Dalam analisis regresi, beberapa asumsi harus dijamin agar hasilnya akurat dan signifikan. Asumsi-asumsi ini meliputi homoskedastisitas, linearitas, keberadaan multicollinearity, dan normalitas data.
Homoskedastisitas
Asumsi homoskedastisitas berarti bahwa variance residuals harus seragam dan tidak memiliki pola tertentu. Jika asumsi ini tidak terpenuhi, maka akan muncul spread residuals yang tidak rata (misalnya, cone atau fan-shaped) yang menunjukkan ketidaksamaan varian.
Untuk memeriksa homoskedastisitas secara visual, Anda dapat membuat scatterplot prediksi nilai terhadap residuals. Dalam scatterplot tersebut, Anda harus melihat pola yang tidak memiliki kesamaan (tidak berbentuk) dan tidak memiliki spread yang tidak rata.
Linearitas
Asumsi linearitas berarti bahwa ada hubungan langsung dan lurus antara variabel prediktor dan variabel hasil. Jika residuals normal dan homoskedastis, maka asumsi linearitas biasanya terpenuhi, sehingga analisis menjadi lebih sederhana.
Keberadaan Multicollinearity
Asumsi keberadaan multicollinearity berarti bahwa variabel prediktor tidak memiliki korelasi yang kuat dengan satu sama lain. Jika variabel prediktor memiliki korelasi yang kuat, maka akan sulit untuk menentukan varian apa yang sebenarnya berhubungan dengan variabel hasil.
Anda dapat memeriksa multicollinearity menggunakan dua metode: koefisiensi korrelasi dan nilai Faktor Inflasi Varians (VIF).
Pemeriksaan Asumsi
Untuk pemeriksaan asumsi regresi, Anda dapat menggunakan program statistik seperti SPSS. Berikut adalah langkah-langkah yang harus diambil:
- Buka data Anda dalam SPSS dan pilih Analyze –> Regression –> Linear.
- Set up regression Anda seperti biasanya dengan memasukkan variabel hasil (dependent) dan variabel prediktor (independent).
- Klik Statistics dan pastikan bahwa Estimates and model fit serta collinearity diagnostics terpilih.
- Klik Plots dan masukkan predicted values (*ZPRED) sebagai X dan residual values (*ZRESID) sebagai Y.
- Lalu, Anda akan mendapatkan output regresi yang meliputi normal P-P plot dan scatterplot residuals.
Dalam normal P-P plot, Anda harus melihat garis diagonal dan titik-titik yang seimbang. Jika data Anda tidak normal, maka titik-titik tidak akan mengikuti garis normalitas.
Dalam scatterplot residuals, Anda harus melihat pola yang tidak memiliki kesamaan dan tidak memiliki spread yang tidak rata. Jika asumsi homoskedastisitas tidak terpenuhi, maka akan muncul spread residuals yang tidak rata (misalnya, cone atau fan-shaped).
Akhirnya, Anda dapat memeriksa absence of multicollinearity dengan menggunakan VIF values.
Laporan Hasil
Setelah pemeriksaan asumsi selesai, Anda harus melaporkan hasilnya dalam bab hasil. Anda juga harus mencantumkan APA-formatted figures dan VIF values sebagai referensi tambahan.
Dengan Intellectus, Anda dapat melakukan analisis regresi secara cepat dan mudah hanya dalam beberapa menit. Program statistik ini telah di- preload dengan asumsi-asumsi yang dibutuhkan dan outputnya disajikan dalam format APA yang sesuai dengan tabel-tabel dan gambar-gambar. Klik "Try Now" untuk membuat akun gratis dan mulai menganalisis data Anda sekarang!