UJI ASUMSI KLASIKDAN REGRESI LINIER BERGANDA

UJI ASUMSI KLASIKDAN REGRESI LINIER BERGANDA

Rp 140.000

Paket yang kami berikan antara lain:
1. Uji asumsi klasik (normalitas, heteroskedastisitas, autokorelasi, multikolinieritas) dan 
2. regresi linier berganda (data kuisioner maksimal 3 variabel independen)


APASIH ASUMSI KLASIK REGRESI BERGANDA
1. Uji Normalitas Apakah data berdistribusi normal atau tidak. LIHAT..Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.Begitu SEBALIKNYA maka regresi tidak memenuhi asumsi normalitas. 2. Multikolinearitas Apakah terjadi hubungan yang sempurna atau hampir sempurna antara variabel bebas? PERHATIKAN nilai tolerance harus dibawah >0,1 dan nilai Variance Inflation Factor(VIF) kurang dari <10 berati data dah okey. 3. Heteroskedastisitas Apakah terjadi Hetero? PERHATIKAN grafik scatter plot pada output SPSS, Jika tidak ada pola yang jelas, serta titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y, artinya datamu bebas hetero. 4. Autokorelasi Apakah antara variabel pengganggu masing-masing variabel bebas saling mempengaruhi? PERHATIKAN nilai D-W, HARUS berada diantara -2 dan 2 berarti data anda okey tidak ada autokorelasi. * >2 atau <-2 data kamu kena autokorelasi 5. Uji Linearitas Apa ada hubungan linier antara variabel X dan Y yang bisa dilakukan, PERHATIKAN : a. Plot antara residu (e) versus Y-topi menggambarkan suatu scatter diagram (diagram pencar) Nah...hal ini bararti bahwa hubungan antara variabal X dan Y adalah linier. b. Plot antara variabel X versus Y menggambarkan garis lurus maka asumsi pertama ini telah terpenuhi. c. Plot antara residu versus X menggambarkan diagram pencar maka linieritas ini sudah terpenuhi.

Analisis regresi linier berganda 

adalah hubungan secara linear antara dua atau lebih variabel independen dengan variabel dependen. Asumsi-asumsi linier berganda pada umumnya sama dengan semua asumsi pada regresi linier sederhana, dengan tambahan tidak ada hubungan linier sempurna di antara dua atau lebih peubah penjelas (eksogen).

Dengan terpenuhinya asumsi maka penduga OLS akan bersifat linier yaitu fungsi linier dari peubah respons (endogen), tidak bias yaitu nilai harapan penduga adalah nilai parameter, konsisten yaitu untuk n, penduga menuju nilai parameter yang sebenarnya, dan ragam penduga 0, ragam yang paling kecil di antara semua penduga yang mungkin dan BLUE (Best Linear Unbiased Estimators) yaitu Jika kita menemukan estimator yang memiliki kriteria yang telah disebutkan , atau UNBIASED, linier, dan varian yang paling minimum maka disebut BLUE.

R2 pada regresi linier sederhana tidak dapat dipakai untuk membandingkan dua model dengan jumlah peubah eksogen yang berbeda. Maka ketika jumlah peubah X ditambah:

Proporsi keragaman Y yang terjelaskan oleh X akan selalu meningkat.

R2akan selalu meningkat seiring jumlah X, tanpa melihat penting tidaknya penambahan X dalam model.

Digunakan adjusted R2, adjusted: disesuaikan terhadap jumlah peubah eksogen X yang digunakan.

Ada beberapa uji hipotesis pada linier berganda seperti uji keberartian koefisien secara individu yaitu biasa disebut uji t, kemudian uji keberartian koefisien secara simultan atau dilakukan dengan uji f, uji linier restriction atau uji hubungan linier antara dua atau lebih koefisien: uji F atau uji Wald (pengembangan uji t), lalu ada pula uji F atau chi square dengan cara likelihood ratio.