regresi berganda...dampak perubahan. yaitu, analisis regresi linier berganda membantu kita untuk...
Post on 19-Jan-2020
44 Views
Preview:
TRANSCRIPT
REGRESI BERGANDAAGUS TRI BASUKI, M.Sc.
PENGERTIAN REGRESI
• Dalam statistik, regresi linier adalah pendekatan linier untuk memodelkan hubungan antara respons skalardengan satu atau lebih variabel penjelas. Kasus satuvariabel penjelas disebut regresi linier sederhana. Untuk lebihdari satu variabel penjelas disebut regresi linier berganda.
• Regresi linier berganda adalah bentuk paling umum darianalisis regresi linier. Sebagai analisis prediktif, regresilinier berganda digunakan untuk menjelaskan hubunganantara satu variabel dependen kontinu dan dua atau lebihvariabel independen. Variabel independen dapat kontinu ataukategori (dummy diberi kode yang sesuai).
ASUMSI DALAM REGRESI
1. Residu regresi harus didistribusikan secaranormal.
2. Hubungan linear diasumsikan antara variabeldependen dan variabel independen.
3. Residualnya adalah homoscedastik dan kira-kiraberbentuk persegi panjang.
4. Tidak adanya multikolinieritas diasumsikan dalammodel, yang berarti bahwa variabel independentidak terlalu berkorelasi tinggi.
MANFAAT REGRESI DALAM PENELITIAN
• Pertama, ini dapat digunakan untuk mengidentifikasikekuatan efek yang dimiliki variabel independen terhadapvariabel dependen.
• Kedua, dapat digunakan untuk memperkirakan efek ataudampak perubahan. Yaitu, analisis regresi linier bergandamembantu kita untuk memahami seberapa besar variabeldependen akan berubah ketika kita mengubah variabelindependen.
• Ketiga, analisis regresi linier berganda memprediksi tren dannilai-nilai masa depan. Analisis regresi linier berganda dapatdigunakan untuk mendapatkan estimasi titik.
PERSAMAAN REGRESI
GDP = β0 + β1 GFCF + β2 TR + β3 TRADE + β4 AK+ β5 IVA +
ε
atau
LOG(GDP) = β + β1LOG(GFCF) + β2LOG(TR) + β3LOG(TRADE) +
β4LOG(AK) + β5LOG(IVA) + ε
GDP Gross Domestic Product
GFCF Gross fixed capital formation
TR Penerimaan Pajak
TRADE Nilai Perdagangan
AK Angkatan Kerja
IVA Nilai Tambah Industri
TAHAPAN REGRESI BERGANDA
Ya
Tidak
Studi Kepustakaan
(Teori dan Studi Terdahulu)
Identifikasi Variabel Penelitian dan
Pembentukan Model
Pembuatan Hipotesis
Pengolahan Data
Uji Spesifikasi Model dan Uji Asumsi
Klasik
Proses Pengumpulan Data
Estimasi Model dan
Pengujian Hipotesis
Kesimpulan dan Rekomendasi
Revisi
Memenuhi
ASUMSI KLASIK DALAM REGRESI
• Uji asumsi klasik yang digunakan dalam regresi
linier dengan pendekatan Ordinary Least Squared
(OLS) meliputi uji Linieritas, uji Normalitas. Uji
Autokorelasi, uji Heteroskedastisitas, dan uji
Multikolinieritas Walaupun demikian, tidak semua
uji asumsi klasik harus dilakukan pada setiap model
regresi linier dengan pendekatan OLS.
1. Uji linieritas hampir tidak dilakukan pada setiap model regresi
linier. Karena sudah diasumsikan bahwa model bersifat linier.
Kalaupun harus dilakukan semata-mata untuk melihat sejauh
mana tingkat linieritasnya.
2. Uji normalitas pada dasarnya tidak merupakan syarat BLUE
(Best Linier Unbias Estimator) dan beberapa pendapat tidak
mengharuskan syarat ini sebagai sesuatu yang wajib dipenuhi.
3. Autokorelasi hanya terjadi pada data time series. Pengujian
autokorelasi pada data yang tidak bersifat time series (cross
section atau panel) akan sia-sia semata atau tidaklah berarti.
4. Multikolinieritas perlu dilakukan pada saat regresi linier
menggunakan lebih dari satu variabel bebas. Jika variabel
bebas hanya satu, maka tidak mungkin terjadi multikolinieritas.
5. Heteroskedastisitas biasanya terjadi pada data cross section,
dimana data panel lebih dekat ke ciri data cross section
dibandingkan time series.
TERIMA KASIH
top related