Model regresi linier berganda dengan (k-1) variabel bebas adalah sebagai berikut:
Jika dalam uji koefisien regresi secara
simultan keputusannya adalah menolak Ho, maka uji koefisien regresi
secara parsial perlu dilakukan untuk melihat variabel bebas mana saja
yang mempengaruhi variasi dari variabel respon. Hasil dari pengujian
secara parsial akan memberikan kesimpulan sedikitnya ada satu variabel
bebas yang mempunyai hubungan linier dengan variabel respon. Jika dalam
uji koefisien regresi secara simultan keputusannya adalah menerima Ho,
maka uji secara parsial tidak perlu dilakukan.
Pada contoh ini, kita coba untuk membuat
model regresi linier berganda dengan menggunakan dua variabel bebas.
Penggunaan variabel bebas lebih dari dua akan dikerjakan dengan cara
yang sama, namun membutuhkan waktu yang lebih lama. Penggunaan komputer
akan lebih bijaksana. Data dibawah ini sebanyak 10 observasi dengan
variabel respon Y dan variabel bebas X1 dan X2.
Oleh karena kesimpulannya adalah sedikitnya ada satu β yang tidak sama dengan nol, maka perlu diselidiki parameter β yang mana yang tidak sama dengan nol. Apakah β1 atau β2 atau mungkin keduanya. Untuk menjawab pertanyaan tersebut, perlu dilakukan uji parameter β secara parsial yaitu uji parameter β satu per satu.
Kesimpulan: variabel X2 tidak mempunyai pengaruh linier ter hadap variabel respon Y dng tingkat keyakinan sebesar 95%.
Koefisien determinasi berganda
Koefisien regresi berganda menyatakan besarnya pengaruh variasi variabel bebas yang ada dalam model terhadap variasi variabel respon. Formulanya adalah sebagai berikut:
Nilai ini menunjukkan bahwa variasi dalam variable Y berkurang sebesar 83,71 persen ketika satu set variabel X digunakan dalam model. Nilai R2 jika diakarkan akan mendapat suatu nilai yang biasa disebut dengan koefisien korelasi.
Sumber: https://digensia.wordpress.com/2012/05/08/analisa-model-regresi-seri-3/
0 komentar:
Posting Komentar