Multikolinieritas adalah suatu kondisi dimana terjadi korelasi yang kuat diantara variabel-variabel bebas (X) yang diikutsertakan dalam pembentukan model regresi linier. Jelas bahwa multikolinieritas adalah suatu kondisi yang menyalahi asumsi regresi linier. Tentu saja, multikolinieritas TIDAK MUNGKIN TERJADI apabila variabel bebas (X) yang diikutsertakan hanya satu.
Ciri-ciri yang sering ditemui apabila model regresi linier kita mengalami multikolinieritas adalah:
- Terjadi perubahan yang berarti pada koefisien model regresi (misal nilainya menjadi lebih besar atau kecil) apabila dilakukan penambahan atau pengeluaran sebuah variabel bebas dari model regresi.
- Diperoleh nilai R-square yang besar, sedangkan koefisien regresi tidak signifikan pada uji parsial.
- Tanda (+ atau -) pada koefisien model regresi berlawanan dengan yang disebutkan dalam teori (atau logika). Misal, pada teori (atau logika) seharusnya b1 bertanda (+), namun yang diperoleh justru bertanda (-).
- Nilai standard error untuk koefisien regresi menjadi lebih besar dari yang sebenarnya (overestimated)
Untuk mendeteksi apakah model regresi kita mengalami multikolinieritas, dapat diperiksa menggunakan VIF. VIF merupakan singkatan dari Variance Inflation Factor. Nilai VIF > 10 berarti telah terjadi multikolinieritas yang serius di dalam model regresi kita.
Daftar Pustaka:
Gujarati, D. 1991. Ekonometrika Dasar. Penerbit Erlangga. Jakarta.
Kutner, M.H., C.J. Nachtsheim dan J. Neter. 2004. Applied Linear Regression Models. Fourth Ed. The McGraw-Hill Company, Inc. New York.
Tidak ada komentar:
Posting Komentar