Interprestasi Asumsi Klasik Regresi Linear dengan STATA

Interprestasi Asumsi Klasik Regresi Linear dengan STATA

Sebelumnya kita telah membahas cara melakukan uji regresi linear dengan menggunakan aplikasi STATA dalam artikel yang berjudul: Regresi Linear dengan STATA dan Interprestasi Regresi Linear dengan STATA. Pada kesempatan ini mari kita akan membahas Interprestasi Asumsi Klasik Regresi Linear dengan STATA.

Pada pembahasan kali ini adalah melanjutkan kedua artikel di atas, yaitu bagaimana menginterprestasikan asumsi klasik pada regresi linear dengan menggunakan aplikasi STATA.

Sedikit review: Asumsi klasik yang akan kita uji antara lain uji normalitas, uji heteroskedastisitas dan uji multikolinearitas.

Normalitas Regresi Linear STATA

Ingat bahwa asumsi normalitas pada regresi linear adalah pada residualnya. Residual adalah beda antara Y dan Y Prediksi. Sedangkan Y Prediksi adalah Nilai Y atau variabel dependen yang diperkirakan berdasarkan persamaan regresi yang didapat.

Yang pertama kali kita lakukan di dalam membuat Interprestasi Asumsi Klasik Regresi Linear dengan STATA adalah melakukan uji normalitas pada residual. Berikut caranya:

Metode Uji Skewness Kurtosis STATA

• 

  Lihat nilai Prob>chi2 pada skewness/kurtosis test for Normality. Apabila nilainya lebih dari 0,05 maka residual berdistribusi normal. Di atas nilainya 0,7028 maka residual berdistribusi normal. Sehingga berdasarkan uji Skewness Kurtosis, residual dinyatakan berdistribusi normal.

Metode Uji Shapiro Wilk STATA

• Lihat nilai Prob>Z pada shapiro-wilk w test for Normal data. Apabila nilainya lebih dari 0,05 maka residual berdistribusi normal. Di atas nilainya 0,65937 maka residual berdistribusi normal. Sehingga berdasarkan uji Shapiro Wilk, residual dinyatakan berdistribusi normal.

Metode Uji Shapiro Francia STATA

• Lihat nilai Prob>Z pada shapiro-Francia w test for Normal data. Apabila nilainya lebih dari 0,05 maka residual berdistribusi normal. Di atas nilainya 0,88523 maka residual berdistribusi normal. Sehingga berdasarkan uji Shapiro Wilk, residual dinyatakan berdistribusi normal.

Pilihan Uji Normalitas Residual Regresi Linear STATA

• Mengapa ada 3 jenis uji? seharusnya 1 uji saja sudah cukup. Pilihannya adalah bila jumlah sample atau observasi kecil < 50 sebaiknya menggunakan Shapiro-Wilk atau Shapiro-Francia. Sedangkan untuk sampel besar > 5.000, lebih baik menggunakan skewness kurtosis. Shapiro Wilk valid hanya sampai 1000 observasi sedangkan Shapiro Francia hingga 5000.

Metode Uji Normalitas dengan Grafik Pada STATA

Berikut di bawah ini juga dilampirkan hasil uji dengan metode grafik Histogram.

Dinyatakan berdistribusi normal apabila diagram menyerupai “Bel/Lonceng” menghadap ke atas.

Di atas diagram menyerupai bel menghadap ke atas, maka dinyatakan berdistribusi normal.

Sebaiknya untuk menambah wawasan, anda baca artikel kami yang berjudul Normalitas pada STATA.

Heteroskedastisitas

Yang kedua harus kita lakukan di dalam membuat Interprestasi Asumsi Klasik Regresi Linear dengan STATA adalah melakukan uji heteroskedastisitas. Untuk uji heteroskedastisitas sebenarnya macamnya banyak, misal uji glejser, uji park atau yang lainnya. Pada STATA, ada berbagai macam atau jenis uji heteroskedastisitas yang dapat dilakukan, namun pada artikel ini hanya dijelaskan menggunakan Uji Breusch Pagan saja.

Uji regresi linear harus mempunyai sifat homoskedastisitas. Untuk uji heteroskedastisitas banyak metode, tetapi dalam hal ini kita menggunakan metode Breusch-Pagan. Dikatakan tidak terjadi gejala heteroskedastisitas apabila nilai P value yang ditunjukkan dengan “Prob > chi2” nilainya > 0,05.

Di atas nilai p value sebesar 0,7451 di mana > 0,05 maka model regresi bebas dari gejala heteroskedastisitas atau disebut juga bersifat homoskedastisitas.

Berikut juga dilampirkan hasil uji dengan metode grafik scatter antara fitted value dan residual. Apabila plot menyebar merata di atas dan di bawah sumbu 0 dan tidak membentuk sebuah pola tertentu, maka dinyatakan tidak ada gejala heteroskedastisitas.

Pada Diagram di atas, plot menyebar merata di atas dan di bawah sumbu 0 dan tidak membentuk sebuah pola tertentu, maka dinyatakan tidak ada gejala heteroskedastisitas. Untuk menambah wawasan sebaiknya anda baca artikel kami yang berjudul Uji Heteroskedastisitas.

Multikolinearitas

Yang ketiga harus kita lakukan di dalam membuat Interprestasi Asumsi Klasik Regresi Linear dengan STATA adalah melakukan uji multikolinearitas.

Multikolinearitas bisa diartikan dengan mudah yaitu terdapat korelasi kuat antar variabel independen. Model regresi yang bagus harus bebas dari gejala multikolinearitas. Karena multikolinearitas adalah korelasi antar variabel independen, maka asumsi ini hanya berlaku pada uji regresi linear berganda di mana terdapat lebih dari satu variabel independen.

Lihat nilai VIF dan 1/VIF di atas, apabila VIF < 10 dan 1/VIF > 0,1 maka dapat dikatakan bahwa model regresi linear berganda bebas gejala multikolinearitas. Nilai 1/VIF bisa disebut juga dengan istilah “Tolerance”. Apabila anda menggunakan aplikasi SPSS maka istilah Tolerance yang digunakan.

Cukup sekian artikel kami tentang Interprestasi Asumsi Klasik Regresi Linear dengan STATA, yang telah dijelaskan di atas yaitu meliputi antara lain: uji heteroskedastisitas, multikolinearitas dan normalitas. Untuk penjelasan atau interprestasi asumsi klasik yang lainnya, yaitu autokorelasi misalnya, silahkan baca artikel kami yang lainnya.

Demikianlah serangkaian tutorial dan penjelasan tentang uji regresi linear dengan menggunakan aplikasi STATA. Semoga bermanfaat.

By Anwar Hidayat