Anda di halaman 1dari 23

IBM SPSS STATISTICS VERSION 22

Oleh :
Abdullah M. Jaubah

Pendahuluan
Latihan ini merupakan latihan kesembilan

mengenai prosedur

General Linear Model

Univariate. Prosedur General Linear Model Univariate memungkinkan untuk membuat modal
nilai dari variabel dependen berjenis kuantitatif berdasar atas hubungannya dengan prediktorprediktor berjenis kategorial dan scale. General Linear Model mencakup peluang-peluang
pilihan menenai Univariate, Multivariate, Repeated Measures, dan peluang Variance
Components akan tetapi yang dicakup dalam Statistical Base adalah Univariate saja
sedangkan peluang-peluang lain dicakup dalam Advanced Statistics.
GLM Univariate Model
Prosedur GLM Univariate berdasar atas prosedur General Linear Model, di mana faktorfaktor dan kovarians diasumsikan mempunyai suatu hubungan garis lurus pada variabel
dependen. Factors, prediktor-prediktor kategorikal dipilih sebagai faktor-faktor dalam model.
Tiap tingkatan dari suatu faktor dapat mempunyai akibat garis lurus berbeda atas nilai dari
variabel dependen. Fixed effectsn factors secara umum dianggap sebagai variabel-variabel
dengan nilai-nilai yang diwakili dalam arsip data. Random effects factors adalah variabelvarabel dengan nilai-nilai dalam arsip data dapat dipertimbangkan suatu sampel acak dari
nilai-nilai populasi yang lebih besar. Hal ini bermanfaat untuk menjelaskan variabilitas
berlebihan dalam variabel dependen.
Pemakaian GLM Univariate untuk Melaksanakan Analisis Dua Faktor dari Kebiasaan
Pembelian Pelanggan
Suatu jaringan toko kelontong, sebagai contoh, tertarik pada akibat dari lima jenis kupon
belanja pelanggan. Kupon ini diberikan di beberapa lokasi toko,

kepada pelanggan yang

sering mengunjungi dan berbelanja di lokasi itu; satu kupon yang dipilih secara acak untuk
setiap pelanggan.
Jenis kupon adalah akibat tetap karena perusahaan tertarik pada kupon tertentu. Lokasi toko
adalah akibat acak karena lokasi yang dipakai adalah sampel dari populasi yang lebih besar
dari minat, dan sementara itu terdapat kemungkinan untuk mengalami variasi toko-ke-toko i
dalam konsumen berbelanja, perusahaan tidak langsung tertarik pada variasi dalam konteks
dari masalah ini.
Kovariat. Prediktor-prediktor kuantitatif harus dipilih sebagai kovariat dalam model. Nilainilai kovariat, dalam kombinasi tingkat-tingkat faktor atau sel, diasumsikan berkorelasi
linear dengan nilai-nilai variabel dependen.
Interaksi. Prosedur General Linear Model Univariate menghasilkan model dengan semua
interaksi faktorial. Hal ini berarti bahwa setiap kombinasi dari tingkat-tingkat faktor dapat
memiliki akibat linear yang berbeda pada variabel dependen. Hal lain dapat menentukan
interaksi faktor-kovariat, jika kepercayaan terdapat bahwa hubungan linear antara kovariat
dan perubahan variabel dependen untuk berbagai tingkat faktor.
General Linear Model Univariate, untuk keperluan pengujian hipotesis mengenai perkiraan
parameter, mengandung asumsi :
1.

Nilai-nilai kesalahan adalah independen satu sama lain dan variabel dalam model.
Desain penelitian yang baik umumnya menghindari pelanggaran atas asumsi ini.

2. Variabilitas dari kesalahan adalah konstan di sel. Hal ini akan sangat penting ketika
terdapat ukuran sel yang tidak sama; yaitu, nomor yang berbeda dari pengamatan di
kombinasi faktor-tingkat.
3. Kesalahan memiliki distribusi normal dengan rata-rata 0.
Pemakaian General Linear Model Univariate. Langkah untuk Melakukan Analisis Dua-Faktor
kebiasaan pembelian Pelanggan.
Suatu jaringan toko kelontong yang disurvei satu set pelanggan mengenai kebiasaan
pembelian mereka. Hasil survei dan berapa banyak setiap pelanggan membelanjakan pada
bulan sebelumnya, toko ingin melihat apakah frekuensi dengan yang pelanggan toko ini
terkait dengan jumlah yang mereka habiskan di bulan, mengendalikan jenis kelamin
pelanggan.
2

