Asumsi:
1. Residu regresi harus didistribusikan secara normal.
2. Hubungan linear diasumsikan antara variabel dependen dan variabel
independen.
3. Residualnya adalah homoscedastik dan kira-kira berbentuk persegi panjang.
4. Tidak adanya multikolinieritas diasumsikan dalam model, yang berarti bahwa
variabel independen tidak terlalu berkorelasi tinggi.
Manfaat Regresi
Ketika memilih model untuk analisis regresi linier berganda, pertimbangan penting
lainnya adalah model yang sesuai. Menambahkan variabel independen ke model
regresi linier berganda akan selalu meningkatkan jumlah varians yang dijelaskan dalam
variabel dependen (biasanya dinyatakan sebagai R²). Oleh karena itu, menambahkan
terlalu banyak variabel independen tanpa justifikasi teoretis dapat menghasilkan model
yang terlalu sesuai.
Contoh :
atau
Studi Kepustakaan
(Teori dan Studi Terdahulu)
Pengolahan Data
Memenuhi Uji Spesifikasi Model dan Uji Asumsi
Klasik
Ya
Estimasi Model dan
Pengujian Hipotesis
Gambar 1
Langkah-Langkah Penelitian
Ketik data tersebut dalam Excell dan beri nama file tersebut dengan nama data
hipotesis ABCDFEG, kemudian tutup file tersebut.
Buka Eviews
Muncul di layar
Kemudian data yang telah kita buat di excel, kita pindahkan ke eviews
Klik Next
Klik Next
Klik Finish
Lalu muncul
Klik OK
Koefisien ada
yang sangat besar
dan ada yang kecil
Klik Estimate
Klik OK
Koefisien
menunjukan
angka elastisitas
1. Uji linieritas hampir tidak dilakukan pada setiap model regresi linier. Karena
sudah diasumsikan bahwa model bersifat linier. Kalaupun harus dilakukan
semata-mata untuk melihat sejauh mana tingkat linieritasnya.
2. Uji normalitas pada dasarnya tidak merupakan syarat BLUE (Best Linier Unbias
Estimator) dan beberapa pendapat tidak mengharuskan syarat ini sebagai
sesuatu yang wajib dipenuhi.
3. Autokorelasi hanya terjadi pada data time series. Pengujian autokorelasi pada
data yang tidak bersifat time series (cross section atau panel) akan sia-sia semata
atau tidaklah berarti.
4. Multikolinieritas perlu dilakukan pada saat regresi linier menggunakan lebih
dari satu variabel bebas. Jika variabel bebas hanya satu, maka tidak mungkin
terjadi multikolinieritas.
5. Heteroskedastisitas biasanya terjadi pada data cross section, dimana data panel
lebih dekat ke ciri data cross section dibandingkan time series.
Uji Normalitas
Nilai Probability > 0.05, maka model tersebut datanya terdistribusi normal
Uji Linearitas
Muncul di layar
Klik OK
Karena nilai probability F-statistic < 0.05 berarti model persamaan regresinya tidak
linear
Uji Autokorelasi
Muncul
Klik OK
Karena nilai probability Obs*Rsquared < 0.05 berarti model persamaan regresinya
mengandung autokorelasi
Uji Heteroskedastisitas
Karena nilai probability Obs*Rsquared > 0.05 berarti model persamaan regresinya
tidak mengandung heteroskedastisitas (homoskedastisitas)
Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menilai adakah korelasi atau interkorelasi antar
variabel bebas dalam model regresi atau juga biasa digunakan untuk mengetahui ada
atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan
linear antar variabel independen dalam model regresi. Pada Pengujian ada tidaknya
gejala multikolinearitas dilakukan dengan melihat nilai VIF (Variance Inflation Factor)
dan Tolerance.
Hipotesis :
Dan hasilnya
Klik OK
Hampir semua variabel memiliki nilai correlation di atas 0,85, berarti model
mengandung multikolinearitas.
Karena nilai R21 > R22 , R23, R24, R25, dan R26
0,9987 > 0,9691, 0,9781, 0,9457, 0,9870 dan 0,9928
Estimation Equation:
=========================
LOG(GDP) = C(1) + C(2)*LOG(GFCF) + C(3)*LOG(TR) + C(4)*LOG(TRADE) +
C(5)*LOG(AK) + C(6)*LOG(IVA)
Substituted Coefficients:
=========================
LOG(GDP) = 4.6489 + 0.3739 LOG(GFCF) + 0.0498 LOG(TR) - 0.0688 LOG(TRADE) +
0.7019 LOG(AK) + 0.1781 LOG(IVA)
DAFTAR PUSTAKA