Regresi Linier Berganda (dengan Software SPSS)

Regresi merupakan salah satu metode yang dapat digunakan untuk mencari pengaruh variabel bebas terhadap variabel terikat. Metode regresi yang paling sering digunakan biasanya adalah regresi linier dengan pendekatan OLS. Pada kesempatan ini penulis mencoba membuat sebuah tutorial untuk pengolahan data regresi linier berganda dengan Software SPSS.

Regresi Linier Berganda yang akan disimulasikan pada bagian ini menggunakan pendekatan Ordinary Least Squares (OLS). Penjelasan akan dibagi menjadi 4 (empat) tahapan, yaitu:
1) Persiapan Data (Tabulasi Data)
2) Estimasi Model Regresi Linier (Berganda)
3) Pengujian Asumsi Klasik
4) Uji Kelayakan Model (Goodness of Fit Model)
5) Intepretasi Model Regresi Linier (Berganda)
Persiapan data dimaksudkan untuk melakukan input data ke dalam software SPSS. Setelah data di-input kedalam software SPSS, 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 tidak dibahas langkah-langkah yang harus ditempuh apabila tidak dipenuhinya asumsi klasik dalam model regresi linier. Pada bagian ini data yang digunakan untuk mengestimasi model regresi linier dengan OLS telah memenuhi semua asumsi klasik. Tahap terakhir dari bagian ini akan dijelaskan bagaimana melihat layak tidaknya model dan menginterpretasikan model yang terbentuk.

Selengkapnya silahkan baca:

Regresi Linier Berganda (SPSS)