Informasi ini dikumpulkan dalam arsip data grocery_1month.sav. Prosedur General Linear
Model Univariate dipakai untuk melakukan analisis Anova dua faktor (atau dua arah) pada
jumlah yang dibelanjakan
Pelaksanaan Analisis

Perintah Analyze > General Linear Model > Univariate dipakai. Langkah ini akan
menyajikan kotak dialog Univariate sebagai berikut :

Amount spent dipilih sebagai variabel dependen. Gender dan Shopping style dipilih sebagai
fixed factors. Tombol Plots ditekan. Langkah ini akan menyajikan kotak dialog Univariate :
Profile Plots sebagai berikut :

Variabel style dipilih sebagai variabel horizontal axis. Variabel gender dipilih sebagai variabel
separate lines. Tombol Add ditekan. Tombol Continue ditekan. Tombol Post Hoc ditekan.
Langkah ini akan menyajikan kotak dialog Univariate : Post Hoc Multiple Comparations for
Observed Means sebagai berikut :

Variabel style dipilih sebagai variabel untuk mana pengujian-pengujian post hoc akan
dihasilkan. Tukey dipilih dalam Equal Variances Assumed group. Tombol Continue ditekan.
Tombol Options ditekan. Langkah ini akan menyajikan kotak dialog Univariate : Options
sebagai berikut :

Pemilihan dilakukan atas gender*style untuk menyajikan rata-rata. Descriptive statistics,


Homogeneity tests, Estimate dari ukuran akibat, dan Spread vs, level plot dalam Display
group dipilih. Tombol Continue ditekan. Tombol OK ditekan. Langkah-langkah pilihan ini
akan mencipta perintah sintaksis sebagai berikut :
GET
FILE='D:\SPSS22\grocery_1month.sav'.
DATASET NAME DataSet1 WINDOW=FRONT.
UNIANOVA amtspent BY gender style
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/POSTHOC=style(TUKEY)
/PLOT=PROFILE(style*gender)
/EMMEANS=TABLES(gender*style)
/PRINT=ETASQ HOMOGENEITY DESCRIPTIVE
/PLOT=SPREADLEVEL
/CRITERIA=ALPHA(.05)
/DESIGN=gender style gender*style.

Prosedur ini mengandung spesifikasi amtspent sebagai variabel target dan variabel gender
dan style sebagai factors. Post Hoc mmbutyuhkan Tukey test untuk variabel style.
SubperintahnPlot membutuhkan suatu profile plor untuk style*gender dan spread vs. Level
5

plot. Emmeans membutuhkan rata-rata marjinal diestimasi untuk gender*style. Print


membtuhkan statistik deskriptif, estimasi dari ukuran akibat, dan pengujian homogenitas.
Design dipakai untuk melakukan spesifikasi atas variabel gender, style, dan gender*style
sebagai akibat-akibat dalam model, Semua peluang lain ditentukan sesuai dengan nilai-nilai
ketentuan.
.
Descriptive Statistics
Descriptive Statistics
Dependent Variable: Amount spent
Gender

Shopping style

Mean

Male

Biweekly; in bulk

413,0657

90,86574

35

Weekly; similar items

440,9647

98,23860

120

Often; what's on sale

407,7747

69,33334

30

Total

430,3043

93,47877

185

Biweekly; in bulk

343,9763

100,47207

35

Weekly; similar items

361,7205

90,46076

102

Often; what's on sale

405,7269

80,57058

29

Total

365,6671

92,64058

166

Biweekly; in bulk

378,5210

101,25839

70

Weekly; similar items

404,5552

102,48440

222

Often; what's on sale

406,7681

74,42114

59

Total

399,7352

98,40821

351

Female

Total

Std. Deviation

Tabel ini menyajikan statistik deskriptif untuk tiap kombinasi dari faktor-faktor dalam model.
Hal ini mengungkap akibat dari variabel Shopping style, secara rata-rata dua mingguan para
pelanggan membelanjakan $378.52, sedangkan para pelanggan membelanjakan mingguan
$404.55, dan para pelanggan yang sering berbelanja mencerminkan belanja $406.76.
Pengaruh dari Gender juga disajikan, secara rata-rata, orang laki-laki dalam sampel
membelanjakan $430.30 jika dibanding dengan belanja pelanggan perempuan $365.66.
Akibat interaksi antara Gender dan Shopping style terdapat karena perbedaan-perbedaan ratarata dalam jumlah belanja menurut shopping style berubah-ubah antara genders. Para
pelanggan laki-laki membelanjakan dua mingguan cenderung lebih besar daripada pelanggan
laki-laki yang sering berbelanja akan tetapi tren ini berbeda untuk para pelanggan perempuan
yang berbelanja dua mingguan dan sering berbelanja. Kolom N dalam tabel itu mengungkap
ukuran-ukuran sel adalah berbeda. Kebanyakan pelanggan mengutamakan berbelanja

