Cara Deteksi Multikolinieritas Model Regresi Pada Eviews

Pengujian multikolinieritas bertujuan untuk menguji apakah dalam model regresi yang dibangun ditemukan adanya korelasi yang tinggi antar variabel independen. Apabila terjadi pelanggran adanya multikolinieritas maka interval estimasi akan cenderung besar dan nilai t-statistik akan kecil. Hal ini menyebabkan variabel independen tidak signifikan dalam mempengaruhi variabel dependen. Model regresi bersifat Best Linier Unbiased Estimator. Namun varian dan kovarian masih besar dan akan sulit sebagai alat estimasi.

 

Untuk mendeteksi adanya pelanggaran terjadinya multikolinieritas model regresi pada eviews dapat dilakukan dengan empat cara :

1. Nilai R-Square sangat tinggi tetapi ada sedikit atau bahkan variabel-variabel independen tidak signifikan berpengaruh terhadap variabel dependen. Hasil uji F akan menerima H0 karena pengujian parsial juga menghasilkan slope koefisien yang menerima H0.

Sebagai contoh model regresi berganda antara 3 variabel independen yaitu X1: value added Capital Employed (VACA), X2 : Value Added HUman Capital (VAHU) dan X3 : Structural Capital Value Added (STVA). Sedangkan variabel dependen (Y) Return On Equity (ROE). Hasil pengujian sebagai berikutn :

Hasil uji Regresi Eviews

Hasil menunjukan bahwa nilai  R-Square cukup tinggi sebesar 0.861146 dan nilai F sebesar 115.7678 dan probabilitas sebesar 0.000. Hasil ini memberikan bukti adanya pengaruh secara simultan/bersama-sama 3 variabel independen VACA, VAHU, dan STVA terhadap ROE. Demikian juga untuk nilai t-statistik pada variabel independen memberikan nilai -t lebih besar dari 1.96 dan probabilitas < 0.05. Dari hasil ini mengindikasikan bahwa pada model tidak terjadi gangguan multikolinieritas pada model.

2. Pada matrik korelasi antar variabel independen. Jika ada korelasi yang lebih besar dari 0.80 maka ada indikasi terjadi multikolinieritas. Pengujian dapat dilakukan dengan uji korelasi Pearson. Dengan hasil korelasi yang tinggi antara 1 dengan yang lain maka variabel independen akan cenderung sama/identik sebagai prediktor. Langkah pengujian korelasi antar variabel independen selengkapnya   pada Eviews :

Quick > Group Statistics > Correlation

Langkah Korelasi Pearson Eviews

Pada menu series list, tulis : vaca, vahu, stava, kemudian OK

Series List

Hasil pengujian korelasi sebagai berikut :

Hasil Korelasi Pearson

Hasil pengujian korelasi antara  STVA dengan VACA sebesar 0.746417, STVA dengan VAHU 0.683985, VACA dengan VAHU sebesar 0.661649. Hasil ini tidak ada korelasi yang tinggi (> 0.8) sehingga tidak terindikasi terjadi multikolinieritas pada model.

3. Auxiliary regression. Timbulnya multikolinieritas disebabkan karena satu atau lebih variabel X (independen) berkorelasi secara linier dengan variabel independen lainnya. Langkah untuk menentukan variabel X yang berhubungan dengan variabel X lainya yaitu dengan meregres Xi dengan variabel X lainya kemudian menghitung nilai R-square dan membandingkan nilai R-square yang diperoleh dengan R-square model regresi utama yaitu ROE sebagai dependen.Jika nilai R-square ini lebih tinggi dari regresi auxiliary maka tidak terjadi multikolinieritas. Persamaan regresi auxiliary yang dibuat ada 3 persamaan regresi sebagai berikut :

Persamaan auxiliary regression

Hasil pengujian pada masing-masing persamaan diatas adalah :

Regresi persamaan 1

Regresi Persamaan 2

 

Regresi Persamaan 3

Ringkasan hasil pengujian dari 3 persamaan regresi diatas.

Nilai R square  regresi auxiliary

Pada tabel diatas menunjukan bahwa nilai R-square persamaan 1, VACA  sebagai variabel dependen sebesar 0.600. R-square peresamaan 2 dimana VAHU sebegai variabel dependen, memperoleh nilai R-square sebesar 0.519 kemudian R-square persamaan 3 dimana STVA sebagai dependen, nilai R-square sebesar 0.621. Hasil nilai R-square dari ketiga regresi auxiliary tersebut lebih kecil dibandingkan dengan nilai R-square model utama. Artinya tidak ada indikasi pelanggaran asumsi multikolinieritas. Sedangkan nilai tolerance dan VIF dapat dihitung secara manual berdasarkan nilai R-square yang diperoleh, selengkapnya terlihat pada tabel di bawah ini.

Nilai R-square, Tolerance dan VIF

Nilai tolerance persamaan 1 sebesar 0.400, persamaan 2 sebesar 0.481 dan persamaan 3 sebesar 0.379. Sedangkan nilai VIF masing-masing sebesar 2.500, 2.2079 dan 2.639. Tetapi untuk nilai VIF dapat diperoleh dari menu pada Eviews.

4. Nilai tolerance Inflastion Factor (VIF). Jika nilai tolerance kurang dari 0.2 dan VIF lebih tinggi dari 10 maka terindikasi adanya multikolinieritas. Jika nilai tolerance rendah maka nilai VIF akan tinggi karena VIF = 1/tolerance. Langkah uji VIF pada eviews sebagai berikut :

View > Coefficient Diagnostic > Variance Inflation Factors

Langkah uji VIF

Hasil output nilai VIF sebagai berikut :

Nilai VIF

Diperoleh nilai VIF variabel VACA sebesar 2.500297, VAHU sebesar 2.080720, dan STVA sebesar 2.641509. Dari ketiga variabel independen menunjukkan bahwa nilai VIF < 10 yang artinya tidak terjadi multikolinieritas pada model diatas.

Dari hasil empat (4) pengujian baik nilai R-square, korelasi antar variabel independen, auxiliary regression serta pengujian tolerance dan VIF membuktikan secara konsisten bahwa pada model tidak ada indikasi terjadinya multikolinieritas.

Baca juga :

1. Deteksi Heterokedastisitas Dengan Uji White Pada Eviews

2. Uji Asumsi Normalitas Pada Model Berganda dengan Eviews

3. Deteksi Heterokedastisitas Dengan Uji Glejser Pada Eviews

Referensi :

Ghozali, I dan Ratmono, Dwi. (2013). Analisis Multivariat dan Ekonometrika : Teori, Konsep dan  Aplikasi dengan Eviews 8. Semarang : Badan Penerbit Undip. 

Griffiths, W.E., Hill, R.C and Lim, M.A.(2008). Using Eviews for Principles of Econometrics 3rd.London New York: John Wiley &  Sons.

Gujarati, D.(2011). Econometrics by Example.New York: Palgrave MacMillan
Hill, R.C., Griffiths, W.E and Judge, G.G.(2001). Using Eviews for Undergraduate Econometrics 2nd. London New York: John Wiley &  Sons.

Vogelvang, B. (2005). Econometrics : Theory and Application With Eviews.London New York: Pearson Eduacation.

Winarno, W.W. (2011). Analisis Ekonometrika dan Statistika dengan Eviews Edisi 3. Yogyakarta: STIM YKPN