LMSCR = b0 + b1 LGDPR + b2 R + b3 RF + e
Langkah :
Buka file .sav
Dari menuutama SPSS, pilih submenu Statistic > Analyze. Kemudian submenu Regression > Linear
Pada Box Dependent isikan variabel LMSCR
Pada Bon Independent isikan variabel LGDPR, R dan RF
Pada Box Method pilih Enter
Abaikan yang lain dan tekan OK
Output:
Dari tampilan output SPSS besarnya Adjusted R2 adalah 0,951, hal ini berarti 95,1% variasi Log permintaan uang (LMSCR) yang bisa dijelaskan oleh variasi tiga variabel bebas Log Gross Domestic Product (LGDPR), tingkat suku bunga dalam negeri (R) dan tingkat suku bunga luar negeri (RF). Sedangkan sisanya (100% - 95,1% = 4,9%) dijelaskan oleh sebab-sebab lain di luar model.
sumber: Ghozali, Imam. Aplikasi Analisis Multivariate Dengan Program SPSS. BP Undip. Semarang. 2001.
Uji ANOVA atau F test, didapat F hitung sebesar 347,208 dengan tingkat probabilitas 0,000 (sginifikan). Karena probabilitas jauh lebih kecil dari 0,05, maka model regresi dapat digunakan untuk memprediksi LMSCR atau dapat dikatakan bahwa LGDPR, R dan RF secara bersama-sama berpengaruh terhadap LMSCR.
sumber: Ghozali, Imam. Aplikasi Analisis Multivariate Dengan Program SPSS. BP Undip. Semarang. 2001.
Dari ketiga variabel bebas yang dimasukkan dalam model regresi, variabel tingkat suku bunga luar negeri (RF) tidak berpengaruh terhadap permintaan uang (LMSCR) hal ini dapat dilihat dari probabilitas signifikansi untuk RF sebesar 0,334 yang jauh di atas 0,05. Ssementara itu variabel gross domestic product (LGDPR) dan tingkat suku bunga dalam negeri (R) berpengaruh signifikan terhadap permintaan uang (LMSCR) masing-masing dengan tingkat probabilitas signifikansi 0,000 dan 0,031.
sumber: Ghozali, Imam. Aplikasi Analisis Multivariate Dengan Program SPSS. BP Undip. Semarang. 2001.
Uji Durbin-Watson memberikan nilai DW 0,898, nilai ini akan dibandingkan dengan DW tabel dengan jumlah observasi 55, Jumlah variabel bebas 3 dan tingkat kepercayaan 5% di dapat nilai dl = 1,45 dan nilai du = 1,68. Oleh karena nilai DW 0,898 berada di bawah dl = 1,45 maka dapat disimpulkan terjadi autokorelasi positif.
Sedangkan penggunaan Uji Statistik Q, dapat dilakukan dengan cara :
Dari menu utama SPSS, pilih menu Graph, kemudian sub menu Time Series, lalu pilih Autocorrelation.
Pada box variable isikan LMSCR.
Pilih display Autocorrelation dan Partial Autocorrelation.
Abaikan yang lain dan tekan OK.
Output Uji Statistik Q :
sumber: Ghozali, Imam. Aplikasi Analisis Multivariate Dengan Program SPSS. BP Undip. Semarang. 2001.
Hasil statistik Ljung Box jelas bahwa enam belas lag (16) ternyata semua signifikan. Kriteria ada tidaknya autokorelasi adalah jika jumlah lag yang signifikan lebih dari dua, maka dikatakan terjadi autokorelasi. Jika lag yang signifikan dua atau kurang dari dua, maka dikatakan tidak ada autokorelasi. Hasil uji Ljung Box juga konsisten dengan Uji Durbin-Watson maupun uji Breusch-Godfrey.
Ayo Like Facebooknya
