Pengujian Regresi dan Asumsi Klasik dengan E-Views

STATISTIK EKONOMI DAN BISNIS

Dosen Pengampu :Ricky Yunisar Setiawan, S.E., MSA.

Disusun Oleh Kelompok 10 :

1. ENTIN S. NADEAK : 223020303169

2. GABRIEL MALAIKIANO : 223020303109
3. JESSY VIANDRE : 223010303011
4. KURNIA AYUNINGTYAS : 223020303106
5. LESTI PUSPITA : 223020303158
6. MARIA FRANSISKA : 223020303104

AKUNTANSI (B)
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS PALANGKARAYA
Mengolah Data dari Excel ke Eviews

2
Descriptive Stats – Individual Samples

3
 Equation Estimation

Command Effect Model

4
 Fixed Effect Model

Random Effect Model

5
 UJI CHOW
Uji chow dilakukan untuk memilih salah satu model atau membandingkan mana
yang lebih baik antara Common Effect Model atau Fixed Effect Model. Dengan
Pengambilan keputusan kita melihat bahwa nilai probabilitas (p) untuk Cross -
Section F. Jika nilai p < 0,05 maka model yang dipilih adalah Fixed Effect Model.
Tetapi jika nilai p > 0,05 maka model yg di pilih adalah Common Effect Model.
Berdasarkan hasil uji Chow, dapat disimpulkan bahwa nilai signifikansi
probabilitas Cross Section Chi Square lebih kecil dari alpha (0,0013 < 0,05).
Dengan demikian keputusan yang diambil dalam uji Chow adalah Fixed Effect
Model.

6
 UJI HAUSMAN
Uji hausman yang digunakan untuk menentukan/memilih metode yang terbaik
antara Fixed Effect Model atau Random Effect Model. Jika nilai p > 0,05 maka
model yang dipilih adalah pendekatan Fixed Effect Model. Tetapi jika nilai p <
0,05 maka model yang dipilih adalah pendekatan Random Effect Model
Berdasarkan Uji Hausman menunjukkan nilai probabilitas cross-section random
sebesar (0,0462 < 0,05) maka model yang dipilih adalah pendekatan efek tetap
( fixed effect ).

7
UJI LM (Lagrange Multiplier)

8
Uji Lagrange Multiplier bertujuan untuk menentukan model yang terbaik antara
pendekatan Random Effect Model) Common Effect Model. Jika nilai p
ditunjukkan oleh angka yang dibawah sebesar 0,5515 dimana nilai nya > 0,05
maka Lagrange Multiplier menunjukkan menerima Ho yang berarti metode
estimasi terbaik adalah Common Effect.
Tetapi Uji Lagrange Multiplier ini tidak digunakan dalam penelitian dan dapat
diabaikan karena uji ini hanya dilakukan dengan tujuan untuk menentukan metode
mana yang terbaik dalam regresi data panel, apakah akan menggunakan Random
Effect Model atau Common Effect Model.

UJI ASUMSI KLASIK

Uji Multikolinearitas

9
Uji Autokorelasi

10
Uji Heteroskedastisitas
(cross section)

11
Uji Heteroskedastisitas
(period section)

12
Graph

13
 Equation : REGRESI LINEAR BERGANDA

Probability menunjukkan tingkat signifikansinya normal atau bisa disebut dibawah atau kurang dari 0,05

⮚ Durbin Watson Stat = 1,453861

Pada analisis regresi tidak terdapat autokorelasi positif dan tidak terdapat autokorelasi negatif
sehingga bisa disimpulkan sama sekali tidak terdapat autokorelasi.
⮚ (Pengaruh Signifikansi dari PBV terhadap ROA, PBV terhadap ROE, dan PBV terhadap DER)

⮚ Probability (F statistic) = 0,03

Representation

14
PBV = C(1) + C(2)*DER + C(3)*ROA + C(4)*ROE
atau
PBV = 1.1310238027 - 0.416568282467*DER - 0.12876941197*ROA + 0.0400692548608*ROE

Uji Normalitas Residual dengan E-Views

15
Hasil uji normalitas residual di atas adalah: nilai jarque bera sebesar 19,55034 dengan p value sebesar
0,0000 dimana < 0,05 sehingga H1 diterima atau yang berarti residual berdistribusi tidak normal.

Uji F – hasil regresi E-views

H 0 = Tidak Signifikan

H 1 = Signifikan

Pengambilan keputusan F-statistic adalah sebagai berikut:

1. Jika Fhitung < Ftabel maka H0 diterima dan H1 ditolak.
2. Jika Fhitung > Ftabel maka H0 ditolak dan H1 diterima.

Diketahui :
F hitung = 3,45

F tabel = 0,03
Kesimpulan :
Fhitung > Ftabel maka H0 ditolak dan H1 diterima.

3,45 > 0,03 yang berarti H 0 ditolak dan H 1 diterima.

Uji T – hasil regresi E-views

16
Uji Koefisien Determinasi (R2) – hasil regresi E-views

17