MODEL EMPIRIS
Y1 = X1 + X2 + … + X n
(metrik) (metrik, non-metrik)
Y1 = X1 + X 2 + … + Xn
(non-metrik) (metrik, non-metrik)
Y1 = X1 + X 2 + … + Xn
(non-metrik) (metrik, non-metrik)
Y1 = X1 + X 2 + … + Xn
(metrik) (non-metrik)
Y1 = X1 + X 2 + … + Xn
(metrik, non-metrik) (non-metrik)
Yang termasuk model-model empiris yang mengggunakan lebih dari
sebuah variabel dependen adalah model MANOVA dan model korelasi
kanonikal.
Y1 + Y2 + … + Yn = X1 + X2 + … + Xn
(metrik) (non-metrik)
Y1 + Y2 + … + Yn = X1 + X2 + … + Xn
(metrik, non-metrik) (metrik, non-metrik)
Yang termasuk model-model empiris yang mengggunakan banyak persamaan secara
simultan adalah model persamaan-persamaan simultan (simultaneous equations) dan
structural equation modeling.
Bentuk dari model persamaan-persamaan simultan (simultaneous equations) adalah
sebagai berikut:
Y1 = X11 + X12 + … + X1n
Y2 = X21 + X22 + … + X2n
Tipe data
Model Variabel Dependen Variabel Independen
Model adalah bentuk simbol dari suatu teori. Bentuk simbol pada model
ini harus menunjukkan hubungan kausal antara variabel-variabel di dalam
model. Oleh karena itu model seperti ini juga disebut dengan nama model
kausal (causal model).
Variabel (variable) adalah suatu simbol yang berisi suatu nilai. Selain
variabel di kelompokan menjadi variabel dependen (VD) dan variabel
independen (VI), variabel juga dikelompokan menjadi variabel moderasi
(VMO) atau moderating variable, variabel mediasi (VME) atau mediating
variable, dan variabel ekstrani (VE) atau extraneous variable.
Variabel Moderasi
VMO
VI VD
Notasi:
VD = variabel dependen.
VI = variabel independen.
VMO = variabel moderasi.
e = kesalahan residu.
Contoh :
Menguji efek dari partisipasi budget (PB) terhadap kinerja
perusahaan (KP) yang dapat dimodelkan sebagai berikut:
KP 1PB e
VI
VD 3 VI * VMO e
Hasil signifikan dari koefisien β3 tidak dapat dikatakan bahwa efek interaksi
terjadi. Signifikansi ini dapat terjadi karena efek yang signifikan pengaruh
VI terhadapVD, tidak perduli efek dari VMO terjadi atau tidak. Dengan kata
lain, karena bentuk interaksi adalah perkalian antara VI dengan VMO,
signifikansi tersebut dapat terjadi karena pengaruh signifikansi dari VI atau
signifikansi terjadi karena interaksi “mencuri varian” dari salah satu
variabelnya. Penghilangan efek-efek utama akan menghilangkan arti dari
efek interaksi. Dengan demikian, untuk menguji efek interaksi, efek-efek
utama harus dimasukkan ke dalam persamaan analisis regresi
moderasian.
Variabel Mediasi
VI VME VD
(model 1)
VI VME VD
VI VD
VME
Variabel ekstrani (VE) atau extraneous variable adalah variabel lain selain
variabel independen, dependen, moderating, dan mediating yang dapat
mempengaruhi hubungan kausal. Variabel ekstrani dapat di kelompokkan
menjadi dua, yaitu variabel pelengkap dan variabel pengganggu.
a) Variabel Kontrol
b) Variabel Pengganggu
ARt = Rt – E(Rt),
dengan:
ARt = return tidak normal (abnormal return) pada saat t.
Rt = adalah return pada saat t.
E(Rt) = return normal pada saat t.