Interprestasi Regresi Linear dengan Eviews

Interprestasi Regresi Linear dengan Eviews

Tutorial Uji Regresi linear dengan Eviews telah kita bahas pada artikel sebelumnya. Selanjutnya apda bahasan kali ini, statistikian akan menyajikan cara baca atau interprestasi regresi linear dengan eviews. Sebelum kami jelaskan lebih jauh, perlu dipahami bahwa sebenarnya hasil uji regresi linear dengan eviews sama saja hasilnya dengan hasil uji menggunakan aplikasi eviews. Namun letak dan posisi keterangan dalam outputnya saja yang berbeda.

Oleh karena itu, pada kesempatan ini, kami akan coba menjelaskan secara singkat dan padat saja. Untuk penjelasan yang lebih detail tentang regresi linear, silahkan anda baca artikel kami yang berjudul: regresi korelasi dan interprestasi regresi linear berganda dengan minitab.

Interprestasi Output Uji Regresi Linear dengan Eviews

Karena anda kami anggap sudah mengikuti tutorial uji regresi linear dengan eviews, maka langsung saja anda buka output hasil pengujian dengan eviews anda. Perhatikan baik-baik pada output yang ada di hadapan anda. Contoh hasil uji regresi linear dengan eviews adalah sebagai berikut:

Interprestasi Regresi Linear dengan Eviews
Output Regresi Linear dengan Eviews

Jumlah Observasi

Jumlah observasi atau jumlah sampel yang digunakan dalam pengujian model regresi ditunjukkan dengan nilai “Sample” yaitu dalam tutorial ini sebesar 100 sampel. Sedangkan jumlah sampel yang valid nilainya dan menjadi bagian dalam analisis, ditunjukkan dengan nilai “Include Observation.” Yang mana dalam tutorial ini yaitu sampel ke-1 sampai dengan sampel ke-100.

Identifikasi Variabel

Variabel response ditunjukkan dengan nilai “Dependent variable“, yaitu Y.

Variabel predictor yang menjadi bagian dalam model ditunjukkan pada kolom variabel, dimana dalam hal ini adalah variabel X1, X2 dan kontanta (Symbol C).

T Parsial

T parsial ditunjukkan dengan nilai “t-Statistics“. Contoh di atas adalah nilai t parsial X1 sebesar 3,447144. Nilai ini kita bandingkan dengan t tabel. namun agar proses bisa cepat, kita dapat melihat nilai p value dari t parsial. jika nilainya < batas kritis, misal < 0,05 maka menerima H1 atau yang berarti variabel X1 berpengaruh secara parsial di dalam model terhadap variabel response (Y). Contoh di atas adalah nilai p value t parsial X1 adalah 0,00008 dimana < 0,05 sehingga menerima H1.

Koefisien Beta

Koefisien beta dalam eviews ditunjukkan dengan label “coefficient“. Koefisien beta adalah nilai prediksi sebuah variabel di dalam model terhadap variabel response. Misal di atas nilai koefisien beta X1 adalah 0,455947 yang berarti X1 dapat menjelaskan Y sebesar 45,5947% atau dapat diartikan: setiap perubahan satu satuan X1 dapat mengakibatkan perubahan pada Y sebesar 45,5947%.

Koefisien Determinasi Berganda

Nilai koefisien determinasi berganda dalam eviews sama seperti halnya dengan aplikasi lainnya, yaitu diberi label R-Squared. Dalam contoh ini sebesar 0,426844 yang berarti sekumpulan variabel predictor di dalam model dapat menjelaskan variabel response sebesar 42,6844%. Sedangkan sisanya dijelaskan oleh variabel lain di luar model yang tidak diteliti.

Adjusted R Square

Nilai adjusted R Square artinya nilai R Square yang telah terkoreksi oleh nilai standar error. Dalam contoh ini, nilai adjusted r square sebesar 0,416026. Sedangkan nilai standar error model regresi 13,35369 ditunjukkan dengan label S.E. of regression. Nilai standar error ini lebih kecil dari pada nilai standar deviasi variabel response yang ditunjukkan dengan label “S.D. dependent var” yaitu sebesar 17,45955 yang dapat diartikan bahwa model regresi valid sebagai model prediktor.

Uji Simultan

Uji simultan dalam eviews diperlihatkan dengan hasil nilai Uji F seperti layaknya jika kita menganalisis menggunakan aplikasi SPSS. Namun dalam eviews diberi label F-statistics. Dalam tutorial ini nilai F sebesar 36,11916 dengan p value sebesar 0,00000 dimana < 0,05 atau batas kritis penelitian, sehingga dapat disimpulkan menerima H1. Menerima H1 dalam uji simultan berarti bahwa variabel bebas secara serentak mempengaruhi secara bermakna variabel terikat.

Kesimpulan Output Regresi Linear dengan Eviews

Kesimpulannya adalah bahwa hasil pengujian regresi linear OLS menggunakan eviews sama saja dengan pengujian menggunakan aplikasi lainnya seperti misalnya SPSS. Hanya saja labelnya sedikit berbeda.

Kami kira itu saja yang bisa kami jelaskan dalam artikel cara Interprestasi Regresi Linear dengan Eviews. Selanjutnya kita kan mempelajari cara uji asumsi klasik dan cara bacanya menggunakan aplikasi eviews. Pembahasan tersebut kami muat dalam artikel kami yang berjudul: Uji Asumsi Klasik dengan Eviews.

Jasa Olah Data Aman Terpercaya

2 KOMENTAR

    • Jika nilai probabilitas atau signifikansi uji F lebih dari 5 persen maka berarti terima HO yang artinya adalah tidak signifikan pengaruhnya. Sedangkan untuk cara mengatasi outlier adalah tidak tepat menggunakan cara yang anda sebutkan. Jika ada masalah outlier, anda bisa menggunakan metode Trimming, winsorizing dan juga bootstraping. Dalam kasus tertentu misalnya mau membentuk model yang blue dan akurat, maka anda bisa menggunakan teknik transformasi data.

TINGGALKAN KOMENTAR

Silakan masukkan komentar anda!
Silakan masukkan nama Anda di sini