MULTIKOLINIERITAS
MULTIKOLINIERITAS
EVIEWS
R-Squared = 0,98
Hasil uji t:
Kesimpulan:
Jika dilihat dari R2 sebesar 0,98 dimana R2 lebih dari 0,80 atau mendekati 1,0 artinya model tersebut
terindikasi multikolinieritas. Berdasarkan uji t, dari tiga variabel diatas X2 dan X3 tidak signifikan.
FDI L PMDN
FDI 1 0.801794777 0.852921224
6072259 4495881
L 0.801794777 1 0.984188552
6072259 0640106
PMDN 0.852921224 0.984188552 1
4495881 0640106
Dari hasil variabel tersebut memiliki variabel yang cukup besar, yaitu lebih besar dari 0,80, sehingga patut diduga
adanya hubungan linier antara ketiga variabel tersebut. Sehingga diduga adanya multikolinieritas.
SPSS
Correlations
x1 x2 x3
N 16 16 16
**
x2 Pearson Correlation ,802 1 ,984**
Sig. (2-tailed) ,000 ,000
N 16 16 16
** **
x3 Pearson Correlation ,853 ,984 1
N 16 16 16
EVIEWS
1. x1 = f (x2, x3)
2. x2 = f (x1, x3)
3. x3 = f (x1, x2)
F hitung 22.08838
Dependent Variable: L
Method: Least Squares
Date: 05/30/18 Time: 03:32
Sample: 1980 1995
Included observations: 16
F hitung 241.8373
Mencari F tabel:
Diketahui nilai F tabel dengan a = 5% dan derajat kebebasan ( k-1=3-1=2) (n-k = 16-3=13), maka
diperoleh F tabel sebesar 3,41
Kesimpulan:
Karena F1 F2 dan F3 lebih besar daripada F tabel dan derajat kebebasan 2, 13 adalah 3,41. Maka
model kita mengandung unsur multikolinieritas dan begitu sebaliknya.
EVIEWS
Keterangan dikarenakan VIF >10 maka ini menunjukan adanya multikolinieritas yang tinggi.
SPSS
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
a. Dependent Variable: y
Kesimpulan:
Berdasarkan nilai output diatas maka di dapat: nilai tolerance pada model x1, x2 dan x3 memiliki
nilai lebih dari 0,10 dan nilai VIF pada model x1, x2 dan x3 memiliki nilai lebih dari 10, artinya
model tersebut mengandung multikolinieritas yang tinggi
HETEROKEDASTISITAS
EVIEWS
1. METODE GRAFIK
GAMBAR SCATTERPLOT
Sampel X1 ( FDI)
9.0
8.5
8.0
7.5
FDI
7.0
6.5
6.0
5.5
.00 .01 .02 .03 .04 .05
RES2
Sampel X2 ( L)
4.5
4.4
4.3
4.2
L
4.1
4.0
3.9
.00 .01 .02 .03 .04 .05
RES2
Sampel X3 ( PMDN )
12.0
11.5
11.0
PMDN
10.5
10.0
9.5
9.0
.00 .01 .02 .03 .04 .05
RES2
Kesimpulan :
Dari gambar diatas data tersebar secara acak dan tidak menunjukkan pola tertentu, sehingga dapat
diduga tidak ada masalah heteroskedastisitas atau terdapat homoskedastisitas.
SPSS
Kesimpulan :
Dari gambar di atas terlihat bahwa data tersebar secara acak atau menggambarkan tidak ada
pola tertentu sehingga dapat disimpulkan bahwa data tersebut tidak mengandung
heterokedastisitas atau terdapat homoskedastisitas.
2. METODE PARK
EVIEWS
Dependent Variable: LOG(RES2)
Method: Least Squares
Date: 05/30/18 Time: 04:23
Sample: 1980 1995
Included observations: 16
kesimpulan :
pada data diatas diketahui bahwa masing masing variabel independen tidak signifikan
( dilihat dari uji t maupun probabilitasnya) sehingga dapat diputuskan tidak adanya
heteroskedastisitas atau terdapat homoskedastisitas.
3. METODE GLEJSER
EVIEWS
Dependent Variable: RESABS
Method: Least Squares
Date: 05/30/18 Time: 04:30
Sample: 1980 1995
Included observations: 16
kesimpulan:
dari data diatas tidak signifikan (dilihat dari uji t ataupun probabilitasnya) sehingga
data tersebut tidak mengandung heteroskedastisitas atau adanya homoskedastisitas.
SPSS
Coefficientsa
KESIMPULAN
Dapat diketahui bahwa model x1 x2 x3 tidak signifikan karena datanya lebih dari 0,05 artinya
data tersebut tidak mengandung heteroskedastisitas atau adanya homoskedastisitas.
5. METODE SPEARMAN
DW = 1.705138
men