Uji Asumsi Multikolinearitas Dengan Eviews

Multikolinearitas dan Pengujiannya Menggunakan Eviews

Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel independent. 

Jika antarvariabel independent X's terjadi multikolinearitas sempurna, maka koefisien regresi variabel X tidak dapat ditentukan dan nilai standar error menjadi tak terhingga. Jika multikolinearitas antarvariabel X's tidak sempurna tetapi tinggi, maka koefisien regresi X dapat ditentukan, tetapi memiliki nilai standard error tinggi yang berarti nilai koefisien regresi tidak dapat diestimasi dengan tepat (Ghozali, 2013:77).

Ada beberapa penyebab multikolineritas menurut Ghozali yaitu:

1. Metode pengumpulan data yang digunakan yaitu sampling pada kisaran nilai tertentudari  variabel independent dalam populasi.
2. Adanya constraint pada model atau populasi yang dijadikan sampel. Misalkan pad regresi pengaruh income (X1) dan ukuran rumah (X2) terhadap konsumsi listrik (Y). Disini terdapat kendala pada populasi yaitu keluarga dengan income tinggi umumnyamemiliki ukuran rumah yang lebih besar dibandingkan keluarga dengan income rendah.
3. Spesifikasi model, misalkan dengan menambahkan variabel polynomial dalam modelregresi ketika kisaran variabel X kecil. Selain itu, model dengan interaksi antarvariabelindependen (X1*X2) juga dapat menyebabkan multikolinearitas.
4. Overdetermined model, hal ini terjadi ketika model regresi memiliki jumlah variabelindependent yang lebih besar dari pada jumlah observasi.

Akibat terdapat multikolinearitas tinggi pada persamaan regresi menimbulkan beberapa akibat menurut Ghozali (2013) yaitu:

1. Walaupun regresi OLS masih BLUE, tetapi hasil estimasi OLS memberikan nilai variandan kovarian yang tinggi sehingga sulit memperoleh nilai estimasi yang tepat (precise). 
2. Akibat point 1, nilai cofidence interval cenderung makin lebar sehingga lebih mudah untuk tidak dapat menolak hipotesis nol.
3. Akibat point 2, nilai t hitung dari satu atau lebih koefisien variabel independent cenderungtidak signifikan secara statistik.
4. Walaupun nilai t hitung satu atau lebih variabel independent tidak signifikan tetapi nilai R2(Determinasi ganda) yang mengukur overall goodness-of-fit sangat tinggi.
5. Nilai estimator OLS dan standar error-nya sensitif terhadap perubahan kecil dalam data.

 

Deteksi multikolinearitas menurut Ghozali (2013)

Adanya multikolinearitas atau korelasi yang tinggi antarvariabel independent dapat dideteksi dengen beberapa cara:

• Nilai R2 (Determinasi Ganda) tinggi, tetapi hanya sedikit (bahkan tidak ada) variabelindependent yang signifikan. Jika nilai R2 tinggi di atas 0,80, maka uji F pada sebagianbesar kasus akan menolak hipotesis yang menyatakan bahwa koefisien slope parsialsecara simultan sama dengan nol, tetapi uji t individual menunjukkan sangat sedikitkoefisien slope parsial yang secara statistik berbeda dengan nol.
• Koefisien antar dua variabel independent yang melebihi 0,80 dapat menjadi pertandabahwa multikolinearitas merupakan masalah serius.
• Auxilary regression. Multikolinearitas timbul karena satu atau lebih variabel independentberkorelasi secara linier dengan variabel independent lainnya. Salah satu caramenentukan variabel X mana yang berhubungan dengan variabel X lainnya adalahdengan meregres setiap Xi terhadap variabel X sisanya dan menggitung nilai R2. Hubungan antara F dan R2 dapat dituliskan dalam rumus sebagai berikut:

• Variabel mengikuti distribusi F dengan derajad bebas (df) k-2 dan n-k+1, n adalah ukuransampel, k jumlah variabel independen termasuk intersep, dan R2 x1, x2, x3 ...xk Adalahkoefisien determinasi dalam regresi Xiterhadap variabel Xlainnya. Jika nilai F hitung>nilaiF tabel, maka Xi berkorelasi tinggi dengan variabel X's lainnya. Tanpa menguji semua nilai R2 auxilary, kita dapat menggunakan kriteria kasar Klein's rule of thumb yangmenyatakan bahwa multikolinearitas menjadi bermasalah jika R2 yang diperoleh dariauxilary regression lebih tinggi dari R2keseluruhan yang diperoleh dari meregres semua variabel X's terhadap Y.

• Tolerance dan variance Inflation factor (VIF). Multikolinearitas dapat juga dilihat dari (1)nilai tolerance dan lawannya (2) Variance inflation factor (VIF). Kedua ukuran inimenunjukkan setiap variabel independent manakah yang dijelaskan oleh variabelindependent lainnya. Dalam pengertian sederhanan setiap variabel independent menjadivariabel dependent dan diregres terhadap variabel independent lainnya. Tolerancemengukur variabilitas variabel independent terpilih yang tidak dijelaskan oleh variabelindependent lainnya. Jadi tolerance yang rendah sama dengan nilai VIF tinggi (karenaVIF=1/tolerance). Nilai cutoff yang umumnya dipakai untuk menunjukkan adanyamultikolinearitas adalah Tolerance<0.10 atau sama dengan VIF>10. Setiap peneliti harus menentukan tingkat kolinearitas yang masih dapat ditolerir. Sebagai misal nilai tolerance=0,10 sama dengan tingkat kolinearitas 0,90. Walaupun multikolinearitas dapat dideteksi dengan nilai tolerance dan VIF, tetapi kita masih tetap tidak mengetahui variabel-variabel independent mana sajakah yang saling berkorelasi. Kita kembali pada Regresi data panel Fixed Effect Model (FEM):

Baca Juga: Uji Asumsi Heteroskedastisitas
 

Langkah-langkah uji asumsi multikolinearitas

• Buka kembali workfile yang telah kita buat: 

• Klik Group statistik, pilih Correlation dan isikan variabel bebas seperti ini: 

• Klik Ok sehingga tampil hasil uji multikolinearitas:

Baca juga: Uji Normalitas Residual dengan Eviews
 

Kesimpulan

Hasil uji multikolinearitas menunjukkan tidak terdapat nilai korelasi yang tinggi antar variabel bebas tidak melebihi 0,90 (Ghozali, 2013:83) sehingga disimpulkan tidak terdapat multikolinearitas antar variabel bebas. 

Sekian dulu artikel ini, bila ada saran dan masukan mohon kirimkan di kolom komentar dan jika ingin berlangganan silahkan masukan email dan tekan tombol berlangganan. Tulisan di atas sekedar shering dan bila ingin mendapatkan referensi silahkan kirimkan di laman contact penulis. Terima kasih atas kunjungannya.