Penjelasan dan Tutorial Regresi Linear Berganda

Penjelasan dan Tutorial Regresi Linear Berganda

Pada kesempatan ini, saya akan mencoba menjelaskan regresi linier berganda dan latihan regresi linier berganda dengan SPSS. Mungkin bisa dikatakan bahwa artikel ini sudah terlambat bagi saya, karena pada kesempatan lain ada banyak artikel tentang regresi linier berganda dengan berbagai perangkat lunak, seperti Minitab, STATA dan Excel.

Pada kesempatan ini, saya akan fokus pada menjelaskan pemahaman atau apa yang sebenarnya merupakan regresi linier berganda. Dan apa hipotesis atau kondisi dan bagaimana melakukan regresi linier berganda dengan SPSS.
Definisi regresi linier berganda

Regresi linier berganda adalah model regresi linier yang melibatkan lebih dari satu variabel independen atau prediktor. Dalam bahasa Inggris, istilah ini disebut regresi linier berganda.

Dalam artikel lain, khususnya dalam artikel yang menjelaskan berbagai jenis regresi berganda, saya menjelaskan perbedaan antara regresi berganda dengan regresi sederhana. Pada dasarnya, regresi linier berganda adalah model peramalan atau prediksi yang menggunakan data skala interval atau rasio dan ada lebih dari satu prediktor.

Skala data di atas adalah pada semua variabel, khususnya variabel dependen. Dalam regresi linier, itu tidak mengecualikan kemungkinan menggunakan data dummy pada variabel independen. Artinya dalam regresi fiktif linier.
Perbedaan antara regresi linier berganda dan sederhana

Seperti yang saya bahas di atas, dikatakan sebagai regresi linier berganda jika ada lebih dari satu variabel bebas. Sementara jika hanya ada satu variabel bebas, kita berbicara tentang regresi linier sederhana.

Model regresi linier berganda diilustrasikan oleh persamaan berikut:

Y = α + β1 X2 + β2 X2 + βn Xn + e

Komentar:
Y = respon variabel atau dependen.
X = variabel bebas atau prediktor.
α = konstan.
β = Estimasi kemiringan atau koefisien.

Regresi linier berganda
Regresi linier berganda
Contoh regresi linier berganda

Contoh penelitian yang menggunakan analisis regresi linier berganda adalah pencarian dengan judul: “pengaruh ROA, NPM, dan Ukuran terhadap pengembalian saham.” Saya telah menjelaskan dalam contoh ini secara rinci dalam artikel tentang contoh pencarian perusahaan dengan regresi linier.

Berdasarkan contoh penelitian di atas, jelas bahwa semua variabel adalah interval data atau rasio skala. Dengan kata lain, data yang digunakan adalah data numerik atau numerik. Contoh ini juga menjelaskan bahwa ada lebih dari satu variabel bebas, yaitu ROA, NPM, dan Ukuran.
Asumsi klasik regresi linier berganda

Seperti tes parametrik lainnya, regresi linier juga memiliki istilah atau asumsi klasik yang harus dipenuhi. Dengan cara ini model perkiraan yang dihasilkan akan BIRU (Perkiraan linear terbaik tidak tunduk pada kebijaksanaan).

Asumsi klasik dalam regresi linier berganda meliputi: data interval atau rasio, linearitas, normalitas, non-anomali, homoskedastisitas, non-multikolinieritas, dan bukan autokorelasi.
Interval atau laporkan data.

Data skala semua variabel, khususnya variabel dibatasi, adalah interval atau rasio. Hipotesis ini tidak perlu diuji, pastikan saja data yang digunakan adalah data interval atau rasio (numerik atau kuantitatif).

Untuk memahami berbagai skala data, kami telah membahasnya dalam artikel yang berjudul tipe data dan pemilihan analisis statistik.
linearitas

Ada hubungan linier antara variabel bebas dan variabel dependen. Hipotesis linearitas diuji dengan uji linearitas regresi, misalnya dengan kurva estimasi.

Dengan kurva estimasi kita dapat menentukan apakah hubungan linear ada atau tidak dengan melihat linearitas dari nilai p. Jika nilai p adalah <0,05, ada hubungan linier antara prediktor dan respons.

Untuk uji regresi linier, kami membahasnya pada artikel sebelumnya, yaitu artikel tentang linearitas regresi.
Sisa normalitas

Perbedaan antara y yang diharapkan dan y yang tersisa. Y adalah variabel dependen, sedangkan prakiraan y adalah hasil Y dari persamaan regresi yang dilakukan. Sehingga residu dibangun dengan rumus: ramalan y-y.

Asumsi normalitas dalam regresi linier adalah residual, bukan data variabel.

Uji hipotesis untuk normalitas regresi linier dapat diuji dengan berbagai metode pengujian normalitas, seperti Shapiro wilk, lilliefors atau Kolmogorov smirnov, Anderson sayang, Joan joiners, Shapiro Prancis, tuba fallopi, uji asimetri kurtosis dan berbagai jenis normalitas lainnya. tes.

Saya telah sepenuhnya membahas berbagai jenis tes normalitas di berbagai artikel yang sebelumnya saya terbitkan. Silakan belajar untuk menambah visi Anda.

Sumber : https://rumusbilangan.com/