tutorial eviews versi 3 oleh: aryo dwiatmojo raksa buana

Upload: raksa-buana

Post on 08-Jul-2015

1.479 views

Category:

Documents


4 download

TRANSCRIPT

TUTORIAL APLIKASI REGRESI LINIER BERGANDA MENGGUNAKAN SOFTWARE EVIEWS VERSI 3 Oleh : Aryo Dwiatmojo Raksa Buana Alumni Program Pascasarjana Universitas Mataram Contoh : Peneliti ingin mengetahui pengaruh variable makro terhadap Nilai Perusahaan, dimana variable makro tersebut adalah sebagai variable independent yang terdiri terdiri dari 4 variabel, yaitu inflasi (X1), Kurs (X2), Bi_rate (X3), dan pajak (X4). Sementara itu variable dependentnya adalah Nilai perusahaan (Y) adapun langkah-langkahnya sebagai berikut : 1. Siapkan Data dalam bentuk file excell sebagai data mentah yang akan di input di softwaqre Eviews, Kemudian copy data tersebut (tidak usah mengcopy judul variabelnya)

2. Setelah itu anda harus mengaktifkan aplikasi Eviews tersebut dengan mengklik icon di desktop yang sudah terinstalasi di Komputer anda. Setelah Aplikasi Eviews tersebut aktif, lalu pilih ditoollbar yaitu : file workfile seperti contoh dibawah ini :

Tutorial Eviews Oleh Aryo Dwiatmojo Raksa Buana (Universitas Mataram)

1

3. Setelah itu akan muncul tampilan seperti dibawah ini. Dimana anda harus mengisi Apakah beberapa opsi yang tersedia, Apakah penelitian anda bersifat cross section atau time series, dalam contoh yang disajikan penulis menggunakan penelitian yang bersifat cross section, dimana dalam kolom strat observation diisi dengan jumlah observasi pertama sampai dengan observasi ke 200 ( atau sesuai dengan banyaknya data)

4. Langkah selanjutnya adalah, kita akan menginput data mentah tersebut pada kertas kerja yang telah tersdia die views tersebut secara manual, yaitu dengan menuliskan nama variable baik dependen ataupun independent dalam kertas kerja seperti dibawah ini, yaitu : Nilai_Perusahaan Inflasi Bi_Rate pajak tekan enter, kemudian lakukan pencopyan data secara manual dari file excell anda ke kertas kerja eviews :

Tutorial Eviews Oleh Aryo Dwiatmojo Raksa Buana (Universitas Mataram)

2

5. Selanjutnya Pilih pada Toolbar Quick Estimation EquationEnter, seperti tampilan dibawah ini :

6. Kemudian perlu menulis kembali variable yang akan diestimasi ke dalam kotak Equation Spesification yaitu : Nilai_Perusahaan C Inflasi Kurs Bi_rate pajak ( seperti tampilan dibawah ini ) ; C adalah Konstanta.

Tutorial Eviews Oleh Aryo Dwiatmojo Raksa Buana (Universitas Mataram)

3

7. Setelah anda melewati beberapa tahapan diatas meka akan tampil output seperti dibawah ini, yang mana dalam tampilan Eviews versi 3, akan memperlihatkan nilai konstanta, Koofesien regresi, nilai T hitung, standar error serta probabilitas seperti halnya dalam penggunaan software SPSS. Berdasarkan tampilan dibawah ini maka dapat dibentuk persamaan : ( Y = 1,414 - 0,001 0,164 0,30 0,72)

8. Setelah itu, anda dapat melakukan pengujian Asumsi klasik yang biasanya dilakukan sebagai syarat guna mendapatkan hasil Estimasi yang BLUE (Best Linear Unbiased Estimator). Pada langkah ini kita akan kembali pada toolbar dengan menglik Quick Estimation EquationGroup Statistics CorrelationEnter

Tutorial Eviews Oleh Aryo Dwiatmojo Raksa Buana (Universitas Mataram)

4

9. Kemudian setelah muncul kotak series List, maka anda perlu menuliskan seluruh variable independent ke dalam kotak tersebut yaitu : Inflasi Kurs Bi_Rate pajak. Mengapa hanya variable independent saja yang di tulis ? Karena kita akan melakukan pengujian Multikolinieritas yaitu apakah terdapat hubungan linear yang sempurna diantara variable-variabel terebut dalam model. Adapun berikut tampilannya.

