Ekonometrika : Regresi Berganda

Analisis Regresi Berganda

dengan menggunakan
e-views 10
restuhayati@eco.uir.ac.id

Faculty of Economics
Universitas Islam Riau, Indonesia
 Variabel Penelitian
𝑋! = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐴𝑠𝑒𝑡 𝐴𝑃𝑟𝑖𝑐𝑒
𝑋" = 𝐷𝑖𝑣𝑖𝑑𝑒𝑛 𝐷𝑖𝑣
𝑋# = 𝐿𝑒𝑣𝑒𝑟𝑎𝑔𝑒 𝐿𝑒𝑣
𝑋$ = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑒𝑛𝑎𝑔𝑎 𝑃𝑒𝑛𝑗𝑢𝑎𝑙 𝐸𝑚𝑝𝑙
𝑋% = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑜𝑛𝑠𝑢𝑚𝑒𝑛 𝐶𝑜𝑛𝑠
Y = 𝐻𝑎𝑟𝑔𝑎 𝑆𝑎ℎ𝑎𝑚 𝑆ℎ𝑎𝑟𝑒
 Hipotesis Penelitian
Diduga jumlah aset, dividen,
leverage, jumlah tenaga penjual
dan jumlah konsumen
berpengaruh siginifikan secara
parsial dan simultan terhadap
harga saham perusahaan.
 Langkah-Langkah Input Data E-
Views
File >> Open >> Foreign Data as Workfile
Pilih Data,
Open
Next
Next
Next
Finish
No
Analisis Data
 Jumlah Nilai
Nilai t t Sig
data (n) Sβ0
hitung jika <
= 16 s/d
0.05
Sβ5

Nilai
R2=
β0
0.9873
s/d
= 98%
β5

σ2=
483.24

Nilai F
F Sig jika
Hitun
< 0.05
g
 Uji Asumsi Klasik
Dilakukan untuk mengetahui apakah
persamaan ekonometrika / persamaan regresi
dapat digunakan sebagai prediksi yang akurat
dengan terpenuhi nya asumsi BEST LINEAR
UNBIASED (BLUE). BLUE tercapai jika telah
memenuhi uji asumsi klasik :
1. Multikolinearitas
2. Heterokedastisitas
3. Autokorelasi
4. Normalitas
 Multikolinearitas
Multikolinearitas adalah suatu asumsi yang
mengharuskan tidak adanya korelasi yang kuat
antar variabel bebas (Independend).
Cara mendeteksi Multikolinearitas
1. Nilai R Square yang tinggi, tetapi nilai uji t
kebanyakan tidak signifikan dengan nilai
standar error yang tinggi.
2. Nilai R Square Auxiliary > R Square Awal
3. Nilai Variance Inflation Factor > 10

𝟏
VIF =
𝟏"𝑹𝟐
Untuk Melakukan
pengujian VIF :
View >
Coefficient
Diagnostics > VIF
 Nilai VIF > 10 ;
Kesimpulan : Variabel Terjadi
X1, X2, X3 dan X5 terjadi multikolinearita
Multikolinearitas s
 Perbandingan R Square Auxiliary
dengan R2
Nilai R Square (R2 ) pada data = 0.9873
Nilai R2 Auxiliary di dapat dengan
meregresikan variabel X dengan variabel X
lainnya.
Karena itu, harus dilakukan regresi ulang
dengan rumus estimate equation di Eviews:
x1 c x2 x3 x4 x5
x2 c x1 x3 x4 x5
x3 c x1 x2 x4 x5
x4 c x1 x2 x3 x5
x5 c x1 x2 x3 x4
Lakukan estimasi ulang dengan : Quick >> Estimate Equation

Hasil R Square
Auxiliary dengan
variabel X1 sbg
variabel dependen =
0,99 > 0.98 (R Square
Awal)
Lakukan estimasi kembali dengan : Quick >> Estimate Equation

Hasil R Square
Auxiliary dengan
variabel X2 sbg
variabel dependen =
0,998 > 0.98 (R Square
Awal)
Lakukan estimasi kembali dengan : Quick >> Estimate Equation

Hasil R Square
Auxiliary dengan
variabel 3 sbg variabel
dependen = 0,9072 >
0.98 (R Square Awal)
Lakukan estimasi kembali dengan : Quick >> Estimate Equation

Hasil R Square
Auxiliary dengan
variabel 3 sbg variabel
dependen = 0,660 < 0.98
(R Square Awal)
Lakukan estimasi kembali dengan : Quick >> Estimate Equation

Hasil R Square
Auxiliary dengan
variabel 3 sbg variabel
dependen = 0,99 > 0.98
(R Square Awal)
 Kesimpulan R Auxiliary & R
Square
Syarat Multikolinearitas : R Square > R Auxiliary

No Regresi Nilai R2
Dari tabel berikut,
1 Utama 0.9873 nilai R2 Auxiliary
yang lebih tinggi
2 X1 0.9923
dari R2 Utama
3 X2 0.9984 adalah variabel X1,
X2, dan X5. Artinya
4 X3 0.9072
variabel tersebut
5 X4 0.6609 terdapat
multikolinearitas
6 x5 0.9970
 Cara Mengatasi Gejala
Multikolinearitas
1. Mengeluarkan variabel bebas yang
diperkirakan mempunyai korelasi yang
cukup tinggi dengan variabel lain
2. Mencari informasi lainnya atau merujuk
kepada dasar teori dan pengalaman
penelitian sebelumnya
3. Mengkombinasikan data cross section
dan data time series
Lakukan eliminasi variable dari
nilai VIF yang terbesar

X2 terbesar
= 639.04
Regresi dengan menghilangkan varibel x2

X1 terbesar
= 35.97
Regresi dengan menghilangkan varibel x2 dan x1

Seluruh Nilai VIF

sudah < 10 = tdk tjd
multikolinearitas
 Jika sudah melalui uji
multikolinearitas, dilanjutkan
dengan uji normalitas