chapter 12 menganalisis data menggunakan statistik inferensial
TRANSCRIPT
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.