mingguan. Deviasi standar relatif homogen, walau hal ini memerlukan pengecekan atas
Levenes test spread-versus-level plots untuk meyakinkan.
Pengujian Homogenitas Varians
Levene's Test of Equality of Error Variancesa
Dependent Variable: Amount spent
F

df1
1,157

df2
5

Sig.
345

,330

Tests the null hypothesis that the error variance of the dependent variable is equal across groups.
a. Design: Intercept + gender + style + gender * style

Tabel ini dipakai untuk menguji hipotesis nol bahwa varians dari kesalahan-kesalahan adalah
konstan sepanjang sel-sel yang ditentukan oleh kombinasi factor levels. Nilai signifikansi dari
pengujian ini adalah 0.330, nilai ini adalah lebih besar daripada nilai 0.10, hal ini berarti
bahwa tidak terdapat alasan untuk mempercayai bahwa asumsi mengenai equal variance
mengalami penyimpangan. Perbedaan kecil dalam kelompok dari deviasi standar yang
diobservvasi dalam tabel statistik deskriptif disebabkan oleh variasi acak. Tabel ini menguji
hipotesis nol bahwa varians dari istilah kesalahan adalah konstan di sel ditentukan oleh
kombinasi dari tingkat faktor, karena nilai signifikansi tes, 0.330 , lebih besar dari 0,10 , tidak
ada alasan untuk percaya bahwa asumsi varians yang sama dilanggar . Dengan demikian ,
perbedaan-perbedaan kecil dalam kelompok standar deviasi diamati pada tabel statistik
deskriptif adalah karena variasi acak.

Plot spread - versus- tingkat adalah penyebaran sel rata-rata dan

deviasi standar dari tabel

statistik deskriptif . Hal ini memberikan pengujian secara visual dari asumsi varians yang
7

sama , dengan manfaat tambahan yaitu membantu untuk menilai apakah pelanggaran asumsi
adalah karena hubungan antara rata-rata sel dan deviasi standar d. Pola yang jelas dalam plot
ini tidak terdapat, sehingga indikasi hubungan seperti itu juga tidak terdapat di sini .
Multiple Comparisons
Dependent Variable: Amount spent
Tukey HSD
(I) Shopping style

Biweekly; in bulk
Weekly; similar items
Often; what's on sale

Mean
Difference
(I-J)

(J) Shopping style

95% Confidence Interval


Std. Error

Sig.

Lower
Bound

Upper Bound

Weekly; similar items

-26,0342

12,61108

0,099

-55,7191

Often; what's on sale

-28,2471

16,25946

0,193

-66,5198

26,0342

12,61108

0,099

-3,6507

-2,213

13,47525

0,985

-33,932

28,2471

16,25946

0,193

-10,0256

2,213

13,47525

0,985

-29,5061

Biweekly; in bulk
Often; what's on sale
Biweekly; in bulk
Weekly; similar items

Based on observed means.


The error term is Mean Square(Error) = 8463,939.

Pengujian antara - subyek akibat dapat membantu untuk menentukan signifikansi faktor, akan
tetapi mereka tidak menunjukkan bagaimana tingkat faktor itu berbeda. Tes post hoc
menunjukkan perbedaan dalam model yang memprediksi rata-rata bagi setiap pasangan
tingkat-tingkat faktor. Kolom pertama menampilkan tes post hoc yang berbeda. Dua kolom
berikutnya menampilkan sepasang tingkat faktor yang diuji . Nilai signifikansi untuk
perbedaan dalam jumlah yang dibelanjakan untuk sepasang tingkat faktor kurang dari 0,05,
tanda bintang ( * ) dicetak oleh perbedaan.

Perbedaan yang signifikan dalam kebiasaan

berbelanja dua mingguan tidak tersedia.


Amount spent
Tukey HSD

a,b,c

Subset
Shopping style
Biweekly; in bulk

1
70

378,5210

Weekly; similar items

222

404,5552

Often; what's on sale

59

406,7681

Sig.

,116

Means for groups in homogeneous subsets are displayed.Based on observed means.


