Uji Multikolinearitas

Dalam regresi berganda, multikolinieritas menyatakan adanya hubungan antara satu variabel independen dengan variabel independen lainnya. Dampak multikolinieritas menimbulkan dampak adalah:

  1. Terjadi peningkatan varian (dan standar eror) koefisien regresi estimator.
  2. Tanda koefisien regresi berbeda dari yang kita harapkan. Misalnya, secara konseptual, kita mengharapkan X1, X2, dan X3 berpengaruh positif pada Y. Namun, karena multikolinieritas, bisa saja satu atau lebih variabel independen berpengaruh negatif.
  3. Penambahan atau pun penarikan variabel independen, akan menyebabkan perubahan besar pada koesien estimasi dan tanda-tandanya.
  4. Pengurangan data akan menyebabkan perubahan koefisien estimasi yang besar.
  5. Dalam berbagai kasus, nilai F signifikan, akan tetapi tidak satu pun nilai t signifikan.

Apabila terjadi multikolinearitas, maka koefisien regresi yang dihasilkan tidak bisa dipercaya. Dengan kata lain, “the individual regression coefficients for each variable are not identifiable”.  Jadi, kalau tujuan sebuah studi adalah untuk menguji pengaruh sejumlah variabel independen terhadap variabel dependen atau untuk menciptakan suatu persamaan, maka multikoniatitas harus dihindari.

Untuk  mendeteksi ada tidaknya kolinieritas, ada dua cara yang lazim digunakan.  Pertama, dengan melihat korelasi antar variabel independen dan yang kedua adalah   memeriksa varians inflation factors (VIF).  Kali ini yang kita gunakan adalah VIF.  Proses yang telah kita lakukan sebelumnya telah menghasilkan statistik kolinearitas, seperti ditampilkan pada Output 8.

Perhatikan sub-kolom Tolerance pada kolom Collinearity Statistic.  Angka ini menyatakan 1-R2 apabila sebuah variabel menjadi variabel dependen bagi variabel-variabel independen lainnya. Mari kita buktikan. Buka file Regresi Linier Berganda_1.sav.  Lakukan regresi linier berganda dengan menjadikan ‘price’ menjadi variabel dependen dan ‘serv_qual’ dan ‘food_qual’ sebagai variabel-variabel independen.  Koefisien determinasi (R2) adalah sebesar 0.812.  Dengan demikian, ‘Tolerance’ adalah 1-0.812=0.188.  Anda bisa memeriksa sendiri ‘Tolerance‘-nya  ‘serv_qual’ dan ‘food_qual’ dengan cara yang sama.

VIF dihitung berdasarkan nilai toleransi dengan persamaan: VIF=1/Tolerance. Dengan demikian, VIF ‘price’ adalah 1/0.188=5.316. Ketentuan umum (rule of thumb) menyatakan apabila nilai VIF lebih rendah dari 10, maka sebuah variabel dianggap tidak memiliki kolinearitas dengan variabel lain.  Dengan demikian, berdasarkan data Output 8, dapat kita simpulkan bahwa model regresi yang kita kerjakan terbebas dari masalah multikolinearitas.

image_pdfKlik to Download or Printimage_print
Posted in MIscellaneous.

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.