ANALISIS REGRESI DENGAN VARIABEL MODERATING
Variabel
moderating adalah variabel independen yang akan memperkuat atau memperlemah
hubungan antara variabel independen lainnya terhadap variabel dependen. Di
dalam uji residual variabel moderating dapat di uji dengan 3 uji yaitu :
1. Uji
Interaksi.
2. Uji
Nilai Selisih Mutlak.
3. Uji
Residual.
1.
Uji
Interaksi.
Uji interaksi atau sering disebut dengan Moderated
Regression Analysis (MRA) merupakan aplikasi khusus regresi berganda linear
dimana dalam persamaan regresinya mengandung unsur interaksi (perkalian dua
atau lebih variabel independen ) dengan rumus persamaan sebagai berikut :
Y = a + b1X1 + b2X2 + b3X1X2 + e
Variabel
perkalian antara X1 dan X2 merupakan variabel moderating oleh karena
menggambarkan pengaruh moderating variabel X2 terhadap hubungan X1 dan Y.
Sedangkan variabel X1 dan X2 merupakan pengaruh langsung dari variabel X1 dan X2 terhadap Y.
2.
Uji
Nilai Selisih Mutlak.
Frucot dan Shearon (1991) dalam Ghozali (2009)
mengajukan model regresi yang agak berbeda untuk menguji pengaruh moderasi
yaitu dengan model nilai selisih mutlak dari variabel independen dengan rumus
persamaan regresi :
Y = a + b1X1 + b2X2 + b3 X1-X2
Dimana : Xi = merupakan nilai
standardized score [(Xi – X)/σ
X]
X1-X2 = merupakan interkasi yang diukur dengan
nilai absolut perbedaan antara X1 dan X2
Menurut
Furcot dan Shearon, interaksi seperti ini lebih disukai oleh karena ekspektasi
sebelumnya berhubungan dengan kombinasi antara X1 dan X2 dan berpengaruh
terhadap Y. Misalkan kita akan menguji
penelitian dari model yang sudah dijelaskan didepan tentang Income, Wealth dan
Earns. Rumus regresi untuk menguji model tersebut adalah :
Salary
= a + b1Educ + b2Salbegin + b3 Educ –
Salbegin
Dimana nilai Educ danSalbegin
adalah standardized.
Langkah
Analisis
a. Buka
file Employee.xls di program excel
b. Buatlah
variabel baru standardize salbegin (Zsalbegin) dan Standardize Educ (ZEduc)
dengan cara :
c. Dari
Menu utama SPSS pilih Analyze,
kemudian pilih Descriptive Statistic,
terus pilih Descriptives. Tampak pada
tampilan seperti dibawah :
d. Masukkan
dalam kotak Variabel, variabel yang
akan di standardize yaitu adalah variabel salbegin dan Educ, lalu pilih Save
Standardized Values as Variabel dan klik OK. Maka hasilnya seperti gambar
dibawah :
e. Dari
SPSS data editor pilih menu Transform, kemudian pilih seub menu Compute Values. Kemudian pada kotak Target Variabel isikan nama variabel
misalkan AbsX1_X2 ( variabel ini merupakan | Zsalbegin – ZEduc | ). Selanjutnya
pada kotak Numeric Expression isikan
fungsi ABS (numepxr) unutk membuat nilai absolut. Lalu isikan pada (numexpr)
menjadi ABS (ZSalbegin – ZEduc) Seperti gambar berikut :
f. Lalu
tekan OK, dan pada SPSS data editor ada tambahan variabel baru AbsX1_X2 yang
tidak lain adalah | Zsalbegin – ZEduc |. Nampak seperti gambar dibawah :
Langkah berikutnya adalah membuat regresi dengan
persamaan sebagai berikut :
Salary = a + b1 Zsalbegin + b2 ZEduc+ b3 AbsX1_X2 +
e
Dimaana :
Zsalbegin = Standarize Salbegin
ZEduc = Standarize Educ
AbsX1_X2 = | Zsalbegin – ZEduc |
Langkah Analisis Selanjtnya:
a. Dari
SPSS data editor, pilih menu Analyze, kemudian pilih submenu Regression, lalu
Linear
b. Pada
kotak Dependent, isikan variabel Salary, Sedangkan pada Kotak Independent,
isikan variabel Zsalbegin, ZEduc dan AbsX1_X2
c. Abaikan
suruhan yang lain dan kemudian klik OK.