The error term is Mean Square(Error) = 8463,939.
a. Uses Harmonic Mean Sample Size = 83,941.
b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
c. Alpha = ,05.

Tabel subset homogen meja menyajikan hasil tes post hoc dan menunjukkan mereka dalam
bentuk yang lebih mudah diinterpretasi. Kolom bagian tingkat faktor yang tidak memiliki
akibat yang berbeda secara signifikan akan ditampilkan dalam kolom yang sama. Bagian
pertama, dalam contoh ini, berisi pelanggan " dua mingguan " , " mingguan " , dan " sering ".
Hal ini mencakup semua pelanggan, sehingga tidak ada subset lainnya. Tes post hoc
menunjukkan bahwa upaya menarik pelanggan untuk berbelanja lebih sering dari biasanya
tersisihkan karena mereka tidak akan berbelanja lebih signifikan.

Hasil tes post hoc tidak

memperhitungkan tingkat faktor-faktor lain, sehingga mengabaikan kemungkinan akibat


interaksi dengan gender jika diamati pada tabel statistik deskriptif . Cara estimasi marginal
estimasi perlu diamati untuk melihat bagaimana hal ini mungkin mengubah kesimpulan.
Estimated Marginal Means
Gender * Shopping style
Dependent Variable: Amount spent
95% Confidence Interval
Gender

Shopping style

Male

Biweekly; in bulk

413,066

15,551

382,479

443,652

Weekly; similar items

440,965

8,398

424,446

457,483

Often; what's on sale

407,775

16,797

374,738

440,812

Biweekly; in bulk

343,976

15,551

313,390

374,563

Weekly; similar items

361,720

9,109

343,804

379,637

Often; what's on sale

405,727

17,084

372,125

439,329

Female

Mean

Std. Error

Lower Bound

Upper Bound

Tabel ini menampilkan cara model estimasi marjinal dan kesalahan standar Jumlah yqang
dibelanjakan dikombinasi dengan faktor gender dan gaya Shopping . Tabel ini berguna untuk
menjelajahi akibat interaksi yang mungkin antara dua faktor ini. Pelanggan laki-laki yang
melakukan pembelian mingguan, dalam contoh ini, diperkirakan akan membelanjakan sekitar
$ 440.96, sementara satu yang membuat pembelian lebih sering diharapkan untuk
menghabiskan $ 407.77. Pelanggan perempuan yang membuat pembelian mingguan
diperkirakan akan membelanjakan $ 361.72, sementara satu yang membuat pembelian lebih
sering diharapkan untuk membelanjakan $ 405.72. Hal ini mencerminkan bahwa perbedaan
terdapat antara pelanggan " mingguan " dan " sering ", tergantung pada jenis kelamin
pelanggan . Fakta ini menunjukkan akibat interaksi antara gender dan gaya Shopping .
Interaksi itu jika tidak terdapat, maka akan mengharapkan perbedaan antara gaya belanja
untuk tetap konstan untuk pelanggan pria dan wanita. Interaksi dapat diamati lebih mudah
dalam plot profil.
9

Plot profil adalah representasi visual dari tabel rata-rata marjinal. Tingkat faktor gaya belanja
diperlihatkan sepanjang sumbu horisontal. Baris terpisah diproduksi untuk setiap tingkat
Gender. Tingkat faktor gender dapat ditampilkan sepanjang sumbu horisontal , dengan garisgaris yang terpisah diproduksi untuk setiap tingkat gaya berbelanja. Efek interaksi jika tidak
terdapat, maka garis-garis dalam tabel akan paralel. Perbedaan dalam belanja antara
pelanggan " mingguan " dan " sering " lebih besar bagi pelanggan perempuan, sebagai garis
bagi pelanggan lereng laki-laki ke bawah dan untuk pelanggan perempuan lereng atas. Hal ini
merupakan efek interaksi yang kuat dan tidak mungkin karena kebetulan , tetapi hal ini harus
memeriksa tes antara - subyek efek untuk konfirmasi signifikansinya.
Tests of Between-Subjects Effects
Dependent Variable: Amount spent
Source

Type III Sum of Squares

df

Mean Square

Sig.

