Analisis Multinomial Logit Model

1. Case Progressing Summary

Pada bagian ini di ketahui berbgai macam informasi seperti berapa persen kasus yang
di observasikan di dependen variabel yang ada. Diketahui yang di observasi pada
kasus 2 sebesar 23,6%, kasus 2 42,7% dan kasus 3 33,6%
2. Uji Fit Model

Pada saat melakukan uji analisis multinomial logit model, perlu di uji terlebih dahulu
mengenai fit model yang ada, uji yang di gunakan untuk mengetahui apakah model
yang terbentuk sudah fit atau belum. Ini dapat di lihat pada uji Pearson dan uji
Deviance, dapat di lihat pada tabel Goodness of Fit diatas, dimana nilai yang di
dapatkan sebesar 0,706 pada uji pearson dan 0,806 pada uji deviance maka model
di nyatakan fit.
3. Uji Pengaruh Umum
 Pada bagian ini, di ketahui model sudah di nyatakan fit sehingga dapat di uji apakah
variabel independen berpengaruh terhadap variabel dependen, pada bagian ini dapat
di lihat pada tabel Model Fitting Information, dapat di lihat signifikansi yang di
dapatkan adalah sebesar 0,001 dengan itu menunjukan adanya pengaruh variabel
independen terhadap variabel dependen.
4. Model Persamaan

 Model Dominan Bisnis

Dapat di lihat pada tabel yang ada diatas, ini memberikan prediksi bahwasanya
pada bagian dominan bisnis, hanya lingkungan yang memiliki pengaruh jika di
bandingkan dengan Unrelated bisnis.
 Model Related Bisnis
Dapat di lihat pada tabel yang ada diatas, ini memberikan prediksi bahwasanya
Related Bisnis jika di bandingkan dengan Unrelated Bisnis maka, hanya
variabel lingkungan yang memiliki pengaruh.
5. Likehood Rato Test
 Bagian ini menunjukan akan bagaimana variabel independen berpengaruh terhadap
dependen sehingga dapat kita lihat bahwa keseluruhan variabel tidak berpengaruh
signifikan pada penelitian ini, ini di karenakan keseluruhan diatas 0,05.
6. Classification

Paba bagian ini, dominan bisnis di prediksi secara benar sebesar 38,5%, related bisnis
sebesar 51,1% dan unrealted bisnis sebesar 67,6% sehingga hanya sebesar 53,6% di
prediksi dengan benar.
7. Koefisien Determinasi

Terdapat tabel Pseudo R-square yang memberikan gambaran seberapa besar variabel
independen berpengaruh pada variabel dependen berpengaruh sebesar 0,384. Kita
melihat pada Nagelkerke.
 Analisis Multidimensional Scalling

RSQ dan STRESS

RSQ dan STRESS merupakan bagian yang sangat perlu di perhatikan, ini di
karenakan dalam multidimensional scalling, RSQ merupakan suatu indikasi terhadap proporsi
yang ada dalam berbagai macam data yang di masukan dan dapat di jelaskan dalam model.
RSQ dapat di terima jika model tersebut memiliki RSQ melebihi dari 0,6. Pada uji ini, RSQ
yang di dapatkan sebesar 0,89739 sehingga dapat di ketahui bahwasanya model RSQ di
terima.
Lalu pada bagian STRESS, ini merupakan ukuran dari ketidakcocokan atau a lack of
fit measure. Dengan tingginya nilai pada STRESS maka semakin tidak cocok model tersebut,
dengan itu di ketahui nilai STRESS pada uji ini sebesar 13,78% ini termasuk sebagai
kategori yang baik.
Derived Stimulus Configuration

Pada bagian ini, merupakan sebuah mapping yang memberikan gambaran terhadap
pengelompokan yang ada di dalam uji yang di lakukan, ini di karenakan banyaknya
kemiripan yang ada pada data-data tersebut. Pada uji yang di lakukan, pengelompokan
terbentuk sebagaimana yang ada di memberikan gambaran pada jarak-jarak yang di miliki
data, sehingga terlihat mereka ada di kuadran yang berbeda-beda. Untuk menjawab apakah
kuadran yang ada cukup dua, jawabannya tidak, karna pada model ini di ketahui
kuadran yang ada sebanyak 4 buah. Jadi terdapat 4 kelompok yang terbentuk.
Scatterplot of Linear Fit
Pada bagian ini merupakan Scatter of Linier Fit, ini merupakan bola-bola yang
berkumpul tanpa arah dn memberikan gambaran pada koordinat masing-masing. Hal ini di
dasarkan pada sikap yang di miliki oleh data yang di lakukan pada uji ini. Dapat di lihat
sebaagai berikut :
 Analisis Discriminant

Analysis Case Processing Summary

Unweighted Cases N Percent
Valid 24 100,0
Excluded Missing or out-of-range 0 ,0
group codes
At least one missing 0 ,0
discriminating variable
Both missing or out-of- 0 ,0
range group codes and
at least one missing
discriminating variable
Total 0 ,0
Total 24 100,0

Group Statistics
Std. Valid N (listwise)
Firm Mean Deviation Unweighted Weighted
1 EBITAS ,19133 ,053241 12 12,000
S
ROTC ,18350 ,030219 12 12,000
2 EBITAS ,00333 ,044919 12 12,000
S
ROTC ,00125 ,068521 12 12,000
Total EBITAS ,09733 ,107428 24 24,000
S
ROTC ,09238 ,106522 24 24,000

Tests of Equality of Group Means

Wilks'
Lambda F df1 df2 Sig.
EBITAS ,201 87,408 1 22 <,001
S
ROTC ,236 71,070 1 22 <,001

Pooled Within-Groups Matrices

EBITASS ROTC
Correlation EBITAS 1,000 ,780
S
ROTC ,780 1,000
Analysis 1

Box's Test of Equality of Covariance Matrices

Log Determinants
Log
Firm Rank Determinant
1 2 -13,516
2 2 -14,108
Pooled within- 2 -12,834
groups
The ranks and natural logarithms of
determinants printed are those of the group
covariance matrices.

