Senin, 07 Juli 2014

Analisa Regresi Dengan STATA

Analisa regresi merupakan analisa sebab akibat untuk melihat pengaruh sebuah variabel atau lebih (disebut variabel Independen, variabel X) terhadap variabel yang lainnya (disebut variabel Dependent, variabel Y).






Mekanisme perhitungan analisa regresi berusaha melihat pengaruh sebuah variabel Independent terhadap Variabel Dependennya dengan melakukan kontrol (Adjust) terhadap variabel Independen Lainnya.
Asumsi Regresi
Sebuah persamaan regresi yang baik memiliki sifat BLUE (Best Linier Unbias Estimation). Agar persamaan tersebut memiliki sifat BLUE ada beberapa asumsi yang harus dipenuhi.
a.       Error terdistribusi Normal
b.      Variansi Error Homogen
c.       Antar Error tidak saling berkorelasi, khusus data yang sifatnya series (Autokorelasi)
d.      Antar Variabel Independent Tidak Saling Berkorelasi (Multikolinieritas).

Contoh:
Data 20 responden mengenai jumlah lemak tubuh (Amount of body fat), ingin diketahui faktor-faktor apa saja yang berpengaruh terhadap jumlah lemak tubuh dilihat dari indikator  ketebalan lipatan kulit trisep (Triceps skinfold thickness, X1), lingkar paha (Thigh circumference, X2), dan lingkar lengan (Midarm Arm, X3)

Langkah-langkah dalam melakukan analisa regresi linier adalah sebagai berikut.
1. Uji Model
  • Uji Anova
  • Uji Koefisien Regresi
2. Uji Asumsi Regresi
  • Uji Normalitas Error
  • Uji Homogenitas Varian Error
  • Autokorelasi (Hanya untuk data time series)
  • Uji Multikolinieritas


3. Pembuatan Model Regresi


ANALISA

1. Uji Model Regresi

Langkah ini digunakan untuk mengetahui sejauh mana variabel Independen berpengaruh terhadap variabel variabel Dependen. Dari uji model ini akan didapat informasi mengenai hasil uji Anova, hasil uji t, nilai koefisien regresi dari setiap variabel bebas dan nilai koefisien determinasi (R-Square).Dengan menggunakan program STATA, anda cukup mengetik Command yang tertera dalam artikel ini untuk melakukan analisa.


Command 1 : regress y x1 x2 x3



  • Uji Anova





Hasil uji Anova diperoleh nilai p-value (Prob> F) = 0,000 , yang berarti bahwa kita menerima H1, secara umum ada pengaruh variabel Independent terhadap variabel Dependen.
.

  • Uji Koefisien Regresi


Dari hasil uji Anova diketahui bahwa ada pengaruh variabel independent (X) terhadap variabel dependent (Y), kemudian dilanjutkan uji koefisien regresi untuk mengetahui variabel independent mana yang berpengaruh

Variabel X1 (ketebalan lipatan kulit trisep) memiliki nilai p-value 0,000, yang berarti ada pengaruh yang signifikan secara positif (kerena nilai pada kolom coef. bertanda positif). Variabel X2 (lingkar paha) memiliki nilai p-value 0,000, yang berarti ada pengaruh yang signifikan secara positif (kerena nilai pada kolom coef. bertanda positif). Variabel X3 (lingkar lengan) memiliki nilai p-value 0,170 , yang berarti tidak ada pengaruh yang signifikan.

2. Uji Asumsi Regresi

Setelah dilakukan uji model regresi untuk mengetahui variabel indipendent mana yang berpengaruh signifikan terhadap variabel dependent, kemudian dilakukan uji asumsi model untuk mengetahui apakah model memiliki sifat BLUE (Best Linier Unbias Estimation).

  • Uji Homogenitas Varian

Command 2 : estat hettest



Hasil uji diperoleh nilai p-value 0,1071 , yang berarti bahwa kita menerimaa Ho yang menyatakan variansi error homogen. Command 3 menunjukan secara visual error yang homogen.



Command 3 : rvfplot


Plot yang menunjukan varian Homogen
  • Uji Asumsi Normalitas Error


Command 4 : predict e, residual

Command 5 : swilk e




Hasil uji diperoleh nilai p-value 0,51280 , yang berarti bahwa kita menerimaa Ho yang menyatakan error terdistribusi normal.



  • Uji Asumsi Multikolinieritas

Command 6 : estat vif



Untuk mengetahui apakah antar variabel independent terjadi korelasi yang sangat kuat dilihat dari nilai VIF > 10, dari ketiga variabel independent tidak ada yang memiliki nilai VIF > 10, artinya tidak terjadi kasus multikolinieritas.



Download File Latihan : Klik Disini