You are on page 1of 23

Analisis Multivariate:

Regresi Linear Sederhana

Djoko Sigit Sayogo, Ph.D


Materi Pelatihan Praktikum Metpen Lab Akuntansi
FEB UMM

BLUE (Best Linear Unbiased Estimates)

Linearity hubungan antara variabel dependen dan


independen harus linear
Normality error harus terdistribusi normal

Homoscedasticity varian dari error harus konstan


Independence error yang terkait dengan satu observasi
tidak berkorelasi dengan error dari observasi yang lain

Normalitas teknis diperlukan hanya agar t-tests valid


Estimasi koefisien hanya membutuhkan error terdistribusi
secara independen dan identikal

Multicollinearitas
Serial correlation / Autocorrelation

Model specification model harus dispesifikasi secara


benar, termasuk mengikutkan semua variabel yang
relevan dan tidak mengikutkan yang tidak relevan

Persamaan Regresi Multivariat


Yt a1 b2 X 2 t b3 X 3t et

Y (Dependent Variable)

Yt = Variabel Dependen
1 = Konstanta
B2,3 = Koefisien regresi
X2,3 = Variable Independen
et = Error term
1:
Slope

X (Independent Variable)

Ketentuan

Hanya fokus pada analisis multivariat


dengan regresi sederhana
Contoh menggunakan data tentang gaji
Perumusan masalah:

Bagaimana pengaruh jam tenaga kerja, umur


karyawan, tingkat pendidikan dan tanggungan
anak terhadap tingkat gaji karyawan?

Variabel:

Dependen : tingkat gaji karyawan


Independen: jam tenaga kerja, umur karyawan,
tanggungan anak dan tingkat pendidikan

Tahapan Analisis
Statistik Deskriptif
Descriptives
/variables = rate age hrs school dep
Atau
Examine
/variables = rate age hrs school dep
Korelasi
Correlations
/variables = rate age hrs school dep
/print = nosig

Tahapan Regresi
Tes regresi awal
regression
/dependent rate
/method=enter hrs age school dep
/save resid (gajires)

Normalitas
examine
variables = gajires
/plot boxplot stemleaf histogram npplot

Analisis Normalitas

Indikator:

Skewness & Kurtosis mendekati 0


Histogram normal
Kolmogorov & Shapiro-Wilk: nilai p > 0.05
Normal percentile plot mendekati means

Jika tidak normal:

Perhatikan outliers
Transformasi data

Ingat!! Transformasi data akan mengubah distribusi


data, sehingga interpretasi menjadi berubah

Menggunakan teknik analisis non-parametrik

Tahapan Regresi
Heteroscedasticity
regression
/dependent rate
/method=enter hrs age school dep
/scatterplot(*zresid *pred)

Collinearitas
regression
/statistics=defaults tol collin
/dependent rate
/method=enter hrs age school dep

Analisis Heteroscedasticity

Heteroscedasticity:

Scatter studentized residual dan predicted


value membentuk pola
Heteroscedasticity menimbulkan hasil yang
tidak efisien
Mengatasi heteroscedasticity dengan regresi
robust

Analisis Collinearity

Collinearity:

Nilai tolerance < 0.1 dan nilai VIF > 10


mengindikasikan multicollinearitas
Nilai eigenvalue yang sangat kecil dan nilai condition
index yang sangat besar mengindikasikan
multicollinearitas
Multicollinearitas menimbulkan hasil yang tidak efisien

Tahapan Regresi
Autocorrelation
regression
/dependent rate
/method = enter hrs age school dep
/residuals = durbin

Tahapan Regresi: syntax gabungan


Examine
/variables = rate age hrs school dep
Correlations
/variables = rate age hrs school dep
/print = nosig
regression
/statistics=defaults tol Collin
/dependent rate
/method=enter hrs age school dep
/save resid (gajires)
/scatterplot(*zresid *pred)
/residuals = durbin
examine
variables = gajires
/plot boxplot stemleaf histogram npplot

Interpretasi hasil: Korelasi

Arah dilihat dari notasi koefisien


Kekuatan hubungan dilihat dari besar/kecilnya koefisien
Signifikansi

Interpretasi atas hasil: Goodness of Fit (R2)

96.4% variabilitas besarnya gaji dapat


dijelaskan oleh variabel independen
Permasalahan dengan R2, penambahan
variabel akan memperbesar R2
Adjusted R2 merupakan R2 yang sudah
disesuaikan dengan jumlah prediktor (variabel
independen) di model

Interpretasi atas hasil: Fvalue

Menguji tingkat signifikansi model secara keseluruhan


Menguji hipotesis bahwa semua koefisien regresi = 0
Signifikansi nilai F dilihat dari F tabel, jika Fhitung > Ftabel
maka hasilnya signifikan
Rule of thumb, hipotesis null akan ditolak jika nilai F besar
Nilai Prob(F)= 0.000 artinya terdapat 0 kemungkinan dari
100 bahwa semua koefisien regresi sama dengan 0

Interpretasi atas hasil: tvalue

Signifikansi nilai t, jika thitung > ttabel maka hasilnya


signifikan
Rule of thumb, jika nilai t 2 maka hasil signifikan
Nilai t diperoleh dari nilai dibagi std. error
Jika 2 * std error, maka t signifikan
Signifikansi juga dihitung jika nilai p 0.05

Interpretasi atas hasil: tvalue

Interpretasi secara umum (contoh umur):

Jika rata-rata umur responden meningkat 1 tahun maka gaji akan


meningkat sebesar 0.046

Interpretasi Standardized Coefficient (Beta)

Karena Beta untuk tingkat pendidikan paling besar, maka


pengaruh tingkat pendidikan paling dominan dibandingkan
variabel yang lain

Interpretasi atas hasil: Dummy

Jika pengukuran variabel independen berbentuk dummy


(1,0), maka interpretasi akan mengacu pada perbedaan

wanita

Karyawan wanita memiliki gaji yang berbeda secara


signifikan dengan karyawan pria
Karyawan wanita memiliki gaji 2% lebih rendah dari
karyawan pria

Materi Tambahan

Interpretasi atas hasil:


Transformasi Logarithma

Jika variabel dependen atau independen


ditransformasi ke logaritma atau log natural,
maka interpretasi menjadi:

Log Lin dependen (log) dan independen


(linear)

Lin Log dependen (linear) dan independen


(log)

Perubahan 1 unit independen akan mempengaruhi


dependen sebesar(100% * koefisien)

Perubahan 1 % independen akan mempengaruhi


dependen variabel sebesar (koefisien / 100)

Log Log dependen (log) dan independen (log)

Perubahan 1 % independen akan mempengaruhi


dependen variabel sebesar (100% * koefisien)

Penggunaan Data Panel

Data panel, jika menggunakan observasi yang


sama untuk beberapa tahun yang berbeda
Harus dikendalikan pengaruh antar tahun
terhadap observasi
Membentuk variabel dummy tahun

Yt a1 b2 X 2 t b3 X 3t 1th1 ... x thx et

Yt = Variabel Dependen
1 = Konstanta
B2,3 = Koefisien regresi
X2,3 = Variable Independen
1 = dummy tahun
et = Error term