam model regresi.
UJI HETEROSKEDASTISITAS
Kita sudah memiliki variabel Unstandardized Residual (RES_1). Selanjutnya pilih Transform Compute Variable, akanmuncul tampilan sebagai berikut:
Pada kotak Target Variable ketik abresid, padakotak Function group pilih All dan dibawahnyaakan muncul beberapa pilihan fungsi. PilihlahAbs. Kemudian klik pada tombol tanda panaharah ke atas, dan masukkan variabelUnstandardized Residual (RES_1) ke dalam kotakNumeric Expression dan tampilannya akanmenjadi seperti berikut. Dan akhirnya pilih OK.
Kemudian dilanjutkandengan regresi dengan cara,Analyze Regression Linear,akan muncul tampilansebagai berikut:
Masukkan variabelabresid pada kotak sebelahkiri ke kotak Dependent,dan variabel X1, X2, dan X3ke kotak Independent(s)dengan mengklik tomboltanda panah dan OK,hasilnya sebagai berikut:
Nilai Sig dari seluruh variabel pejelas tidak ada yang signifikan secara statistic karena > 0.005sehingga dapat disimpulkan bahwa model ini tidak mengalami masalah heteroskedastisitas.