Partial Eta Squared

93880,599

11,092

,000

,138

39359636,387

39359636,387

4650,274

,000

,931

158037,442

158037,442

18,672

,000

,051

style

33506,210

16753,105

1,979

,140

,011

gender * style

69858,325

34929,163

4,127

,017

,023

Error

2920058,824

345

8463,939

Total

59475118,440

351

3389461,820

350

Corrected Model
Intercept
gender

Corrected Total

469402,996

a. R Squared = ,138 (Adjusted R Squared = ,126)

Pelaksanaan Analisis

10

Analisis ini adalah analisis tabel varians. Setiap unsur dalam model, ditambah model secara
keseluruhan, diuji kemampuannya untuk memperhitungkan variasi dalam variabel dependen.
Label variabel tidak ditampilkan dalam tabel ini. Nilai signifikansi untuk setiap unsur, kecuali
style adalah kurang dari 0,05 Setiap unsur, kecuali style, oleh karena itu, adalah signifikan
secara statistik. Kuadrat parsial eta statistik menganedung penjelasan "praktis" mengenai
peranan penting setiap unsur, berdasarkan rasio variasi (jumlah kuadrat) dicatat dengan
unsur, dengan jumlah dari variasi dicatat dengan unsur dan variasi kiri kesalahan . Nilai yang
lebih besar dari kuadrat parsial eta menunjukkan jumlah yang lebih besar dari variasi dicatat
dengan unsur model, untuk maksimal 1. Persyaratan individu, sementara signifikansi secara
statistik, tidak memiliki efek yang besar pada nilai jumlah berbelanja.
Tes post hoc, dalam contoh ini, tidak mengungkapkan perbedaan dalam pengeluaran antara
pelanggan yang berbelanja dua mingguan dan mereka yang berbelanja lebih sering, akan
tetapi, rata-rata marginal diperkirakan dan plot profil mengungkapkan interaksi antara dua
faktor, menunjukkan bahwa pelanggan laki-laki yang berbelanja seminggu sekali lebih
menguntungkan daripada mereka yang berbelanja lebih sering, sementara pola terbalik untuk
pelanggan wanita. Signifikansi pengaruh interaksi ini dikonfirmasi oleh hasil tabel Anova.
Pemakaian General Linear Model Univariate untuk Melakukan Analisis Kovarian
Para pendukung program pekerjaan pemerintah ingin melihat apakah program itu membantu
orang menjadi pekerjaan yang lebih baik, mengontrol gaji mereka sebelum memasuki
program. Sebuah sampel dari peserta program potensial diikuti, beberapa di antaranya dipilih
secara acak untuk pendaftaran dalam program ini, sementara yang lain tidak. Prosedur GLM
Univariate dipakai untuk melakukan analisis kovarians (Ancova) pada pendapatan setelah
program. Asumsi tambahan Ancova adalah bahwa interaksi yang signifikan tidak terdapat
antara kovariat dan faktor.
Pelaksanaan Analisis

11

Perintah Analyze > General Linear Model > Univariate dipakai. Langkah ini akan
menyajikan kotak dialog Univariate.

Amount spent dipilih sebagai variabel dependen. Who shopping for dan Use coupons dipilih
sebagai fixed factors. Tombol Options ditekan. Lankah ini akan menyajikan kotak dialog
Univaariate : Options sebagai berikut :

12

Estimate of effect size dipilih. Tombol Continue ditekan. Tombol OK ditekan sehingga
perintah sintaksis dicipta sebagai berikut :
UNIANOVA amtspent BY shopfor usecoup
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/PRINT=ETASQ
/CRITERIA=ALPHA(.05)
/DESIGN=shopfor usecoup shopfor*usecoup.

Prosedur ini mengandung spesifikasi amtspent sebagai variabel target, variabel usecoup dan
shopfor sebagai factors. PRINT membutuhkan estimates of effect size. DESIGN mengandung
spesifikasi usecoup, shopfor, dan shopfor*usecoup sebagai effects dalam model. Semua
peluang lain berdasar atas nilai-nilai sesuai ketentuan.
Tests of Between-Subjects Effects
Dependent Variable: Amount spent
Source

Type III Sum of Squares

df

Mean Square

Sig.

Partial Eta Squared

Corrected Model

1867084,001

11

169734,909

37,796

,000

,551

Intercept

54651422,013

54651422,013

12169,668

,000

,973

shopfor

1329509,066

664754,533

148,026

,000

,466

usecoup

317508,903

105836,301

23,567

,000

,173

shopfor * usecoup

192031,603

32005,267

7,127

,000

,112

Error

1522377,820

339

4490,790

Total

59475118,440

351

3389461,820

350

Corrected Total

a. R Squared = ,551 (Adjusted R Squared = ,536)

13

Tests of between-subjects effects mengungkap bahwa unsur-unsur model mempunyai nilai


signifikansi adalah kurang daripada nilai 0.05, unsur-unsur ini secara statistik adalah
signifikan. Variabel Store ID ditambahkan sebagai suatu

random-effects factor untuk

mengungkap apakah model dapat diperbaiki atau tidak.

