Regresi linier berganda dengan excel

Apa yang dimaksud dengan analisis regresi linier berganda? Seperti sudah dijelaskan pada bagian regresi linier sederhana bahwa pengertian analisis regresi adalah metode statistik yang memodelkan hubungan antara variabel bebas/prediktor dengan variabel terikat /respon melalui hubungan linier yang digambarkan dalam persamaan matematis. Perbedaan mendasar antara analisis regresi linier berganda dan analisis regresi linier sederhana terletak pada jumlah variabel independen (X). Pada regresi berganda jumlahvariabel independen lebih dari satu variabel sedangkan pada regresi sederhana hanya satu variabel.

Contoh analisis regresi linier berganda adalah hubungan antara pendapatan, tabungan terhadap konsumsi. Pendapatan dan tabungan adalah variabel prediktor untuk memprediksi jumlah konsumsi sebagai variabel respon.

Adapun persamaan analisis regresi berganda adalah sebagai berikut:

Y = B1+B2X1+B3X2+…BiXk+e

Y adalah variabel respon

X adalah variabel prediktor

B1 adalah intercept atau konstanta

Bi adalah koefisien regresi atau slope

i adalah indeks untuk koefisien regresi ke i

k adalah indeks untuk variabel prediktor ke k

Dalam analisis regresi linier berganda terdapat dua pengujian yaitu uji F dan uji t. Uji F digunakan untuk menguji seberapa signifikan pengaruh variabel prediktor/variabel independen terhadap variabel respon/variabel dependen secara simultan atau secara bersama sama. Jika nilai F hitung lebih besar dibandignkan F tabel dengan tingkat kepercayaan tertentu, maka dapat dinyatakan bahwa secara simultan variabel X memiliki pengaruh terhadap variabel Y. Uji kedua adalah uji t. Uji t digunakan untuk menguji model regresi secara parsial. Apakah masing-masing variabel prediktor memiliki pengaruh terhadap variabel respon secara parsial. Jika nilai t hitung cukup besar dan melebihi f tabel maka secara sendiri-sendiri variabel tersebut dapat dinyatakan memiliki pengaruh terhadap variabel X.

Nilai R square adjusted digunakan untuk mengukur seberapa besar pengaruh seluruh variabel prediktor yang terdapat dalam persamaan terhadap variabel respon dalam analisis regresi linier berganda. Mengapa r square yang digunakan dalam analisis regresi linier berganda adalah r square adjusted. perlu kita fahami bahwa r square adjusted adalah nilai r square yang sudah disesuaikan dengan jumlah variabel prediktor/variabel independen. Nilai adjusted R square mengkoreksi nilai R square sebenarnya yang diakibatkan penambahan nilai R square dengan bertambahnya jumlah variabel. Melalui adjusted r square kita terhindarkan dari kesalahan dengan menyangka model fit padahal itu hanya disebabkan oleh penambahan jumlah variabel yang tidak berhubungan.

Software yang digunakan untuk melakukan pemodelan analisis regresi linier berganda dewasa ini semakin beragam. Software SPSS cocok digunakan untuk data-data yang berasal dari penelitian sosial, sedangkan software E views cocok untuk menghitung pemodelan pada ilmu ekonomi dan keuangan. Walaupun sebetulnya kita pun masih dapat mengoptimalkan penggunaan Microsoft Excel untuk melakukan pemodelan analisis regresi liner berganda.

Apa saja asumsi yang harus dipenuhi dalam analisis regresi linier berganda? selain asumsi-asumsi yang sudah disebutkan pada bagian analisis regresi linier sederhana seperti, linieritas, homoskedastisitas, terbebas dari autokorelasi untuk data time series, terdapat satu asumsi yaitu asumsi multikolinieritas.

Multikolinieritas, multikolinieritas adalah hubungan yang sempurna antara variabel prediktor. Pada uji ini diharapkan model tidak memiliki masalah multikolinieritas dimana antara variabel prediktor memiliki hubungan yang sempurna. mengapa dalam model tidak diperbolehkan ada dua atau lebih variabel yang memiliki hubungan sempurna. Selain karena akan mengganggu model, tentunya dua variabel yang memiliki hubungan yang sempurna dalam satu model menjadi tidak efektif. Sebaiknya salah satu variabel dikeluarkan dari variabel lain, karena variabel tersebut sudah di-proxi-kan oleh variabel lainnya.

Sumber: http://pareonline.net/getvn.asp?n=2&v=8