Estimasi yang peneliti ciptakan melalui model regresi linier berganda (multiple regression) memberi hubungan antar beberapa variabel. Tapi hasil regresi tidak secara otomatis memberikan hubungan yang handal.
Peneliti harus mengetahui sifat-sifat estimator dan menunjukkan beberapa asumsi dasar di dalam dataset. Sebuah model disebut sebagai model yang baik jika memenuhi beberapa asumsi yang disebut dengan asumsi klasik (classical assumptions).
Model regresi adalah statistik parametrik. Prinsip asumsi-asumsi tersebut yaitu:
Model regresi adalah statistik parametrik. Prinsip asumsi-asumsi tersebut yaitu:
- Variabel bebas dan terikat dalam koefisien model harus linier.
- Variabel bebas tidak berkorelasi dengan error atau residual.
- Mean dari error adalah nol.
- Error memiliki varian konstan (homoskedastis) atau tidak ada heteroskedastisitas.
- Error tidak saling berkorelasi serial atau tidak ada autokorelasi.
- Tidak ada variabel bebas memiliki hubungan linear sempurna dengan variabel bebas lainnya atau tidak ada multikolinearitas.
- Error terdistribusi secara tidak normal.
Dengan demikian ada 4 uji yang harus dilakukan sebelum pengujian hipotesis dalam model regresi yaitu heteroskedastisitas, autokorelasi, multikolinieritas dan normalitas.
Uji Heteroskedastisitas
Uji heteroskedastisitas untuk mengetahui apakah model regresi terjadi ketidaksamaan varian error satu pengamatan ke pengamatan yang lain. Model yang baik harus homoskesdastisitas. Beberapa cara untuk menguji yaitu menggunakan Uji Scatterplot, Uji Park, Uji Glesjer dan Uji White.
Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah model memiliki korelasi antar error pada periode t dengan error periode t-1 (sebelumnya). Model yang baik tidak terjadi autokorelasi. Beberapa cara untuk menguji menggunakan Uji Durbin-Watson (DW test), Uji Langrange Multiplier (LM test), Uji Statistics Q Box-Pierce dan Ljung Box, serta Run Test.
Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model yang baik seharusnya tidak terjadi yaitu nilai Tolerance di atas 0,1 dan nilai VIF di bawah 10.
Uji Normalitas
Uji normalitas untuk mengetahui apakah error dalam model regresi memiliki distribusi normal. Model yang baik mengasumsikan error tidak berdistribusi normal. Beberapa cara untuk menguji yaitu menggunakan Analisis Grafik Histogram dan P-P Plot, Analisis Z Skewness dan Z Kurtosis serta One-Sample Kolmogorov-Smirnov Test.
Proses pengujian asumsi klasik dilakukan bersama dengan proses uji regresi sehingga langkah-langkah yang dilakukan dalam pengujian asumsi klasik menggunakan langkah kerja yang sama dengan uji regresi.
Sumber https://www.gurumapel.com/ Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah model memiliki korelasi antar error pada periode t dengan error periode t-1 (sebelumnya). Model yang baik tidak terjadi autokorelasi. Beberapa cara untuk menguji menggunakan Uji Durbin-Watson (DW test), Uji Langrange Multiplier (LM test), Uji Statistics Q Box-Pierce dan Ljung Box, serta Run Test.
Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model yang baik seharusnya tidak terjadi yaitu nilai Tolerance di atas 0,1 dan nilai VIF di bawah 10.
Uji Normalitas
Uji normalitas untuk mengetahui apakah error dalam model regresi memiliki distribusi normal. Model yang baik mengasumsikan error tidak berdistribusi normal. Beberapa cara untuk menguji yaitu menggunakan Analisis Grafik Histogram dan P-P Plot, Analisis Z Skewness dan Z Kurtosis serta One-Sample Kolmogorov-Smirnov Test.
Proses pengujian asumsi klasik dilakukan bersama dengan proses uji regresi sehingga langkah-langkah yang dilakukan dalam pengujian asumsi klasik menggunakan langkah kerja yang sama dengan uji regresi.