Store ID dipilih sebagai random factor.

Custom dipilih sebagai model type. Variabel shopfor dan usecoup dipilih dalam Factors dan
Covariates list. Main effects dipilih untuk model. Variabel shopfor dan usecoup dipilih dalam

14

Factors and Covariates list. Interaction dipilih untuk model. Variabel storeid dalam Factors
dan Covariates list dipilih. Tombol Continue ditekan. Tombol OK ditekan. Langkah-langkah
ini akan mencipta perintah sintaksis sebagai berikut :
UNIANOVA amtspent BY shopfor usecoup storeid
/RANDOM=storeid
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/PRINT=ETASQ
/CRITERIA=ALPHA(.05)
/DESIGN=shopfor usecoup shopfor*usecoup storeid.

Procedur mengandung spesifikasi amtspent sebagai variabel target. Variabeln usecoup,


shopfor, dan storeid sebagai factors.RANDOM mengandung spesifikasi bahwa

storeid

merupakan suatu random effect. PRINT membutuhkann estimasi dari effect size. DESIGN
mengandung spesifikasi usecoup, shopfor, shopfor*usecoup, dan

storeid sebagai effects

dalam model. Semua peluang lain ditentukan sesuai dengan nilai menurut ketentuan.
Tests of Between-Subjects Effects
Dependent Variable: Amount spent
Type III Sum of
Squares

Source
Hypothesis
Intercept

shopfor
usecoup
shopfor *
usecoup
storeid

51402962,48

Error

7166,027a

1073908,578

280

3835,388

253850,608

84616,87

1073908,578

280

3835,388

138871,544

23145,26

1073908,578

280

3835,388

448469,242

59

7601,174

280

479937,374
1109546,714

Hypothesis
Error
Hypothesis
Error
Hypothesis
Error

Mean Square

1
66,97
4
2

Error
Hypothesis

df

1073908,578

51402962

554773,4

3835,388

Sig.

Partial Eta Squared

7173,147

0,991

144,646

0,508

22,062

0,191

6,035

0,115

1,982

0,295

a. ,884 MS(storeid) + ,116 MS(Error)


b. MS(Error)

Penambahan Store ID sebagai suatu random-effects factor mengurangi variabilitas yang tidak
dapat dijelaskan secara keseluruhan, diberi tanda sebagai kesalahan dari 1522377.826 ke
1073908.578.
Hal ini juga mengurangi variasi dijelaskan oleh efek utama , Usecoup dan Shopfor. Ini sangat
alami dan hanya menunjukkan bahwa beberapa variasi awalnya dijelaskan oleh istilah Model
ini dapat lebih baik dijelaskan oleh Toko ID . Fakta penting di sini adalah bahwa
15

pengurangan proporsional dalam variasi dijelaskan oleh masing-masing efek utama adalah
tidak sama besar seperti pengurangan variasi dijelaskan . Dengan demikian, eta parsial
kuadrat meningkat untuk masing-masing efek Model .
Sintaksis Gabungan
Sintaksis gabungan adalah sebagai berikut :
**********************************************************
***** Abdullah M. Jaubah
**********************************************************
GET
FILE='D:\SPSS22\grocery_1month.sav'.
UNIANOVA amtspent BY gender style
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/POSTHOC=style(TUKEY)
/PLOT=PROFILE(style*gender)
/EMMEANS=TABLES(gender*style)
/PRINT=ETASQ HOMOGENEITY DESCRIPTIVE
/PLOT=SPREADLEVEL
/CRITERIA=ALPHA(.05)
/DESIGN=gender style gender*style.
UNIANOVA amtspent BY shopfor usecoup
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/PRINT=ETASQ
/CRITERIA=ALPHA(.05)
/DESIGN=shopfor usecoup shopfor*usecoup.
UNIANOVA amtspent BY shopfor usecoup storeid
/RANDOM=storeid
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/PRINT=ETASQ
/CRITERIA=ALPHA(.05)
/DESIGN=shopfor usecoup shopfor*usecoup storeid.

