15 Juli 2013

Analisis Regresi Berganda dengan AMOS 20.00

Menggambarkan model persamaan regresi dalam layar AMOS 20.0 dengan cara:

Klik program Amos Graphic Pada layar kosong gambarkan model persamaan regresi, sebagai

berikut:

Keterangan : Ada tiga variable exogen yaitu EARNS, WEALTH, SAVING serta satu

variable endogen INCOME Antar variable exogen harus saling dihubungkan (dikovarian-kan) Variable endogen harus diberi nilai residual (Z1)

Membaca data Crossec.xls Klik File lalu Data File Pilih File Name, lalu cari dimana data crossec.xls disimpan, sebagai

berikut:

Keterangan : data Crossec.xls merupakan data excel yang sudah disediakan terlebih dahulu yang berisikan informasi mengenai variabel INCOME, SAVING, WEALTH dan EARNS, dengan jumlah sampel sebanyak 100.

Menentukan metode Estimasi dan Output

Pilih View lalu Analyzed Properties Pilih metode estimasi Maximum Likelihood (ML) dan pilih Estimate

Means and Intercept

Pilih Output, lalu pilih Minization History, Standardized Estimate, Squared Multiple Correlation, dan Test of Normality and Outlier

Akhirnya menutup windows dengan klik tanda silangRun model dengan perintah

Pilih Analyze lalu Calculate Estimate Berinama file amos

Hasil output secara detail dapat dilihat dengan cara Pilih View lalu pilih Text Output Berikut tampilan outputnya

Analysis Summary

Berisi keterangan tentang tanggal dan waktu data diolah serta nama file.Notes for Group

Berisi keterangan bahwa model berbentuk recursive berarti model hanya satu arah bukan model resiprokal atau saling mempengaruhi (nonrecursive). Jumlah sampel 100.Variable Summary

Berisi keterangan model memiliki satu variable endogen INCOME dan tiga variable exogen EARNS, WEALTH, SAVING serta satu variable unobserved exogen yaitu e1. Jumlah variable dalam model 5 yang terdiri dari 4 variabel observed dan satu variable unobserved dan empat variable exogen dan satu variable endogen.

Assessment of Normality

Berisi output untuk menguji apakah data kita normal secara multivariate sebagai syarat asumsi yang harus dipenuhi dengan ML. jika dilihat secara univariate nilai critical skewness (kemencengan) sangat tinggi untuk semua variable yaitu di atas 2,58 (signifikan pada 1%) dan dapat disimpulkan bahwa data kita secara univariate tidak terdistribusi secara normal. Secara multivariate nilai 53,903 merupakan koefisien dari multivariate kurtosis dengan nilai critical 38,901 yang nilainya di atas 2,58. Sehingga dapat disimpulkan bahwa data kita juga tidak normal secara multivariate. Solusi yang harus dilakukan adalah melakukan transformasi data dengan bentuk fungsi lainnya seperti logaritma atau akar kuadrat untuk mendapatkan data dengan distribusi normal.Observations

Untuk mengukur apakah data kita ada yang outlier yaitu mendeteksi apakah skor observasi ada yang jauh berbeda yaitu mendeteksi apakah skor observasi ada yang jauh berbeda dengan skor centroid untuk 100 kasus. Mahalobis d-squared digunakan untuk mengukur jarak skor hasil observasi terhadap nilai centroidnya. Lihat kasus no.7 yang memberikan jarak terjauh dari centroidnya dengan nilai Mahalobis d-squared 51,998. Nilai ini diikuti oleh kedua kolom p1 dan p2. Kolom p1 menunjukkan dengan asumsi normal, probabilitas d-squared di atas nilai 51,998 adalah lebih kecil dari 0,000. Kolom p2 juga dengan asumsi normal, probabilitasnya masih di bawah 0,000. Ketentuan bahwa walaupun nilai p1 diharapkan bernilai kecil, tetapi nilai pada kolom p2 menunjukkan observasi yang jauh dari centroidnya dan dianggap outlier serta harus dibuang (didrop) dari analisis. Berdasarkan hasil output di atas, maka data yang dianggap outlier adalah observasi 7, 100, 96, 36, 45, 24, 81 yang nilai kolom p2 di bawah 0,000. Data ini sebaiknya dibuang.Notes for Model

Memberikan keterangan hasil perhitungan Chi-squared. Oleh karena degree of freedom (df) sama dengan nol, maka nilai probabilitas tidak dapat dihitung.Estimates

Koefisien Regresi

Regression weight memberikan besarnya nilai koefisien regresi unstandardized dan standardized. Nilai standardized = nilai unstandardized – standard error. Nilai Critical (cr) adalah sama dengan nilai t pada regresi OLS dan P adalah tingkat probabilitas signifikansi dengan *** berarti by default signifikan pada 0,001. Jadi dapat disimpulkan bahwa EARNS berpengaruh positif terhadap INCOME dengan koefisien standardized 0,763 (artinya kenaikan gai $1000 akan meningkatkan INCOME sebesar $7630), begitu juga dengan WEALTH berpengaruh positif terhadap INCOME dengan koefisien standardized sebesar 0,195 (kenaikan kekayaan keluarga $1000 akan meningkatkan INCOME sebesar $195). SAVING ternyata tidak berpengaruh terhadap INCOME karena probabilitas jauh di atas 0,05.

Rumusan persamaan regresi berganda

Output lainnya memberikan nilai means dan intercept dari model dengan nilai intercept 2,546. Sehingga model persamaan regresi kita menjadi :

INCOME = 2,546 + 0,831 EARNS + 0,065 WEALTH + 0,002 SAVINGKoefisien determinasi

Sedangkan besarnya nilai koefisien determinasi ditunjukkan oleh nilai Squared Multiple Correlation 0,808 (R2) yang berarti variabilitas INCOME yang dapat dijelaskan oleh variabilitas EARNS, WEALTH, SAVING sebesar 80,8% sedangkan 19,92% adalah variable lainnya yang tidak kita teliti. Jadi dapat disimpulkan bahwa model cukup baik.