Analisis uji multikolinearitas dengan spss dilakukan untuk memenuhi salah satu syarat uji perkiraan klasik dalam sebuah model regresi. model regresi yang baik ialah terbebas dari banyak sekali gelaja perkiraan klasiknya, salah satunya multikolinearitas ini. uji multikolinearitas ini dipakai untuk regresi berganda alasannya pengujian ini dipakai untuk melihat korelasi antar variabel independennya. beberapa klien kami bertanya, kenapa uji regresi linier sederhana tidak memakai uji multikolinearitas? jawabannya alasannya regresi sederhana hanya mempunyai satu variabel independen, jadi tidak sanggup dilihat korelasi antar variabel independen. pada umumnya pengujian multikolinearitas menggunakan metode VIF (Variance Inflation Factor).
ketentuan yang dipakai untuk nilai VIF ialah apabila nilai VIF < 10 maka model regresi sanggup disimpulkan terbebas dari perkiraan multikolinearitas, dan sebaliknya kalau nilai VIF > 10 maka disimpulkan terdapat gangguan multikolinearitas pada model regresi. Oke sob, kami kira pendahuluannya sudah cukup ya,,kita eksklusif saja pada kasus yang akan kita kerjakan.
untuk uji multikolinearitas dengan memakai jadwal komputer SPSS, kita akan memakai data sebagai berikut:
Data pada gambar di atas sanggup dijelaskan sebagai berikut:
jumlah data/jumlah responden ialah 20
Variabel independen (Pelayanan, Kualitas, dan CItra)
Variabel dependen (Kepuasan)
selanjutkan akan kita lakukan analisis dengan tahapan ini:
Pertama, klik hidangan analyze – regression – linear
maka akan tampil jendela gres spss berikut:
Kedua, pindahkan variabel kepuasan ke dalam kotak “Dependent” dan pindahkan variabel pelayanan, kualitas, dan gambaran ke dalam kotak “independent(s)”. lihat gambar berikut:
Ketiga, klik hidangan statistics pada sisi kanan layar. lihat gambar ini:
sehingga akan muncul jendela gres berikut:
Keempat, centang pada kotak “collinearity diagnosis” dan klik “continue”
sehingga akan kembali pada tampilan sebelumnya:
Kelima, klik Ok
sehingga akan muncul output spss hasil analisisnya sebagai berikut:
Keenam, kesimpulan.
untuk menganalisis multikolinearitas maka kita fokus pada output spss tabel coefficients dan kolom collinearity statistics menyerupai yang sudah saya tandai dengan kotak warna orange di atas. menurut hasil pengujian di atas diketahui nilai VIF variabel pelayanan (1,046), VIF variabel kualitas (1,607), dan VIF variabel gambaran (1,637). alasannya nilai VIF untuk semua variabel tersebut < 10 maka sanggup disimpulkan tidak terjadi gangguan multikolinearitas atau dengan kata lain model regresi ini terbebas dari tanda-tanda multikolinearitas.
sekian yang sanggup kami sampaikan mengenai uji multikolinearitas dengan spss. kalau ada kesalah mohon kami dikoreksi. apabila butuh jasa olah data, silahkan hubungi kami melalui kontak yang sudah kami sediakan di web ini. tks.
Sumber https://www.spssstatistik.com