Moderated Regression Analysis (MRA) - UNP

1 PelatihanPengolahanDataModerated Regression Analysis (MRA)Dr. AlponSatrianto, SE, MENIDN : 0009098501 Scopus ID : 57200204759 SintaID : 6000025 Padang, 11 Regression Analysis (MRA) Moderated Regression Analysis (MRA) merupakanaplikasikhususregresibergandali near dimanadalampersamaanregresinyamengandung unsurinteraksi(perkalianduaataulebihvari abelindependen). ++++++=ZXZXZXXY**2514322110 BentukPersamaanMRA2 interaksi Variabel *X1 interaksi Variabel *XModerasi Variabel Z2 Independen Variabel X1 Independen Variabel XDependen Variabel Y2121======ZZDimana: KETERBUKAAN EKONOMI DAN INDUSTRIALISASI TERHADAP KUALITAS LINGKUNGAN DI PULAU SUMATERA DENGAN PEMBANGUNAN EKONOMI SEBAGAI VARIABEL Penelitian ++++++=ZXZXZXXY**2514322110 Dimana.

2 TermError 2 interaksi Variabel *X1 interaksi Variabel *XEkonomin Pembanguna ZisasiIndustrial XEkonomin Keterbukaa XLingkungan Kualitas Y2121======= danZ terhadapYEstimasiX1, Z danX1*Z terhadapYa)b)UntukmengujikeberadaanZ (Pembangunan Ekonomi) dalammemoderasiX1 terhadapY, langkahawalyang dilakukan: +++=ZXY3110 danZ terhadapYEstimasiX2, Z danX2*Z terhadapYa)b)UntukmengujikeberadaanZ (Pembangunan Ekonomi) dalammemoderasiX2 terhadapY, langkahawalyang dilakukan: +++=ZXY4220 terhadapY(PadaPersamaanKedua)Z terhadapY(PadaPersamaanPertama)Signifika nTidakSignifikanSignifikan1.

3 Quasi Moderasi2. Pure ModerasiTidakSignifikan3. PredictorModerasi4. HomologiserModerasiLangkah-LangkahPengol ahanData diExcel BerurutSesuaidenganNamaProvinsidanTahunS epertiBerikut:12 Langkah-LangkahPengolahanData dengancaramengkilikmenutData Editor13 Langkah-LangkahPengolahanData Editor sepertiberikut314 Langkah-LangkahPengolahanData dariExcel kemudianpastekandiData Editor StataKemudianklilvariabelnamesMakaakanmu ncultampilansebagaiberikut415 Langkah-LangkahPengolahanData (1) dengancaramembuatperintahpadamenu Commandpadabagianbawahworkfile516 Langkah-LangkahPengolahanData Command tadidenganperintah.

4 Regress y x1 zKemudiantekanenterMakaakantampakhasiles timasipertamaX1 danZ terhadapY sepertidisamping17 Langkah-LangkahPengolahanData dengancaraklikmenu Command tadiketikkan:regress y x1 z x1zKemudiantekanenterMakaakantampilhasil estimasikeduaX1 danZ terhadapY _cons z .000013 x1 .0001074 .0000334 .0000396 .0001752 y Coef.

5 Std. Err. t P>|t| [95% Conf. Interval] Total 39 Root MSE = Adj R-squared = Residual 37 R-squared = Model 2 Prob > F = F(2, 37) = Source SS df MS Number of obs = 40 Dari hasilestimasipertamaX1 danZ terhadapY terlihatbahwanilaiprobabilitasvariabelZ sebesar0,865.

6 Nilaiinilebihbesardari0,05. artinyabahwavariabelZ hasilestimasikeduaterlihatbahwanilaiprob abilitasvariabelX1Z sebesar0,113. Nilaiinijugalebihbesardari0,05. ArtinyabahwavariabelX1Z jugatidakberpengaruhsignifikanY _cons x1z z .0000169 .0000131 .0000434 x1 .0001432 .0000394 .0000632 .0002232 y Coef.

7 Std. Err. t P>|t| [95% Conf. Interval] Total 39 Root MSE = Adj R-squared = Residual 36 R-squared = Model 3 Prob > F = F(3, 36) = Source SS df MS Number of obs = 40 Kesimpulan: KarenanilaiZ padaestimasipertamadannilaiX1Z padaestimasikeduasama-samatidaksignifika nmakadapatdikatakanbahwavariabelZ (Pembangunan Ekonomi) HomologiserModerasi.

8 Hasilestimasi2 terlihatbahwaarahpengaruhX1Z negatif. TandainimengartikanbahwavariabelZ memperlemahpengaruhX1 terhadapY. Meskipunmemperlemahnamunpengaruhnyatidak signifikanSetelahdilakukanestimasiX1 terhadapY yang dimoderasiolehZ, makalangkahselanjutnyaadalahmelakukanest imasiX2 terhadapY yang dimoderasiolehZLakukankembalilangkah6 7 untukvariabelX221 Langkah-LangkahPengolahanData Command denganperintah:regress y x2 zKemudiantekanenterMakaakantampakhasiles timasipertamaestimasipertamaX2 danZ terhadapY sepertidisamping22 Langkah-LangkahPengolahanData dengancaraklikmenu Command tadiketikkan.

9 Regress y x1 z x1zKemudiantekanenterMakaakantampilhasil estimasikeduaX2 danZ terhadapY hasilestimasipertamaX2 danZ terhadapY terlihatbahwanilaiprobabilitasvariabelZ sebesar0,081. Nilaiinilebihbesardari0,05. artinyabahwavariabelZ tidakberpengaruhsignifikanY24 _cons z .0000333 .0000185 .0000709 x2 .0060609 .0079765 y Coef.

10 Std. Err. t P>|t| [95% Conf. Interval] Total 39 Root MSE = Adj R-squared = Residual 37 R-squared = Model 2 Prob > F = F(2, 37) = Source SS df MS Number of obs = hasilestimasikeduaterlihatbahwanilaiprob abilitasvariabelX2Z sebesar0,002.