IDENTIFIKASI UJI
ASUMSI NON
MULTIKOLINIERITAS DENGAN SPSS 16
MULTIKOLINIERITAS DENGAN SPSS 16
Malam sobat
semua.. Sudahkah Anda bahagia hari ini? Kalau saya sudah karena bisa berbagi
dengan para sobat semua.. Hehehe.. Oops, back to topic, kali ini saya mau share
nih sob tentang bagaimana menguji asumsi multikolinieritas pakai SPSS 16.
Nah, asumsi non
multikolinieritas (multikol) ini dibutuhkan juga dalam analisis parametrik yang
menggunakan lebih dari satu variabel bebas. Non multikol (harapan kita)
maksudnya menunjukkan tidak ada hubungan linier antar variabel bebas sehingga
tercipta orthogonal variable yang nilai korelasi antar variabel independen
bernilai nol.
Tau ciri-ciri
model yang terserang penyakit multikol? Nah, buat mengidentifikasinya kayak
begini:
Koefisien determinasi yang menunjukkan
proporsi pengaruh variabel bebas terhadap variabel terikat sudah tinggi, tetapi
sedikit variabel bebas yang signifikan (secara statistik) memengaruhi variabel
terikatnya (melalui uji t)
Contoh: Berikut ini akan diidentifikasi
apakah terdapat multikol diantara variabel ketertiban, kerapian dan kehadiran.
Untuk data silahkan unduh disini
Caranya, klik
Analyze, Regression Linier. Lalu masukkan variabel ketertiban, kerapian dan
kehadiran ke dalam bagian Independent Variable sedangkan variabel Rerata_Rapor
masukkan ke dalam bagian Dependent Variable. Lalu, centang Covariance Matrix
dan Collinearity Diagnostics.
Lihat nih sob,
untuk penelitian sosial, jika nilai Rsquarenya diatas 0,3 sudah tergolong
tinggi. Beda dengan penelitian ekonomi yang menuntut nilai Rsquare yang jauh
lebih tinggi. Dalam penelitian sosial ini digunakan alpha 10%. Makanya,
variabel yang signifikan memengaruhi rerata rapor hanya variabel ketertiban dan
kerapian. Tau darimana?? Ya tinggal lihat aja nilai signifikansi uji t
masing-masing variabel bebasnya
Wah, ternyata
variabel absensi secara statistik tidak
secara signifikan nih memengaruhi variabel rerata rapor. Tapi, kalau kita lihat
dari nilai Variance Inflation Factor (VIF)nya, semuanya baik-baik aja tuh,
hehehe,, VIFnya kurang dari 10 dan
tolerancenya gak ada yang di bawah 0.10. Hemmmh kayaknya baik-baik aja yah ni
model..
Yaudah, coba
liat lagi dari Coefficient Correlation..
Lha, ternyata
ada nih hubungan yang cukup kuat antara variabel ketertiban dan kerapian. Bisa
jadi modelnya malah beneran kena multikol..
Oops, kita
yakinkan dengan menempuh cara yang lain...
Sekarang coba
set variabel dependennya secara bergantian
NB: No.1 adalah
model utama yang sebelumnya.
Jadi, sekarang
kita mau identifikasi multikol dengan membandingkan nilai Rsquare keempat
model. Apabila nilai R square model utama masih yang tertinggi, ini berarti
kita terbebas dari masalah multikol. Jadi, sekarang mari bandingkan R square
model utama (1), model 2, 3, dan model 4.
Nah, ternyata
Rsquare model utama masih yang tertinggi nih sob, jadi kita yakin kalau kita
sudah bebas nih dari masalah multikol.. Yeeeyyy.. Hehehehe..
Nih beberapa solusi nih sob kalau terjadi multikol..
- Data Panel (gabungan data crosssection dan time series)
- Buang satu atau lebih variabel independen yang punya korelasi tinggi dari model regresi
- Transformasi variabel.
- Menggunakan metode analisis Bayesian Regression atau untuk bebeapa kasus menggunakan Ridge Regression (pembahasan untuk kedua hal ini akan dilakukan secara terpisah).
Okay deh, gitu
dulu ya sob,, Mata dah sepet nih.. Besok masuk pagi hahahaha...
Yaaa, semoga
sharing ini bermanfaat bagi sobat sekalian.. Sukses dan salam hangat terdahsyat
dari saya :-)
Olah Data SPSS, AMOS, LISREL
BalasHapusEVIEWS, SMARTPLS, GRETL, STATA, MINITAB dan DEAP 2.1
WhatsApp : +6285227746673
IG : @olahdatasemarang