Hasil
Output SPSS dan Intepretasinya
Model Summary
|
|||||
Model
|
R
|
R
Square
|
Adjusted
R Square
|
Std.
Error of the Estimate
|
|
dimension0
|
1
|
,892a
|
,795
|
,794
|
7758,896
|
a.
Predictors: (Constant), AbsX1_X2, Zscore(Educ), Zscore(Salbegin)
|
|||||
|
|||||
A.
Uji
Koefisien Determinasi.
Tampilan output SPSS
menunjukkan nilai Adjusted R2 cukup tinggi sebesar 0.794 ata dalam persentase
sebesar 79,4% yang berarti variabilitas Salary yang dapat dijelaskan oleh
variabel Educ, Variabel Salbegin dan Absx1_x2 sekitar 79,4% dan sisanya 20,6% dijelaskan
oleh variabel lain diluar model ini. Jadi dapat disimpulkan model cukup baik.
B.
Uji
Signifikansi Simultan.
ANOVAb
|
||||||
Model
|
Sum of
Squares
|
df
|
Mean
Square
|
F
|
Sig.
|
|
1
|
Regression
|
1,096E11
|
3
|
3,654E10
|
606,985
|
,000a
|
Residual
|
2,829E10
|
470
|
6,020E7
|
|
|
|
Total
|
1,379E11
|
473
|
|
|
|
|
a.
Predictors: (Constant), AbsX1_X2, Zscore(Educ), Zscore(Salbegin)
|
||||||
b.
Dependent Variable: Salary
|
Hasil
Anova atau F test menunjukkan bahwa nilai F hitung sebesar 606,985 dengan
tingkat signifikansi 0.000 jauh dibawah 0.05. Hal ini berarti bahwa variabel
independen ZEduc, ZSalbegin dan AbsX1_X2 secara bersama-sama atau simultan
mempengaruhi Salary.
C.
Uji Signifikansi
Parameter Individual
Coefficientsa
|
||||||
Model
|
Unstandardized
Coefficients
|
Standardized
Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
35455,878
|
565,231
|
|
62,728
|
,000
|
Zscore(Educ)
|
2437,624
|
508,283
|
,143
|
4,796
|
,000
|
|
Zscore(Salbegin)
|
13854,277
|
545,608
|
,811
|
25,392
|
,000
|
|
AbsX1_X2
|
-1682,227
|
712,179
|
-,059
|
-2,362
|
,019
|
|
a. Dependent Variable: Salary
|
||||||
|
Hasil
ini jelas menunjukkan bahwa secara individual Variabel Zsalbegin memberikan
nilai koefisien 13854,277 dengan probabilitas
signifikansi 0,000. Variabel ZEduc memberikan nilia koefisien 2437,624 dengan
probabilitas signifikansi 0,000. Kedua variabel ini dapat disimpulkan
berpengaruh terhadap Salary. Variabel moderating AbsX1_X2 ternyata juga
signifikan yaitu dengan probabilitas signifikansi 0,019 < 0,05. Temuan ini
menunjukkan bahwa variabel Educ memang merupakan variabel Moderating.
apa bedanya jika menggunakan alat analisis dengan eviews
BalasHapusModerating (Moderated) Regression Analysis (MRA) (Interaction Test, Test of Absolute Difference Value, Residual Test) Panel Data EVIEWS 9 Complete
BalasHapushttps://goo.gl/P8a9tt
Moderating Regression Analysis (MRA) Panel Data EVIEWS 9
https://goo.gl/JTdcFa
Moderating (Moderated) Regression Analysis (MRA) (Interaction Test, Test of Absolute Difference Value, Residual Test) SPSS Complete
https://goo.gl/HiL5hz
Path Moderating (Moderated) Regression Analysis (MRA) SPSS
https://goo.gl/i34gq6