1. Analisis faktor merupakan analisis yang berbeda dan tidak ada kaitan langsung dengan regresi linier. Sedangkan asumsi klasik merupakan asumsi pada regresi linier.2. Perbandingan t hitung dengan t tabel merupakan cara penilaian signifikansi. Sama halnya dengan nilai probabilitas, juga untuk menilai signifikansi.3. Terjadinya multikolinearitas pada model regresi linier menggunakan estimator ordinary least square (OLS) akan menyebabkan estimasi yang bias atau estimasi yang salah. Jadi sebaiknya multikolinearitas dihindari agar tidak terjadi bias tersebut. Yang sering terjadi jika terdapat pelanggaran multikolinearitas pada OLS adalah nilai r square yang tinggi namun semua uji parsial tidak ada yang signifikan. Padahal seharusnya jika tidak terjadi multikolinearitas, nilai r square yang tinggi pasti diikuti dengan uji parsial yang sebagian besar atau semuanya signifikan.
estimasi REGRESI BERGANDA DENGAN VARIABEL DUMMY.pdf
Download File: https://placbocepe.blogspot.com/?ol=2vFZHT
Nilai 0 biasanya menunjukkan kelompok yang tidak mendapat sebuah perlakuan dan 1 menunjukkan kelompok yang mendapat perlakuan. Dalam regresi berganda, aplikasinya bisa berupa perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan), ras (1 = kulit putih, 0 = kulit berwarna), pendidikan (1 = sarjana, 0 = non-sarjana).
Karena variabel dengan skala nominal dan ordinal tidak berlaku operasi matematika, sehingga tidak mungkin untuk dilakukan analisis regresi yang menggunakan perhitungan matematika. Salah satu alternatif yang bisa dilakukan adalah membuat variabel dummy. Jadi variabel dummy ini adalah varibel kategorik (kualitatif) yang seolah-olah atau dianggap sebagai variabel interval/rasio (kuantitatif) sehingga berlaku operasi matematika, dengan syarat bahwa variabel kategorik tersebut merupakan variabel independen atau biasa disebut dengan variabel X dan ada variabel lain yang merupakan variabel kuantitatif. Namun, jika variabel dummy tersebut hanya satu-satunya variabel bebas (regresi sederhana) maka analisis yang tepat adalah analisis varians atau ANOVA.
Seperti telah saya katakan sebelumnya, bahwa setiap perangkat lunak punyak kelebihan sekaligus kekurangan. Nah, di Eviews 11 ini pengaturan variabel dummy cukup ribet bila dilakukan di dalam Eviews. Walaupun mungkin ada beberapa kasus menggunakan rumus perintah di Eviews lebih membantu (ada beberapa rumus yaitu smpl, @recode, @date, dan @expand), namun bagi saya lebih mudah untuk mengatur data variabel dummy menggunakan Excel. Jadi pada artikel ini akan ada dua bagian langkah-langkah analisis regresi model dummy, yaitu bagaimana menyiapkan datanya di Excel lalu bagaimana menjalankan proses analisis di Eviews 11.
Langkah ini bersifat opsional untuk menandai bahwa variabel gender adalah variabel dummy. Luaran analisis nantinya akan lebih informatif, sehingga pembaca mudah mengetahui bahwa ada variabel dummy serta bisa membedakannya dengan variabel lain. Cara untuk menggantinya adalah sebagai berikut:
Dari keempat variabel bebas di atas hanya variabel Motivasi saja yang tidak signifikan mempengaruhi Nilai siswa, sedangkan tiga variabel lainnya berpengaruh signifikan. Variabel Jam belajar berpengaruh positif terhadap Nilai siswa, dimana setiap penambahan 1 jam belajar maka akan menaikkan nilai sebesar 2,56 poin dengan asumsi variabel lainnya konstan. Variabel IQ juga demikian, semakin tinggi tingkat IQ seseorang maka nilai siswa cenderung lebih tinggi.
Nah, bagaimana dengan variabel Gender?, karena variabel ini adalah variabel nominal maka tidak ada istilah pengaruh positif atau negatif. Dari persamaan ini kita bisa menginterpretasikan bahwa ada perbedaan signifikan antara nilai siswa laki-laki dan siswa perempuan. Karena siswa laki-laki kita tandai dengan angka 1 dan siswa perempuan kita tandai dengan angka 0, maka tanda negatif di koefisien regresi dummy ini memberitahu kita bahwa siswa perempuan nilainya cenderung lebih baik dari nilai siswa laki-laki.
Kak mau tanya, ketika hanya ada satu dummy hasilnya sudah bagus..Tapi jika ada 2 atau lebih variabel dummy dlam 1 regresi, kenapa dapat mempengaruhi dari nilai prob dummy tersebut?Pdhal sudah di cek satu variable dummu tersebut bagus..
REGRESI VARIABEL DUMMY Dalam beberapa, model regresi juga bisamenggunakan variabel independen kualitatif. Variabel kualitatif inibisa dalam bentuk kelas, kelompok atau tingkatan. Contohnya adalahpeneliti ingin menganalisis jumlah penjualan sales melalui jeniskelamin dan tingkat pendidikan. Dalam bahasan kali ini kita akanmembahas mengenai analisis regresi dengan variabel independenkualitatif.
INTERPRETASI Model Summary Angka R sebesar 0.236 menunjukkanangka korelasi yang kecil antara gaji dengan gender karyawan. ANOVADari Tabel anova diketahui bahwa nilai F hitung adalah sebesar2.538 dengan Sig sebesar 0.118. Angka ini lebih besar dibandingdengan nilai 0.05 sehingga dapat dikatakan bahwa pengaruh variabelgender tidak signifikan mempengaruhi besaran gaji yang diterimakaryawan.
REGRESI DUMMY > 2 KATEGORI Jika pada bahasan sebelumnya kitamenganalisis regresi dummy dua kategori, maka pada pembahasan kaliini kita akan membahas mengenai regresi dengan variabel independentyang memiliki tingkatan lebih dari 2 kategori Masih menggunakandata yang sama pada bahasan sebelumnya di regresi dummy pertama,maka selanjutnya kita akan menganalisis pengaruh tingkat pendidikanterhadap gaji yang diterima karyawan. Variabel rata-rata gajibulanan dalam juta Rp Variabel gaji dikelompokkan menjadi tigayaitu : SMA, Sarjana, dan Pascasarjana Variabel masa kerja dalamtahun Model regresi dapat ditulis sebagai berikut : Y = b0 + b1 d1+ b2 d2 + b3 X + e1 Y adalah gaji rata-rata, X adalah masa kerja,d1 = 1 jika S2, 0 jika tidak, d2 = 1 jika S1, 0 jika tidak Datadapat dilihat di -regresi-dummy-2kategori/
INTERPRETASI Nilai adj R Square adalah sebesar 0.711 menunjukkanbahwa hubungan antara variabel independent dan dependent cukupkuat. Nilai F hitung adalah sebesar 13.964, dengan sig 0.000.Karena sig 2ff7e9595c
Comments