Sintaksis gabungan dijalankan dengan cara memakai perintah Run>All dari Syntax Editor.
Pelaksanaan sintaksis di atas akan menyajikan hasil secara lengkap sebagai berikut :
**********************************************************
***** Abdullah M. Jaubah
**********************************************************
GET
FILE='D:\SPSS22\grocery_1month.sav'.
UNIANOVA amtspent BY gender style
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/POSTHOC=style(TUKEY)
/PLOT=PROFILE(style*gender)
/EMMEANS=TABLES(gender*style)
/PRINT=ETASQ HOMOGENEITY DESCRIPTIVE
/PLOT=SPREADLEVEL
/CRITERIA=ALPHA(.05)
/DESIGN=gender style gender*style.

16

Between-Subjects Factors
Value Label
Gender

Shopping style

Male

185

Female

166

Biweekly; in bulk

Weekly; similar items

222

Often; what's on sale

59

70

Descriptive Statistics
Dependent Variable: Amount spent
Gender

Shopping style

Mean

Male

Biweekly; in bulk

413,0657

90,86574

35

Weekly; similar items

440,9647

98,23860

120

Often; what's on sale

407,7747

69,33334

30

Total

430,3043

93,47877

185

Biweekly; in bulk

343,9763

100,47207

35

Weekly; similar items

361,7205

90,46076

102

Often; what's on sale

405,7269

80,57058

29

Total

365,6671

92,64058

166

Biweekly; in bulk

378,5210

101,25839

70

Weekly; similar items

404,5552

102,48440

222

Often; what's on sale

406,7681

74,42114

59

Total

399,7352

98,40821

351

Female

Total

Std. Deviation

Levene's Test of Equality of Error Variancesa


Dependent Variable: Amount spent
F

df1
1,157

df2
5

Sig.
345

,330

Tests the null hypothesis that the error variance of the dependent variable is equal across groups.
a. Design: Intercept + gender + style + gender * style

Tests of Between-Subjects Effects


Dependent Variable: Amount spent

17

Type III Sum of


Source

Partial Eta

Squares

df

Mean Square

Sig.

Squared

93880,599

11,092

,000

,138

39359636,387

39359636,387

4650,274

,000

,931

158037,442

158037,442

18,672

,000

,051

style

33506,210

16753,105

1,979

,140

,011

gender * style

69858,325

34929,163

4,127

,017

,023

Error

2920058,824

345

8463,939

Total

59475118,440

351

3389461,820

350

Corrected Model
Intercept
gender

Corrected Total

469402,996

a. R Squared = ,138 (Adjusted R Squared = ,126)

Estimated Marginal Means


Gender * Shopping style
Dependent Variable: Amount spent
95% Confidence Interval
Gender

Shopping style

Male

Biweekly; in bulk

413,066

15,551

382,479

443,652

Weekly; similar items

440,965

8,398

424,446

457,483

Often; what's on sale

407,775

16,797

374,738

440,812

Biweekly; in bulk

343,976

15,551

313,390

374,563

Weekly; similar items

361,720

9,109

343,804

379,637

Often; what's on sale

405,727

17,084

372,125

439,329

Female

Mean

Std. Error

Lower Bound

Upper Bound

Post Hoc Tests


Shopping style
Multiple Comparisons
Dependent Variable: Amount spent
Tukey HSD
(I)
Shopping
style
Biweekly;
in bulk

(J) Shopping style

Mean Difference (I-J)

95% Confidence Interval

Std.
Error

Sig.

Lower
Bound

Upper
Bound

Weekly; similar items

-26,0342

12,611

0,099

-55,7191

3,651

Often; what's on sale

-28,2471

16,259

0,193

-66,5198

10,03

26,0342

12,611

0,099

-3,6507

55,72

-2,213

13,475

0,985

-33,932

29,51

28,2471

16,259

0,193

-10,0256

66,52

2,213

13,475

0,985

-29,5061

33,93

Weekly;
Biweekly; in bulk
similar
Often; what's on sale
items
Often;
Biweekly; in bulk
what's on
Weekly; similar items
sale
Based on observed means.
The error term is Mean Square(Error) = 8463,939.

Homogeneous Subset

18

Amount spent
Tukey HSD

a,b,c

Subset
Shopping style
Biweekly; in bulk

1
70

378,5210

Weekly; similar items

222

404,5552

Often; what's on sale

59

406,7681

Sig.

,116

Means for groups in homogeneous subsets are displayed.


Based on observed means.
The error term is Mean Square(Error) = 8463,939.
a. Uses Harmonic Mean Sample Size = 83,941.
b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
c. Alpha = ,05.

