Homoscedasticity yaitu suatu keadaan di mana error variance yaitu sama pada setiap level variabel independen (Osborne dan Waters, 2002). Apabila tidak sama, maka terjadilah heterocedasticity. Mengutip Tabanock dan Fidell (1996), Osborne dan Waters (2002) menyatakan heterocedasticity sanggup mengakibatkan gangguan pada temuan dan meningkatkan kemungkinan terjadinya kesalahan Tipe I (Type I error).
Asumsi ini sanggup dicek secara visual (Gambar 3.1) maupun melalui uji statistik Glesjer. Umumnya software statistik masa sekarang telah dilengkapi dengan kemudahan untuk menguji perkiraan ini. Pada Gambar 3.1 (A) terlihat titik-titik, yang melambangkan residual, yang menyebar merata pada garis mendatar. Garis mendatar ini menandai titik nol atau residual=0. Di bawah garis residual bernilai negatif, di atas residual positif. Pada Gambar 3.1 (B), menawarkan heterocedasticity, terlihat bahwa dikala standardized predicted values rendah dan tinggi, varian standardized residual tinggi. Sementara itu, pada potongan tengah, yaitu dikala standardized predicted values sedang, varian standardized residual lebih rendah.
Bagaimana dengan data kita, apakah terbebas dari heterocedasticity? Proses regresi yang telah kita lakukan sebelumnya (lihat “Pada sel X masukkan *ZPRES dan pada sel Y masukkan *ZRESID, kemudian Continue”), bekerjsama telah menghasilkan scatterplot antara standardized residual dan standardized predicted Y, ibarat ditampilkan pada Output 6. Penerjemahan contoh persebaran standardized residual pada Output 6 secara visual tidak semudah penerjemahan Gambar 3.1. Berdasarkan Output 6, secara visual kita tidak sanggup yakin apakah prinsip homocedasticity terpenuhi atau tidak. Untuk itu, kita sanggup memakai uji Glejser.
Uji ini memakai model regresi sebelumnya dengan menimbulkan unstandized residuals sebagai variabel dependen. Apabila koefisien regresi signifikan maka prinsip homocedasticity tidak terpenuhi (Garson, 2012).
Berdasarkan operasi yang kita lakukan sebelumnya, kita sanggup tampilkan Output 6. Pada ketiga variabel terlihat bahwa nilai sig.=1.000. Dengan kata lain, kita sanggup yakin 100% untuk mendapatkan H0 bahwa masing-masing variabel tidak besar lengan berkuasa pada residual. Dengan kata lain data memenuhi syarat homocedasticity.
Sumber https://www.bilsonsimamora.com