Penjelasan dan Tutorial Regresi Linear Berganda

Dalam kesempatan ini, saya akan coba menjelaskan tentang Regresi Linear Berganda serta tutorial regresi linear berganda dengan SPSS. Mungkin bisa dibilang artikel ini terlambat saya buat, sebab pada kesempatan lainnya sudah banyak sekali artikel tentang regresi linear berganda dengan berbagai software, seperti minitab, stata dan excel.

Dalam kesempatan ini, saya akan fokus dalam menjelaskan pengertian atau apa itu sebenarnya regresi linear berganda. Serta apa saja asumsi atau syaratnya serta bagaimana cara melakukan regresi linear berganda dengan SPSS

Pengertian Regresi Linear Berganda

Regresi Linear Berganda adalah model regresi linear dengan melibatkan lebih dari satu variable bebas atau predictor. Dalam bahasa inggris, istilah ini disebut dengan multiple linear regression.

Pada artikel yang lain, yaitu pada artikel penjelasan berbagai jenis regresi berganda, saya sudah jelaskan perbedaan antara regresi berganda dengan regresi sederhana. Pada dasarnya regresi linear berganda adalah model prediksi atau peramalan dengan menggunakan data berskala interval atau rasio serta terdapat lebih dari satu predictor.

Skala data yang dimaksud diatas adalah pada semua variabel terutama variable terikat. Pada regresi linear, tidak menutup kemungkinan digunakannya data dummy pada variable bebas. Yaitu pada regresi linear dengan dummy.

Y = ╬▒ + ╬▓1 X2 + ╬▓2 X2 + ╬▓n Xn + e

Keterangan:
Y = Variabel terikat atau response.
X = Variabel bebas atau predictor.
╬▒ = Konstanta.
╬▓ = Slope atau Koefisien estimate.

Contoh Regresi Linear Berganda

Salah satu contoh penelitian yang menggunakan analisis regresi linear berganda adalah penelitian dengan judul: ΓÇ£pengaruh ROA, NPM dan Size Terhadap Return Saham.ΓÇ¥ Untuk contoh penelitian ini sudah saya jelaskan secara rinci dalam artikel tentang contoh penelitian bisnis dengan regresi linear.

Berdasarkan contoh penelitian diatas, sudah jelas bahwasanya semua variable berskala data interval atau rasio. Dengan kata lain data yang digunakan adalah data kuantitatif atau numeric. Dalam contoh tersebut juga dijelaskan bahwasanya variable bebas lebih dari satu, yaitu ROA, NPM dan Size.

Asumsi Klasik regresi Linear Berganda

Seperti halnya uji parametris lainnya, maka regresi linear juga mempunyai syarat atau asumsi klasik yang harus terpenuhi. Agar model prediksi yang dihasilkan nantinya bersifat BLUE (Best Linear Unbiased Estimation).

Asumsi klasik pada regresi linear berganda antara lain: Data interval atau rasio, linearitas, normalitas, non outlier, homoskedastisitas, non multikolinearitas dan non autokorelasi.

Data Interval atau rasio.

Skala data semua variable terutama variable terikat adalah interval atau rasio. Asumsi ini tidak perlu diuji, cukup anda pastikan bahwa data yang digunakan adalah data interval atau rasio (numeric atau kuantitatif).