REGRESI BERGANDA Merupakan suatu teknik statistik multivariat yang digunakan untuk menguji pengaruh sejumlah variabel independen terhadap variabel dependen. Penerapan regresi berganda harus mempertimbangkan: Ketepatan masalah penelitian, yaitu prediksi dan eksplanasi Spesifikasi model statistik Pemilihan variabel dependen dan independen
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
REGRESI BERGANDA Merupakan suatu teknik statistik multivariat
yang digunakan untuk menguji pengaruh sejumlah variabel independen terhadap variabel dependen.
Penerapan regresi berganda harus mempertimbangkan: Ketepatan masalah penelitian, yaitu prediksi dan
eksplanasi Spesifikasi model statistik Pemilihan variabel dependen dan independen
Pada model regresi berganda terdapat satu variabel dependen dan beberapa variabel independen.
Model regresi berganda adalah sbb:Y = a + b1X1 + b2X2 + b3X3 + b4X4 + ….. bnXn
Metrik metrik/nonmetrik
Contoh Kasus
Seorang manajer pemasaran ingin mengetahui bagaimana pengaruh biaya promosi dan jumlah outlet terhadap penjualan.
Model analisis yang dikembangkan adalah sbb:
Sales = a + b1Promosi + b2Outlet + e
Langkah-langkah:
Buka file regresi_berganda.sav.
Pilih menu Analyze, Regression, Linear.
Pengisian pada kotak dialog Linear Regression lihat gambar di bawah ini berikut.
Promosi dan Outlet secara bersama-sama berpengaruh terhadap Sales.
Output SPSS (cont’d)
Uji t digunakan untuk mengetahui pengaruh secara parsial Promosi dan Outlet terhadap Sales. (lihat Tabel Coefficients)
Nilai Sig. Promosi dan Outlet < 0,05. Artinya, Promosi berpengaruh secara signifikan terhadap Sales dan Outlet berpengaruh secara signifikan terhadap Sales.
Output SPSS (cont’d)
Standardized Coefficients Beta digunakan untuk membandingkan besarnya pengaruh setiap variabel independen terhadap variabel dependen. Koefisien beta Promosi = 0,551; Koefisien beta Outlet= 0,496.
Jadi, Promosi lebih berpengaruh terhadap Sales daripada outlet.
TUGAS Regresi Berganda Buka file data personalia.sav. Dengan menggunakan regresi
berganda, apakah gaji seseorang ditentukan oleh bidang pekerjaan, tingkat pendidikan, usia, dan lama kerja.
Simpan hasil pengujian dalam file regresi_berganda.doc.
REGRESI BERGANDA: VARIABEL DUMMY Analisis regresi berganda yang
bertujuan untuk memprediksi besar variabel dependen dengan menggunakan data variabel independen, yang salah satunya merupakan variabel boneka (dummy variable).
Variabel boneka adalah variabel yang digunakan untuk membuat kategori data yang bersifat kualitatif (nominal).
Contoh Kasus:
Seorang periset ingin mengetahui apakah ada pengaruh yang signifikan antara tinggi badan dengan gender seseorang.
Untuk itu, dikembangkan suatu model penelitian berikut:Tinggi = a + b0 Gender
Langkah-langkah:
Buka file deskriptif.sav. Pilih menu Analyze, Regression,
Linear. Pengisian:
Dependent. Pilih variabel tinggi. Independent (s). Pilih variabel
gender. Tekan OK untuk proses data.
Output SPSS
Tugas Regresi Berganda dg Variabel Dummy Manajemen HATCO ingin menguji secara empiris apakah
Usage level dipengaruhi oleh variabel-variabel Delivery speed, Price level, Manufacturer's image, Overall service, Salesforce image, Product quality, dan Size of firm.
Diminta:1. Apakah rumusan masalah dan tujuan penelitian di
atas.2. Hipotesis-hipotesis yang akan diuji.3. Model empiris yang dikembangkan.4. Hasil pengujian hipotesis.5. Simpulan penelitian.
Simpan hasil pengujian tersebut dalam file “Regresi_variabel boneka”.
INTERACTION REGRESSION
MODEL
Multiple Regression Models
MultipleRegression
Models
Linear DummyVariable
Linear Non-Linear
Inter-action
Poly-Nomial
SquareRoot Log Reciprocal Exponential
Interaction Regression Model
Hypothesizes interaction between pairs of X variables Response to one X variable varies at
different levels of another X variableContains two-way cross product terms
Can be combined with other models e.g., dummy variable model
iiiiii XXXXY 21322110
Variabel Moderasi
Variabel moderasi (VMO) adalah suatu variabel independen lainnya yang dimasukkan ke dalam model karena mempunyai efek kontinjensi dari hubungan variabel dependen dan variabel independen sebelumnya.
VMO diidentifikasikan dari riset-riset sebelumnya yang mempunyai simpulan hubungan kausal yang hasilnya konflik, baik konflik signifikansinya maupun konflik arahnya.
Gambar VMO
VI
VMO
VD
Effect of Interaction
Given:
Without interaction term, effect of X1 on Y is measured by 1
With interaction term, effect of X1 onY is measured by 1 + 3X2 Effect changes as X2i increases
Y X X X Xi i i i i i 0 1 1 2 2 3 1 2
Interaction Regression Model Worksheet
Case, i Yi X1i X2i X1i X2i
1 1 1 3 32 4 8 5 403 1 3 2 64 3 5 6 30: : : : :
Multiply X1 by X2 to get X1X2. Run regression with Y, X1, X2 , X1X2
Contoh:
Seorang periset ingin menguji efek dari delivery speed (X1) terhadap usage level (X9) dengan memasukkan variabel price level (X2) sebagai variabel moderasi.
Model empiris yang dikembangkan adalah sebagai berikut. UL = α + β1DS+ β2PL + β3DS*PL + e
Langkah-langkah
Buka file Hatco.sav Buat variabel baru, yaitu dspl Pilih menu Analyze, Regression,
dan Linear. Masukkan variabel UL ke dalam isian
Dependent, sedangkan variabel DS, PL, dan DSPL ke dalam Independent(s).
Klik OK untuk menjalankan SPSS.
Output SPSS Model Summary
Angka Adjusted R2 atau koefisien determinasi sesuaian sebesar 0,58. Artinya, 58% variasi Usage Level dapat dijelaskan oleh variasi ketiga variabel independen.
Model Summary
Model R R SquareAdjusted R
SquareStd. Error of the
Estimate1 .770a .593 .580 5.825
a. Predictors: (Constant), x15, Delivery speed, Price level
Uji F atau ANOVA
Dari uji F diperoleh angka Sig. sebesar 0,000.
Karena angka Sig. < 0,05, model regresi dapat digunakan untuk memprediksi Usage Level.
Artinya, Delivery Speed, Price Level, dan interaksi DS dan PL secara simultan berpengaruh terhadap Usage Level.