Spread-versus-Level Plots

19

Profile Plots

20

UNIANOVA amtspent BY shopfor usecoup


/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/PRINT=ETASQ
/CRITERIA=ALPHA(.05)
/DESIGN=shopfor usecoup shopfor*usecoup.
Univariate Analysis of Variance
Between-Subjects Factors
Value Label
Who shopping for

Use coupons

Self

121

Self and spouse

140

Self and family

90

No

From newspaper

From mailings

From both

101
82
100
68

Tests of Between-Subjects Effects


Dependent Variable: Amount spent
Type III Sum
Source

of Squares

Corrected Model

1867084,001a

11

169734,909

37,796

,000

,551

Intercept

54651422,013

54651422,013

12169,668

,000

,973

shopfor

1329509,066

664754,533

148,026

,000

,466

usecoup

317508,903

105836,301

23,567

,000

,173

shopfor * usecoup

192031,603

32005,267

7,127

,000

,112

Error

1522377,820

339

4490,790

Total

59475118,440

351

3389461,820

350

Corrected Total

df

Mean Square

Sig.

Partial Eta Squared

a. R Squared = ,551 (Adjusted R Squared = ,536)

UNIANOVA amtspent BY shopfor usecoup storeid


/RANDOM=storeid
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/PRINT=ETASQ
/CRITERIA=ALPHA(.05)
/DESIGN=shopfor usecoup shopfor*usecoup storeid.
Univariate Analysis of Variance

21

Tests of Between-Subjects Effects


Dependent Variable: Amount spent
Type III Sum of
Squares

Source
Intercept
shopfor
usecoup
shopfor *
usecoup
storeid

Hypothesis

51402962,48

Error

51402962

479937,374

66,974

7166,027

1109546,714

554773,4

1073908,578

280

3835,388

253850,608

84616,87

1073908,578

280

3835,388

138871,544

23145,26

280

Hypothesis
Error
Hypothesis
Error

1073908,578

Hypothesis
Error

Error
Hypothesis

Mean
Square

df

3835,388

448469,242

59

7601,174

1073908,578

280

3835,388b

Sig.

Partial Eta
Squared

7173,147

0,991

144,646

0,508

22,062

0,191

6,035

0,115

1,982

0,295

a. ,884 MS(storeid) + ,116 MS(Error)


b. MS(Error)

Expected Mean Squaresa,b


Variance Component
Source

Var(storeid)

Var(Error)

Quadratic Term

Intercept

5,007

shopfor

,000

1,000 shopfor, shopfor * usecoup

usecoup

,000

1,000 usecoup, shopfor * usecoup

shopfor * usecoup

,000

1,000 shopfor * usecoup

storeid
Error

1,000 Intercept, shopfor, usecoup, shopfor * usecoup

5,661

1,000

,000

1,000

a. For each source, the expected mean square equals the sum of the coefficients in the cells times the variance
components, plus a quadratic term involving effects in the Quadratic Term cell.
b. Expected Mean Squares are based on the Type III Sums of Squares.

Ringkasan
Pembahasan mengenai General Linear Model mencakup empat peluang pilihan yaitu
Univariate, Multivariate, Repeated Measures, dan Variance Components. Tiga peluang tidak
dibahas di sini karena termasuk dalam kelompok Advance Statistics.
Suatu faktor acak ditambahkan pada model untuk meningkatkan varians relatih yang
dijelaskan oleh unsur model lain. Akibat-akibat acak (random effects) adalah sering
merupakan faktor-faktor yang tidak merupakan unsur langsung pada masalah yang sedang
dihadapi. Pemikiran lebih lanjut diperlukan untuk mempertimbangkan variasi toko-ke-toko

22

itu mungkin merupakan model bermanfaat dan akan membutuhkan pemasukan data tersebut
dalam proses pengumpulan data.
Prosedur General Linear Model Univariate bermanfaat untuk pemodelann hubungan linear
antara bariabel dependen berjenis kuantitatif dan satu atau lebih variabel berjenis kategorikal
dan prediktor-prediktor bejenis kuantitatif. Prosedur One Way Anova dipakai jika hanya
terdapat satu faktor saja. Prosedur linear regression dipakai jika hanya terdapat satu kovariat
Sintaksis gabungan disajikan dan disimpan dalam arsip sintaksis. Hasil pelaksanaan sintaksis
gabungan juga disajikan.
Penulis mengharap kritik dari para pembaca.
Daftar Kepustakaan
IBM SPSS Statistics, Inc. 2013. Case Studies
Permata Depok Regency, 12 April 2016

23