Regresi Linier Berganda (dengan EViews )

image_print

Regresi Linier Berganda yang akan disimulasikan pada bagian ini menggunakan pendekatan Ordinary Least Squares (OLS). Penjelasan akan dibagi menjadi 4 (empat) tahapan, yaitu:

  • Persiapan Data (Tabulasi Data)
  • Estimasi Model Regresi Linier (Berganda)
  • Pengujian Asumsi Klasik
  • Uji Kelayakan Model (Goodness of Fit Model)
  • Intepretasi Model Regresi Linier (Berganda)

Persiapan data dimaksudkan untuk melakukan input data ke dalam software EViews. Setelah data di-input kedalam software EViews, maka langkah selanjutnya adalah melakukan estimasi (pendugaan) model (persamaan) regresi linier, baru dilanjutkan dengan pengujian asumsi klasik. Pengujian asumsi klasik dilakukan setelah model regresi diestimasi, bukan sebelum model diestimasi. Tidak mungkin pengujian asumsi klasik dilakukan sebelum model regresi diestimasi, karena pengujian asumsi klasik yang meliputi normalitas, heteroskedastisitas dan autokorelasi membutuhkan data residual model yang didapat setelah model terbentuk. Apabila model yang terbentuk tidak memenuhi asumsi klasik yang disyaratkan, maka dibutuhkan modifikasi/ transformasi/penyembuhan terhadap data ataupun model regresi. Pada bagian ini akan dibahas solusi yang harus ditempuh apabila tidak dipenuhinya asumsi klasik dalam model regresi linier, terutama heteroskedastisitas. Tahap terakhir dari bagian ini akan dijelaskan bagaimana melihat layak tidaknya model dan menginterpretasikan model yang terbentuk. Berikut rincian tahap-tahap yang dilakukan dalam regresi linier berganda :

Selanjutnya dapat dilihat di link berikut ini: Regresi Linier Berganda (Eviews)

About Muhammad Iqbal

You may also like...

16 Responses

  1. theresya says:

    saya theresya dari STIE YAI yang bapak pernah isi pelatihan eviews, saya ingin bertanya mengenai uji hosmer dan lemeshow pada eviews 8, saya sudah melakukan uji tersebut tertapi saya tidak bisa membacanya apakah bapak bisa bantu?

    • Muhammad Iqbal says:

      Bisa. Intinya jika H0 diterima (prob > 0,05) maka model layak. Artinya model yang diusulkan mampu memprediksi peluang suatu kejadian.

  2. salma says:

    Hello saya umu salah satu mahasiswa STIE YAI yang ikut pelatihan eviews, saya mau bertanya . Jika variabel Y saya menggunakan dummy , regresi apa yang harus saya pakai ? regresi linier berganda atau logistik ? . Variabel Y saya adalah tentang memprediksi financial distress

  3. salma says:

    Dan saya harus menggunkan logit atau probit ?

  4. Marius says:

    Selamat siang, sya ingin bertanya., apakah perlu di Anti Ln kan variabel yg di LN kan. jika ingin menginterpretasikan persamaan regresinya ?? Mohon pencerahannya. Terima kasih

    • Muhammad Iqbal says:

      Tergantung intepretasi yang diinginkan. Jika ingin menghitung ya di exponensial-kan (anti Ln), tetapi jika dibaca langsung juga bisa. Secara teori, koefisien yang di Ln-kan itu dianggap sebagai elastisitas, bukan lagi koefisien. Jadi satuannya dalah persen.

  5. Marius says:

    Terima Kasih. Atas jawabannya.

  6. Velycia Oktaviany says:

    Selamat Malam Pak.
    Saya mau bertanya untuk perbedaan regresi linear berganda antara spss dan eview terletak di bagian apa ya pak? terima kasih.

  7. Velycia Oktaviany says:

    Selamat Malam Pak.
    Saya mau bertanya untuk perbedaan regresi linear berganda antara spss dan eview terletak di bagian apa ya pak? terima kasih.

  8. aulia syafira says:

    Assalamualaikum pak..
    izin bertanya pak, bagaimana cara mengatasi eror near singular matrix pada data panel pak? Karena memang, adanya variabel dummy yang berulang pada perusahaan. Adakah solusinya pak?
    Terimakasih pak 🙂

Leave a Reply

Your email address will not be published. Required fields are marked *