Langakah –langkah sebelum memilih bentuk model regresi:

1. Plot data(gravik,curva) berguna untuk mengetahui bentuk model(linear/non

linear)

2. Uji normalitas data(Uji Jargue –berra)

3. Uji stasioner data (untuk data-data time serries) menggunakan uji ADF,dll
4. Transformasi data jika belm stasioner,jika dipaksakan akan menghasilkan
regresi palsu(superious regression)
5. Regresikan data yang telah stasioner(khusus time serries)
6. Uji kebaikan model,jika ada pelanggaaran asumsi
klasik(multikolinearitas,heterokedastisitas,dan autokerelasi),lakukan upaya
peneyembuhan (dengan transformasi data atau model).Model yang mengalami
pelanggaran asumsi,tidakl boleh digunalkan untuk mengambil
kesimpulan(inferensi)
7. Interpretasikan model yang sudah baik(proses inferensi) untuk mengambil
keputusan/kebijakan

1.plOt data : VIEW,graph,scatter,simple scatter

Berdasarkan plot data,terbentuk kurva demand yang linear sesauai dengan teori
dimana makin tinggi harga maka permintaan mocin menurun dan sebaliknya,jika
harga meningkat maka permintaanya akan berkurang.Sehingga permintaan
MOCIN dapat diestimasi dengan model regresi linear,dan estimasinya
menggunakan metode OLS
 2. Uji normalitas data

Berdasarkan uji Jarque Berra,nilai probalitasnya sebesar 0,70 atau 70% >  =5%
artinya tidak siginifikasi untuk menolak Ho atau tidak cukup kuat untuk menolak
Ho yang mengatakan residual berdistibusi normal.Artinya kita menerima
H0,berarti data telah tetrdistribusi secra normal.

Dari dua pengujian (plot dan normalitas) untuk satu variabel bebas ada yang
membolehkan untuk lansung mengestimasi model regresinya.Namun jika datanya
interval waktu yang panjang atau n yang paling besar (n>10) atau variabel
bebasnya lebih dari satu,harus dilakukan uji stasioner terlebih dahulu.Kalau data
tidak stasioner diregresi akan menghasilkan regsresi palsu(superious regression)

3. Berikut hasil estimasi model ermintaan MOCIN dengan metode OLS

Dependent Variable: QD
Method: Least Squares
Date: 04/07/11 Time: 11:44
Sample: 2006:01 2006:08
Included observations: 8
Variable Coefficient Std. Error t-Statistic Prob.
C 2996.750 167.5918 17.88124 0.0000
P -225.0000 12.98656 -17.32560 0.0000
R-squared 0.980403 Mean dependent var 93.12500
Adjusted R-squared 0.977137 S.D. dependent var 5.566161
S.E. of regression 0.841625 Akaike info criterion 2.705354
Sum squared resid 4.250000 Schwarz criterion 2.725215
Log likelihood -8.821418 F-statistic 300.1765
Durbin-Watson stat 0.794118 Prob(F-statistic) 0.000002

Model regresinya dapat ditulis sbb

Qd=2.296,75 – 225 P
(17,88)*** (-17,325)***
2 =0,98
R
F =300,17
 D-W = 0,79
Berdasarkan nilai t-hitung dan nilai probablitias t sebesar 0.000 < =0,05
berarti signifikan pada α=5% maupun α=1%. Berarti, Ho yang menyatakan
harga tidak berpengaruh terhadap permintaan motor ditolak, dan Ha
yang menyatakan ada pengaruh harga Mocin terhadap permintaannya
diterima dan terbukti nyata secara statistik. Hal ini sesuai dengan
koefisien regresi, nilai konstanta 2.296,75 berarti jika harga MOCIN gratis
(P=0), maka permintaanya berjumlah 2.297 unit. Sedangkan nilai koefisien
harga negatif sesuai dengan teori yakni sebesar -225, artinya jika harga
MOCIN naik 10%, munit. aka permintaan MOCIN akan turun sebesar 22,5%.
Nilai R2=0,98 berarti varisi harga mampu menjelaskan permintaan sebesar 98%
atau besarnya pengaruh harga terhadap permintaan MOCIN sebesar 98%, dan
2% sisanya dipengaruhi faktor lain.