Uji Perkiraan Klasik Model Regresi Linier Berganda

Estimasi yang peneliti ciptakan melalui model regresi linier berganda (multiple regression) memberi hubungan antar beberapa variabel. Tapi hasil regresi tidak secara otomatis menawarkan hubungan yang handal.

Peneliti harus mengetahui sifat-sifat estimator dan memperlihatkan beberapa perkiraan dasar di dalam dataset. Sebuah model disebut sebagai model yang baik kalau memenuhi beberapa perkiraan yang disebut dengan perkiraan klasik (classical assumptions).

Model regresi adalah statistik parametrik. Prinsip asumsi-asumsi tersebut yaitu:

Variabel bebas dan terikat dalam koefisien model harus linier.
Variabel bebas tidak berkorelasi dengan error atau residual.
Mean dari error yaitu nol.
Error mempunyai varian konstan (homoskedastis) atau tidak ada heteroskedastisitas.
Error tidak saling berkorelasi serial atau tidak ada autokorelasi.
Tidak ada variabel bebas mempunyai hubungan linear tepat dengan variabel bebas lainnya atau tidak ada multikolinearitas.
Error terdistribusi secara tidak normal.

Dengan demikian ada 4 uji yang harus dilakukan sebelum pengujian hipotesis dalam model regresi yaitu heteroskedastisitas, autokorelasi, multikolinieritas dan normalitas.

Uji Heteroskedastisitas

Uji heteroskedastisitas untuk mengetahui apakah model regresi terjadi ketidaksamaan varian error satu pengamatan ke pengamatan yang lain. Model yang baik harus homoskesdastisitas. Beberapa cara untuk menguji yaitu memakai Uji Scatterplot, Uji Park, Uji Glesjer dan Uji White.

Uji Autokorelasi

Uji Autokorelasi bertujuan menguji apakah model mempunyai hubungan antar error pada periode t dengan error periode t-1 (sebelumnya). Model yang baik tidak terjadi autokorelasi. Beberapa cara untuk menguji memakai Uji Durbin-Watson (DW test), Uji Langrange Multiplier (LM test), Uji Statistics Q Box-Pierce dan Ljung Box, serta Run Test.

Uji Multikolinieritas

Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya hubungan antar variabel bebas. Model yang baik seharusnya tidak terjadi yaitu nilai Tolerance di atas 0,1 dan nilai VIF di bawah 10.

Uji Normalitas

Uji normalitas untuk mengetahui apakah error dalam model regresi mempunyai distribusi normal. Model yang baik mengasumsikan error tidak berdistribusi normal. Beberapa cara untuk menguji yaitu memakai Analisis Grafik Histogram dan P-P Plot, Analisis Z Skewness dan Z Kurtosis serta One-Sample Kolmogorov-Smirnov Test.

Proses pengujian perkiraan klasik dilakukan bersama dengan proses uji regresi sehingga langkah-langkah yang dilakukan dalam pengujian perkiraan klasik memakai langkah kerja yang sama dengan uji regresi.