Test Results
Box's M 21,504
F Approx. 6,464
df1 3
df2 87120,000
Sig. <,001
Tests null hypothesis of
equal population
covariance matrices.

Summary of Canonical Discriminant Functions

Eigenvalues
Eigenvalu % of Cumulative Canonical
Function e Variance % Correlation
1 4,124 a
100,0 100,0 ,897
a. First 1 canonical discriminant functions were used in the
analysis.

Wilks' Lambda
Test of Wilks'
Function(s) Lambda Chi-square df Sig.
1 ,195 34,312 2 <,001

Standardized
Canonical
Discriminant
Function
Coefficients
Function
1
EBITAS ,743
S
ROTC ,305

Structure
Matrix
Function
1
EBITAS ,982
S
ROTC ,885
Pooled within-
groups correlations
between
discriminating
variables and
standardized
canonical
discriminant
functions
Variables ordered
by absolute size of
correlation within
function.

Functions at
 Group
Centroids
Function
Firm 1
1 1,944
2 -1,944
Unstandardized
canonical
discriminant
functions
evaluated at
group means

Group covariances of
canonical
discriminant
functions
Firm Function 1
1 1 ,870
2 1 1,130
The pooled within-groups
covariance matrix of the
canonical discriminant
functions is an identity
matrix by definition.

Box's Test of Equality of Covariance Matrices of Canonical

Discriminant Functions

Log Determinants
Log
Firm Rank Determinant
1 1 -,139
2 1 ,122
(identity 1 ,000
matrix)
The ranks and natural logarithms of
determinants printed are those of the
group covariance matrices of the
canonical discriminant functions.

Test Results
Box's M ,188
F Approx. ,180
df1 1
df2 1452,000
Sig. ,672
Tests null hypothesis of
equal population
covariance matrices of
canonical discriminant
functions.

Classification Statistics

Classification Processing Summary

Processed 24
Excluded Missing or out-of-range 0
group codes
At least one missing 0
discriminating variable
Used in Output 24

Prior Probabilities for Groups

Cases Used in
Analysis
Firm Prior Unweighted Weighted
1 ,500 12 12,000
2 ,500 12 12,000
Total 1,000 24 24,000

Casewise Statistics
Highest Group
Case Actual Predicted P(D>d | G=g) P(G=g |
Number Group Group p df D=d)
Original 1 1 1 ,583 1 ,993
2 1 1 ,659 1 1,000
 3 1 1 ,778 1 1,000
4 1 1 ,078 1 1,000
5 1 1 ,880 1 ,999
6 1 1 ,609 1 1,000
7 1 1 ,533 1 ,992
8 1 1 ,234 1 1,000
9 1 2** ,062 1 ,554
10 1 1 ,304 1 ,968
11 1 1 ,947 1 ,999
12 1 1 ,981 1 ,999
13 2 2 ,695 1 1,000
14 2 2 ,457 1 ,994
15 2 2 ,496 1 ,995
16 2 2 ,177 1 1,000
17 2 2 ,143 1 1,000
18 2 2 ,935 1 1,000
19 2 2 ,819 1 ,999
20 2 2 ,057 1 ,518
21 2 2 ,339 1 1,000
22 2 2 ,351 1 ,986
23 2 2 ,580 1 1,000
24 2 2 ,753 1 ,999

Casewise Statistics
Discriminant
Highest Group
Second Highest Group Scores
Squared Squared
Mahalanobis Mahalanobis
Case Distance to P(G=g | Distance to
Number Centroid Group D=d) Centroid Function 1
Original 1 ,301 2 ,007 10,090 1,433
2 ,195 2 ,000 16,361 2,356
3 ,079 2 ,000 15,246 2,207
4 3,096 2 ,000 27,055 3,585
5 ,023 2 ,001 14,363 2,085
6 ,262 2 ,000 16,869 2,422
7 ,389 2 ,008 9,675 1,362
8 1,417 2 ,000 22,110 3,054
9 3,478 1 ,446 4,176 ,038
10 1,057 2 ,032 7,594 ,985
11 ,004 2 ,001 12,953 1,882
12 ,001 2 ,001 13,228 1,922
13 ,154 1 ,000 21,316 -2,362
 14 ,554 1 ,006 11,027 -1,153
15 ,463 1 ,005 11,516 -1,221
16 1,823 1 ,000 32,583 -3,379
17 2,150 1 ,000 34,116 -3,503
18 ,007 1 ,000 18,164 -2,031
19 ,052 1 ,001 15,280 -1,701
20 3,609 1 ,482 4,016 ,075
21 ,914 1 ,000 27,656 -2,960
22 ,869 1 ,014 9,654 -,953
23 ,306 1 ,000 23,042 -2,533
24 ,099 1 ,001 14,526 -1,610

**. Misclassified case

Separate-Groups Graphs

Canonical Discriminant Function 1

Firm = 1
4 Mean = 1,94
Std. Dev. = 0,933
N = 12

0
-4 -2 0 2 4
 Canonical Discriminant Function 1
Firm = 2

2,0 Mean = -1,94

Std. Dev. = 1,063
N = 12

1,5

1,0

0,5

0,0
-4 -2 0 2 4