Uji Asumsi Klasik Multikolinearitas Normalitas

Uji Multikolinearitas Bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol.

Cara Mendeteksi Multikolinearitas Nilai koefisien determinasi ( R2 ) yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel banyak yang tidak signifikan mempengaruhi variabel dependen Menganalisis matriks korelasi variabel-variabel independen. Jika nilainya > 0.90 berarti terdapat multikolinearitas. Dilihat dari nilai VIF dan Tolerance. Nilai cut off Tolerance < 0.10 dan VIF > 10 (berarti terdapat multikolinearitas).

Cara Mengobati Menggabungkan data cross section dan time series Mengeluarkan satu atau lebih variabel independen yang mempunyai korelasi tinggi dari model regresi Transformasi variabel dalam bentuk bentuk logaritma natural dan bentuk first difference Gunakan model dengan variabel independen yang punya korelasi tinggi hanya untuk prediksi

CONTOH: Untuk melihat pengaruh size, earns, wealth, dan saving terhadap income. Open file Crossec1.xls, dari menu utama SPSS pilih Analyze, Regression, Linear Pada Dependen masukkan income, pada Independen masukkan Size, earns, Wealth, dan Saving. Pada kotak Method, pilih Enter Untuk menguji Multikolinearitas pilih Statistic, aktifkan Covariance Matrix, Collinearity Diagnostic tekan Continue OK

Uji Normalitas Bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal, jika asumsi ini dilanggar maka uji statistic menjadi tidak valid untuk jumlah sampel kecil.

Cara Mendeteksi Analisis grafik Analisis Statistik Dengan melihat grafik histogram yang membandingkan data observasi dengan distribusi yang mendekati distribusi normal. Dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Analisis Statistik Uji statistic sederhana dilakukan dengan melihat nilai kurtosis dan skewness dari residual.

Analisis Statistik Uji Kolmogorov – Smirnov Hipotesis: H0: Data Residual Berdistribusi Normal H1: Data Residual Tidak Berdistribusi Normal Jadi, data dikatakan terdistribusi normal apabila memiliki nilai signifikansi >0.05 Tidak Terdistribusi normal <= 0,05

Contoh Open file Crossec1.xls Analyze, regression, linear Dependent income, independent size, earns, wealth, saving Plots aktifkan Standardized Residual Plots pada Histogram dan Normal Probability Plot. Save aktifkan unstandardized residual Continue, OK

Uji Kolmogorov Smirnov Analyze, Nonparametric Test, 1 Sample KS Masukkan Res_1 OK

KORELASI DAN UJI NORMALITAS VAR. Y = INCOME X1 = EXP X2 = EARNS