Chapter 12 Menganalisis Data Menggunakan Statistik Inferensial

12.1 Pendahuluan

Statistik deskriptif yang dibahas dalam bab sebelumnya berbohong di pusat dari suatu analisis

univariat penelitian data dan memungkinkan Anda untuk memeriksa distribusi frekuensi dan

mengukur tendensi sentral dan dispersi dari data. Di tingkat pasca sarjana atau doktoral, ini hanya

akan membentuk tahap eksplorasi penelitian Anda dan perlu melanjutkan dengan melakukan

analisis lebih lanjut berdasarkan statistik inferensial. Sebelum Anda mulai, Anda perlu

mempertimbangkan karakteristik yang mendasari data penelitian dan memutuskan apakah uji

statistik parametrik atau non-parametrik sudah sesuai.

Pada bab ini, kami akan menjelaskan bagaimana untuk menghasilkan statistik inferensial

berdasarkan beberapa metode utama analisis bivariat dan multivariat. Seperti pada yang terakhir,

kami akan memberikan langkah-demi-langkah instruksi menggunakan SPSS untuk Windows dan

menggunakan data dari Laporan Collis (2003) sebagai contoh utama kami. Seperti beberapa studi

memasukkan analisis data longitudinal, kami menyediakan bagian untuk mempersiapkan data untuk

analisis deret waktu, yang digunakan untuk tren peramalan.

Tujuan kami adalah untuk memberikan panduan praktis dan menyediakan konten teoritis yang

cukup untuk membantu Anda mendapatkan pemahaman dasar tentang metode yang paling banyak

digunakan. penting untuk ingat bahwa kita hanya melihat pemilihan teknik analisis yang tersedia dan

Anda mungkin merasa perlu untuk membahas kemungkinan lain dan membaca lebih lanjut dengan

supervisor Anda. Anda sangat disarankan untuk melakukan ini 'pada tahap desain proyek, tidak

setelah Anda telah mengumpulkan data.

12.2 Perencanaan Analisis

ketika merencanakan analisis Anda, Anda akan dipandu oleh hipotesis Anda dan sifat data Anda. ini

akan membantu Anda menentukan tes yang sesuai dan teknik untuk digunakan. Titik awalnya adalah

untuk menguji hipotesis Anda dan mengidentifikasi variabel yang akan dimasukkan dalam analisis.

Anda kemudian dapat menentukan apakah tes parametrik atau non-parametrik sesuai untuk data

Anda dan memutuskan apakah analisis bivariat dan/atau analisis multivariat diperlukan untuk

menjawab pertanyaan penelitian Anda.

12.2.1 Hipotesis dan Variabel dalam penelitian

Anda akan ingat dari bab-bab sebelumnya bahwa hipotesis adalah proposisi yang dapat diuji untuk

asosiasi terhadap resiko kausalitas atau bukti empiris (data berdasarkan pengamatan atau

pengalaman). Penting untuk diingat bahwa metode yang digunakan oleh positivis melakukan

penelitian bisnis memiliki akar dalam desain eksperimental digunakan oleh para ilmuwan alam. Hal

ini tercermin dalam bahasa yang terkait dengan beberapa tes, ketika variabel dependen (DV) dalam

hipotesis diidentifikasi, yang nilainya dipengaruhi oleh satu atau lebih variabel independen (IV).

Dalam bab sebelumnya, kita memberi contoh sebuah penelitian di mana intensitas pencahayaan (IV)

di kantor dimanipulasi untuk mengamati efeknya pada tingkat produktivitas (DV). Anda mungkin

ingin memprediksi bahwa akan ada efek ke arah yang spesifik, seperti pencahayaan yang lebih baik

dikaitkan dengan tingkat produktivitas yang lebih tinggi. Hal ini dikenal sebagai hipotesis satu sisi.

Sebuah hipotesis dua sisi adalah di mana Anda memprediksi IV memiliki efek pada DV, tetapi Anda

tidak bisa memprediksi arah.

Analisis yang kami akan menjelaskan di bagian bab ini didasarkan pada Laporan Collis (2003). Seperti

yang Anda lihat dari Kotak 12.1, sembilan hipotesis diuji dalam penelitian yang satu sisi karena dalam

hipotesis setiap arah efeknya diperkirakan.

Definisi Kunci

Analisis bivariat adalah analisis data dari dua variabel.

Analisis multivariat adalah analisis data dari lebih dari dua variabel.

Univariat adalah analisis data dari satu variabel.

Kotak 12,1 Hipotesis yang akan diuji

H1 Ceteris paribus, kemungkinan direksi memilih audit sukarela tidak meningkat dengan ukuran

perusahaan, yang diukur dengan omset.

H2 Ceteris paribus, kemungkinan direksi memilih audit sukarela tidak meningkat dengan persepsi

bahwa audit memberikan cek pada catatan akuntansi dan sistem.

H3 Ceteris paribus, kemungkinan direksi memilih audit sukarela tidak meningkat dengan persepsi

bahwa audit meningkatkan kualitas informasi keuangan.

H4 Ceteris paribus, kemungkinan direksi memilih audit sukarela tidak meningkat dengan persepsi

bahwa audit meningkatkan kredibilitas informasi keuangan.

H5 Ceteris paribus, kemungkinan direksi memilih audit sukarela tidak meningkat dengan persepsi

bahwa audit memiliki efek positif pada nilai kredit perusahaan.

H6 Ceteris paribus, kemungkinan direksi memilih audit sukarela tidak meningkat jika perusahaan

tidak dimiliki keluarga.

H7 Ceteris paribus, kemungkinan direksi memilih audit sukarela tidak meningkat jika ada shreholders

tanpa akses ke informasi keuangan internal.

H8 Ceteris paribus, kemungkinan direksi memilih audit sukarela tidak meningkat jika account hukum

diberikan kepada bank dan penyedia keuangan lainnya.

H9 Ceteris paribus, kemungkinan direksi memilih audit sukarela tidak meningkat jika mereka

memiliki gelar, kualifikasi profesional / kejuruan telah mempelajari / dilatih dalam bisnis atau mata

pelajaran manajemen.

Table 12.1 Variables in the analysis

Hypotesis Variable Description

Volaudit Apakah perusahaan akan memiliki audit sukarela (1,0)

H1 Turnover Turnover in 2002 accounts

H2 Check Audit provides a check on accounting records and systems (5= Agree,

1=disagree)

H3 Quality Audit improves the quality of the financial information (5= Agree,

1=disagree)

H4 Credibility Audit improves the credibility of the financial information (5= Agree,

1=disagree)

H5 Creditstore Audit has a positive effect on the credit rating score (5= Agree,

1=disagree)

H6 Family Whether company has is wholly family-owned (1,0)

H7 Exowners Whether company has external shareholders (1,0)

H8 Bank Whether statutory accounts are given to the bank/lenders (1,0)

H9 Education Whether respondent has degree/quaifications/training (1,0)

12.2.2 Parametric or non parametric tests

Statistik inferensial jangka berasal dari kenyataan bahwa data dikumpulkan tentang sampel acak

dengan maksud untuk membuat kesimpulan tentang populasi. Anda akan ingat bahwa populasi

adalah tubuh orang atau koleksi item yang dipertimbangkan, dan sampel acak adalah subset

representatif dari populasi. Alasan Anda untuk memperoleh sampel acak adalah untuk memperoleh

estimasi parameter populasi teoritis.