10. setelah anda melakukan tahap ke 9 maka akan nampak output sebagai berikut : dimana output tersebut menunjukan korelasi antara setiap variable bebas dalam sebuah model. Cara menentukan terjadi tidaknya Multikolinearitas adalah dengan melihat secara horizontal, jika terdapat nilai

Tutorial Eviews Oleh Aryo Dwiatmojo Raksa Buana (Universitas Mataram)

5

yang lebih dari 0,89 (menurut J Supranto) dan nilai tersebut mendekati 1,00 maka dalam model tersebut terdapat masalah Multikolinieritas, akan tetapi dalam contoh ini tidak terdapat masalah tersebut karena tidak satupun variable bebas yang nilainya melebihi 0,89 (pengecualian untuk nilai 1,00 yang membentuk garis diagonal, karena merupakan tolak ukur )

11. Selanjutnya kita akan melakukan pengujian Heterokedastitas. Heterokedastisitas adalah Apakah varian residual antara periode pengamatan yang satu dengan pengamatan lainnya konstan atau tidak sepanjang waktu, jika tidak, maka data tersebut mengandung masalah, yang mana akan berpengaruh pada koofesien regresi menjadi bias. Adapun langkahnya adalah klik menu viewResidual testWhite Heterokedasticity (Cross term) enter.

12. maka hasil output pengujian heterokedastisitas adalah sebagai berikut. Untuk melihat apakah model terdapat masalah hetero maka kita cukup melihat nilai Obs*R-Squared, dimana jika nilai tersebut > 0,05 berarati tidak

Tutorial Eviews Oleh Aryo Dwiatmojo Raksa Buana (Universitas Mataram)

6

terdapat gejala heterokedastisitas, namun sebaliknya jika nilai terebut signifikan secara statistik dengan indikator dimana Nilai Obs*R-Squared < 0,05 maka terdapat masalah hetero. Akan tetapi dalam contoh dibawah kita dapat menyimpulkan bahwa model bebas dari gejala hetro, karena nilai Obs*R-Squarednya > 0,05 yaitu 0,15 > 0,05.

13. Pada tahap ini kita akan melakukan Pengujian Autokorelasi yaitu apakah terjadi korelasi anatara residual priode pengamatan yang satu dengan pengamatan lainnya pada model regresi. Adapun langkahnya adalah : anda buka terlebih dahulu estimasi hasil pertama kali regresi anda, kemudian klik View residual test Serial correlation LM Test enter

14. Kemudian akan tampil seperti dibawah ini, anda hanya perlu menuliskan angka 2 (dua) pada permintaan kolom Leg tersebut kemudian tekan enter.

Tutorial Eviews Oleh Aryo Dwiatmojo Raksa Buana (Universitas Mataram)

7

15. Jika langkah ke 14 Benar anda lakukan Maka akan nampak hasil Ouput pengujian Autokorelasi dengan Menggunakan uji Lagrange Multiplier Test (LM Test). Adapaun cara untuk mengetahui apakah terjadi masalah Autokorelasi atau non aAutokorelasi pada model tersebut adalah sama dengan langkah 12 sebelumnya. Kita cukup melihat nilai Obs*R-Squared, dimana jika nilai tersebut > 0,05 berarati tidak terdapat gejala Autokorelasi, namun sebaliknya jika nilai terebut signifikan secara statistik dengan indikator dimana Nilai Obs*R-Squared < 0,05 maka terdapat masalah Autokorelasi. Akan tetapi dalam contoh dibawah kita dapat menyimpulkan bahwa model bebas dari gejala Autokorelasi, karena nilai Obs*R-Squarednya > 0,05 yaitu 0,651 > 0,05.

Tutorial Eviews Oleh Aryo Dwiatmojo Raksa Buana (Universitas Mataram)

8

SEKIAN DAN TERIMAKASIH, SEMOGA BERMANFAAT BAGI REKAN-REKAN YANG TENGAH BELAJAR ATAU SEDANG MEMBUAT SKRIPSI MAUPUN THESIS ( DENPASAR, 11 SEPTEMBER 2011)

Tutorial Eviews Oleh Aryo Dwiatmojo Raksa Buana (Universitas Mataram)

9