Regresi

Regresi merupakan metode analisa ekonometrika yang difunakan untuk mengetahui pengauh variabel independen (bebas) terhadapa variabel dependen dalam sebuah estimasi model.

Model regresi dituliskan dengan persamaan Y = b0 + b1X +e ,  dimana

Y                     : variabel dependen (terikat)

X                     : variabel independen (bebas)

b                      : koefisien regresi

e                      : error / residu.

Sehingga, jika ada sebuah persamaan regresi seperti Y= 50 + 0,3X1 - 0,8X2 +e, maka persamaan tersebut diinterprestasikan sebagai berikut:

“Jika x1 dan x2 bergerak konstan, maka variabel Y akan naik sebesar 50 satuan Y.”

Variabel X1 berpengaruh positif terhadap variabel Y atau variabel dependen karena koefisien X1 memiliki tanda positif (+0,3).

Variabel x2 dikatakan berpengaruh negative terhadap variabel Y karena koefisien x2 memiliki tanda negative (-0,8).

Rumus regresi diturunkan dari asumsi-asumsi tertentu. Asumsi-asumsi ini disebut dengan asumsi klasik. Ada tiga asusmsi yang tidak boleh dilanggar dalam menyusun persamaan regresi. Tiga asusmsi ini adalah autokorelasi, multikolinearitas, dan homoscedasticity. Untuk menyakinkan adanya distribusi data obesarvasi yang bagus, dilakukan juga uji normalitas.

Jika salah satu dari asumsi tersebut dilanggar, maka persamaan regresi akan bias dan membuat persamaan tersebut menjadi tidak bisa digunakan karena merupakan surprous regression, atau persamaan regresi yang semu.

Perlu diingat juga, regresi juga memiliki syarat BLUE (Best, Linier, Unbiased, Estimation). Untuk mendapatkan persamaan regresi yang BLUE, maka dilakukan uji untuk masing-masing asumsi klasik yang akan saya berikan pada tutorial berikutnya. 

Beberapa tahapan dalam mengestimasi model regresi adalah;

1. Mengumpulkan data observasi dan menetukan variabel dependen (Y) serta variabel independen (X).
2. Mengestimasi model regresi.
3. melakukan uji F dan Uji T untuk melihat hubungan variabel X dan Y
4. Melakukan uji Asumsi Klasik yang terdiri dari Autokorelasi, Multikolinearitas, dan Heteroskedastisitas, serta uji Normalitas.