Home » , , » Analisis Regresi Linier Berganda Menggunakan Gretl

Analisis Regresi Linier Berganda Menggunakan Gretl

Written By Unknown on Jumat, 12 Juni 2015 | 01.29

Masukkan data (Lihat Masukkan data menggunakan gretl)
Klik Menu Model → Ordinary Square
 Maka akan muncul kotak dialog sebagai betrikut:
 
 Pada depednent variable : select variable ‘y’
Pada regressors : select variable ‘x1’ dan ‘x2’
 OK
 Akan muncul hasils ebagai berikut:
 Model 1: OLS, using observations 1-16
 Dependent variable: y
Coefficient
Std. Error
t-ratio
p-value

const
37,65
2,9961
12,5663
<0,00001
***
x1
4,425
0,30112
14,6952
<0,00001
***
x2
4,375
0,673324
6,4976
0,00002
***
Mean dependent var
 81,75000

S.D. dependent var
 11,45135
Sum squared resid
 94,30000

S.E. of regression
 2,693297
R-squared
 0,952059

Adjusted R-squared
 0,944683
F(2, 13)
 129,0832

P-value(F)
 2,66e-09
Log-likelihood
-36,89416

Akaike criterion
 79,78831
Schwarz criterion
 82,10608

Hannan-Quinn
 79,90700
 Uji Simultan
Terlihat bahwa nilai p-value (uji F) nya <0.5 maka dapat disimpulakn secara bersama-sama variabel x1 dan x2 mempengaruhi variabel y secara signifikan
Uji partial
 Terlihat bahwa nilai p-value x1 dan x2 (uji T) <0.5 berarti secara parsial baik variabel x1 dan x2 mempengaruhi y.
Koefisien Determinasi
 Terlihat bahwa nilai R-adjusted 94,5 persen berarti keragaman y dapat dijelaskan oleh x1 dan x2 sebesar 94,5 persen sisanya oleh variabel lain di luar model
  Intrepetasi Model
 Pada tabel dapat kita lihat bahwa kedua variabel bebas berpengaruh signifikan terhadap variabel tak bebas. Pembacaannya adalah sebagai berikut:
 - Setiap kenaikan 1 satuan variabel x1 maka akan menaikkan nilai variabel y sebesar 4,425 satuan dengan asumsi variabel lain bernilai tetap
 -          Setiap kenaikan 1 satuan variabel x2 maka akan menaikkan nilai variabel y sebesar 4,375 satuan dengan asumsi variabel lain bernilai tetap
Uji Normalitas
 Menu Test Normality of Residual
 Frequency distribution for uhat1, obs 1-16
 number of bins = 7, mean = 3,55271e-015, sd = 2,6933
        interval          midpt   frequency    rel.     cum.
            < -3,6833   -4,4000        1      6,25%    6,25% **
   -3,6833 - -2,2500   -2,9667        2     12,50%   18,75% ****
    -2,2500 - -0,81667  -1,5333        4     25,00%   43,75% *********
   -0,81667 -  0,61667  -0,10000       3     18,75%   62,50% ******
    0,61667 -  2,0500    1,3333        2     12,50%   75,00% ****
     2,0500 -  3,4833    2,7667        3     18,75%   93,75% ******
           >=  3,4833    4,2000        1      6,25%  100,00% **
Test for null hypothesis of normal distribution:
 Chi-square(2) = 0,209 with p-value 0,90094
 karena nilai p.value =0.209>alpha 0.05, maka modelnya bebas dari asumsi normalitas
Uji Heterokedastisitas
Menu Test  heteroskedasticity  White’s Test
 White's test for heteroskedasticity
 OLS, using observations 1-16
 Dependent variable: uhat^2
 Omitted due to exact collinearity: sq_x2
              coefficient   std. error   t-ratio    p-value
   --------------------------------------------------------
   const      13,5675       24,6444       0,5505    0,5930
   x1         -3,35750       6,14763     -0,5461    0,5959
   x2          0,0587500     5,35195      0,01098   0,9914
   sq_x1       0,324375      0,407137     0,7967    0,4425
   X2_X3      -0,0887500     0,728308    -0,1219    0,9052
   Unadjusted R-squared = 0,176396
 Test statistic: TR^2 = 2,822337,
 with p-value = P(Chi-square(4) > 2,822337) = 0,587983
 karena nilai p.value =0.58 >alpha 0.05, maka modelnya bebas dari asumsi heretokedastisitas
Uji Multikolinearitas
Menu Test  Colinearity
  Variance Inflation Factors
  Minimum possible value = 1.0
 Values > 10.0 may indicate a collinearity problem
           x1    1,000
           x2    1,000
 VIF(j) = 1/(1 - R(j)^2), where R(j) is the multiple correlation coefficient
 between variable j and the other independent variables
 karena nilai VIF untuk kedua variabel < 5, maka modelnya bebas dari asumsi multikolinearitas
Uji Linearitas
Menu Test  Ramsey’s Reset  sqqare and cube OK
 Auxiliary regression for RESET specification test
 OLS, using observations 1-16
 Dependent variable: y
             coefficient     std. error      t-ratio    p-value
   ------------------------------------------------------------
   const       6,46975       127,229          0,05085    0,9604
   x1          0,168220       51,0350         0,003296   0,9974
   x2          0,218127       50,2219         0,004343   0,9966
   yhat^2      0,0213568       0,142289       0,1501     0,8834
   yhat^3     -0,000124825     0,000579728   -0,2153     0,8335
  Test statistic: F = 1,388093,
 with p-value = P(F(2,11) > 1,38809) = 0,29
 karena nilai p.value =0.29 >alpha 0.05, maka modelnya bebas dari asumsi linearitas
NB: dalam gretl apabila datanya cross section untuk uji autokorelasi tidak dilakukan.
Share this article :

1 komentar:

  1. bagaimana jika hasil dari uji normalitas, heterokedastisitas, multikolinieritas, dan autokorelasi semuanya bernilai 0,0000? (maksudnya p-value = 0,0000)??
    bagaimana interpretasi yg tepat? dengan hasil 0,0000 itu apakah bisa diketahui terjadi atau tidaknya keempat uji yg saya sebutkan tadi?

    BalasHapus



 
Support : Your Link | Your Link | Your Link
Copyright © 2013. Statistik Menarik - All Rights Reserved
Template Created by Creating Website Modified by CaraGampang.Com
Proudly powered by Blogger