Professional Documents
Culture Documents
ZQD
-1,96042
-1,58642
-1,62130
-2,02697
-1,63112
-2,02427
0,68945
-0,90003
-0,11936
-0,35466
0,11403
0,06807
0,51512
0,63885
1,11901
0,98331
ZPD
-1,66012
-1,24684
-1,34132
-1,97781
-1,52661
-2,12362
1,37969
-0,79103
0,16731
-0,21490
0,33311
0,19969
0,79889
0,89069
1,46712
1,23232
ZBM
1,33781
1,33781
1,33781
1,33781
1,33781
0,37770
0,37770
0,37770
0,37770
0,37770
0,37770
0,37770
0,37770
0,37770
0,37770
0,37770
No.
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
ZQD
0,91120
0,82484
0,79777
0,44395
-0,01929
1,23768
0,83375
0,43096
0,52757
0,29751
0,26265
0,33897
0,31878
0,48396
0,40639
ZPD
1,08379
0,91399
0,82580
0,30892
-0,35109
1,25339
0,75964
0,17093
0,25298
-0,09566
-0,18670
-0,12705
-0,19876
-0,02607
-0,17069
ZBM
-0,22807
-0,22807
-0,22807
-0,22807
-1,63460
-1,63460
-1,63460
-1,63460
-1,63460
-1,63460
0,37770
0,37770
0,37770
0,37770
-1,63460
2. Menfaktorkan variabel independen ini agar mendapatkan variabel baru yang dapat
mewakilkan keseluruhan data.
Principal Component Analysis: ZQD; ZPD; ZBM
Eigenanalysis of the Correlation Matrix
Eigenvalue
Proportion
Cumulative
Variable
ZQD
ZPD
ZBM
2,3424
0,781
0,781
PC1
0,638
0,605
-0,477
0,6250
0,208
0,989
PC2
0,215
0,454
0,865
0,0326
0,011
1,000
PC3
-0,739
0,654
-0,159
3. Untuk mengetahui berapa banyak faktor yang akan kita gunakan, lihat nilai
EigenValue dari variabel independen yang kita gunakan, sebelum melanjut ke
langkah selanjutnya.
PC1
0,637904
0,604978
-0,476530
PC2
0,215477
0,453851
0,864632
PC3
-0,739357
0,654233
-0,159154
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
W1
-2,89240
-2,40380
-2,48321
-3,12705
-2,60157
-2,75601
1,09450
-1,23267
-0,15490
-0,53623
0,09428
-0,01575
0,63192
0,76639
1,42141
1,19280
W2
-0,01916
0,24899
0,19860
-0,17768
0,11239
-1,07342
1,10130
-0,22638
0,37678
0,15262
0,50232
0,43187
0,80014
0,86847
1,23354
1,09774
W3
0,150422
0,144289
0,108267
-0,008218
-0,005694
0,047204
0,332780
0,087809
0,137596
0,061512
0,073508
0,020203
0,081688
0,050270
0,072374
0,019098
No.
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
1,34560
1,18779
1,11717
0,57877
0,55423
2,32673
1,77036
1,15726
1,26853
0,91085
-0,12539
-0,04062
-0,09688
0,11297
0,93491
-2,89240
0,49103
0,39536
0,34950
0,03867
-1,57683
-0,57779
-0,88891
-1,24289
-1,18483
-1,39264
0,29843
0,34195
0,30505
0,41902
-1,40323
-0,01916
0,071648
0,024408
-0,013275
-0,089835
0,044719
0,165078
0,140694
0,053343
0,035602
-0,022396
-0,376447
-0,393846
-0,425835
-0,434985
-0,151982
0,150422
4. Terdapat satu faktor yang memiliki nilai EigenValue lebih dari satu, maka kita akan
gunakan satu faktor, yaitu 1.
W1=PC1
PC1= 0,637904 Z1+0,604978Z2 -0,476530Z3
Meregresikan variabel Ln(QD) dengan W1 dengan metode two stage least square
C(1)
C(2)
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)
Coefficient
Std. Error
t-Statistic
Prob.
13.79137
0.160731
0.056011
0.037202
246.2274
4.320556
0.0000
0.0002
0.391660
0.370683
0.311854
18.66721
0.000167
13.79137
0.393113
2.820343
0.317900
2.820682
Meregresikan variabel Ln(QD) dengan W1 dan W2 dengan metode two stage least
square
C(1)
C(2)
C(3)
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)
Coefficient
Std. Error
t-Statistic
Prob.
13.79137
0.160731
0.198755
0.048946
0.032509
0.062935
281.7670
4.944171
3.158129
0.0000
0.0000
0.0038
0.551462
0.519424
0.272520
17.20930
0.000013
13.79137
0.393113
2.079478
1.032673
2.079959
10
Series: Residuals
Sample 1 31
Observations 31
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
1.35e-14
0.089143
0.515152
-0.632837
0.263279
-0.710034
3.079048
Jarque-Bera
Probability
2.612837
0.270788
0
-0.6
-0.4
-0.2
-0.0
0.2
0.4
0.6
0.585472
1.244364
1.055297
Prob. F(2,28)
Prob. Chi-Square(2)
Prob. Chi-Square(2)
0.5635
0.5368
0.5900
Hasil pemodelan tidak memiliki masalah autokorelasi (dilihat dari nilai Durbin
Watson), multikolinearitas, heteroskedastisitas (dari uji heteroskedastik secara umum
dari White), dan error sudah menyebar normal (Normality Test)
Maka kita dapat nyatakan bahwa model sudah cukup baik.
5. Mengubah hasil pemodelan faktor ini menjadi semula, dengan menggunakan nilai PC
yang kita gunakan sebelumnya
PC1=0,574908 Z1+0,576058 Z2 +0,581066 Z3