Memahami interpretasi hasil estimasi variabel dummy pada analisis regresi linier
Analisis regresi linier merupakan analisis yang paling sering digunakan untuk menganalisis pengaruh suatu variabel terhadap variabel yang lain. Sebagian besar analisis regresi yang dipilih merupakan analisis regresi linier metode kuadrat terkecil (Ordinary Least Square).
Terdapat sejumlah asumsi yang dipersyaratkan ketika kita memilih untuk menggunakan regresi linier. Uji asumsi perlu dilakukan dengan tujuan agar hasil estimasi yang diperoleh konsisten dan tidak bias.
Tentu kita sering membaca bahwa uji asumsi ini sering disebut dengan uji asumsi klasik. Ada juga yang menyebut dengan asumsi gauss-markov. Ya, memang uji asumsi ini dimaksudkan untuk menghasilkan best linear unbiased estimator.
Selanjutnya, pada analisis regresi linier umumnya kita menggunakan variabel parametrik yang diukur menggunakan skala interval dan rasio. Hal yang menjadi pertanyaan, Apakah bisa kita memasukkan variabel non parametrik ke dalam persamaan regresi linier?
Inilah yang akan kita bahas lebih mendalam pada artikel kali ini. Saya akan mencoba memberikan pemahaman mengenai estimasi variabel dummy pada analisis regresi linear. Selanjutnya, bagaimana cara menginterpretasikan hasil estimasi variabel dummy tersebut. Apakah interpretasinya sama dengan variabel independent yang lain atau justru di dalamnya ada perbedaan cara interpretasi?
Apa itu variabel dummy?
Apa itu variabel dummy? Sebelum kita memahami cara interpretasi hasil estimasi variabel dummy, tentunya kita perlu memahami dulu apa itu variabel dummy. Variabel dummy ini sering juga disebut dengan variabel boneka.
Dalam analisis regresi linier kita dapat memasukkan variabel dummy sebagai bagian dari variabel independent. Variabel dummy termasuk kedalam variabel non parametrik karena variabel dummy diukur umumnya diukur dalam dua kategori yang sering disebut dengan dummy biner.
Namun demikian, ada juga variabel dummy yang lebih dari 2 kategori. Pada artikel ini akan dibahas mengenai interpretasi variabel dummy untuk dua kategori. Variabel dummy ini masuk ke dalam skala nominal.
Seperti kita ketahui bersama bahwa skala pengukuran dapat dibagi menjadi empat yaitu skala nominal, skala ordinal, skala interval, dan skala rasio. Pada skala nominal ini kita hanya membedakan variabel sesuai dengan kategorisasinya tanpa adanya level atau tingkatan. Contoh: wilayah desa dan kota, jenis kelamin laki-laki dan perempuan, sebelum dan setelah kebijakan, dan lain-lain.
Teknik skoring variabel dummy
Setelah kita memahami apa itu variabel dummy, selanjutnya kita perlu paham mengenai teknik skoring pada variabel dummy. Seperti yang saya sampaikan pada paragraf sebelumnya bahwa yang menjadi fokus pembahasan pada artikel ini adalah dummy biner.
Oleh karena itu, teknik skoring variabel dummy biner menggunakan 2 kategori skor. Teknik skoring variabel dummy menggunakan skor 1 dan 0. Selanjutnya mungkin kamu akan bertanya, mana yang akan diberikan skor 1 dan mana yang akan diberikan skor 0?
Sebagai contoh kita ingin mengetahui bagaimana pengaruh pandemi Covid terhadap profit usaha perhotelan di Indonesia. Untuk pandemi Covid dapat kita buat sebagai variabel dummy. Jadi kita mengukur bagaimana pengaruh sebelum pandemi dan setelah pandemi terhadap profit pada usaha perhotelan di Indonesia.
Untuk teknik skoringnya, pada skor 1 diarahkan pada kondisi yang dihipotesiskan. Contohnya dalam penelitian tersebut dihipotesiskan bahwa pandemi covid mempengaruhi penurunan profit pada usaha perhotelan.
Oleh karena itu, setelah pandemi Covid dapat diberikan skor 1. Adapun untuk sebelum pandemi Covid diberikan skor 0. Selanjutnya, setelah dilakukan teknik skoring dapat dianalisis bersama dengan variabel independent yang lain.
Prasyarat asumsi regresi linier terpenuhi
Variabel dummy yang diukur dengan skala nominal, tentunya jika menjadi variabel independent yang berdiri sendiri akan sulit untuk memenuhi asumsi yang dipersyaratkan pada regresi linier metode kuadrat terkecil. Oleh karena itu, variabel dummy ini dimasukkan ke dalam persamaan bersama-sama dengan variabel independent yang lain.
Misalkan kita sudah menyusun persamaan regresi dengan 1 variabel dependent dan 4 variabel independent, selanjutnya setelah kita tambahkan variabel dummy persamaan tersebut berubah menjadi 1 variabel dependent dan 5 variabel independent (4 variabel independent dan 1 variabel dummy).
Meskipun dalam persamaan regresi tersebut kita memasukkan variabel dummy, namun kita harus melakukan uji asumsi untuk memenuhi asumsi yang dipersyaratkan. Asumsi yang dipersyaratkan, misalkan kita menggunakan data cross section maka residual dari persamaan regresi terdistribusi normal.
Selanjutnya dari persamaan regresi tersebut juga tidak ada korelasi yang kuat antara variabel bebas atau tersebut dengan non multikolinearitas. Variance residual juga konstan atau memenuhi asumsi homoskedastisitas. Dan yang terakhir adalah karena ini menggunakan regresi linier tentunya plot variabel dependent dan independent membentuk garis linier.
Uji asumsi ini bertujuan agar hasil estimasi yang dihasilkan tidak bias. Tentunya dengan hasil yang baik dan tidak bias, maka kesimpulan yang diambil akan benar dan merepresentasikan kondisi yang sesungguhnya di lapang.
Cara interpretasi hasil estimasi variabel dummy
Singkat cerita, jika kamu telah melakukan analisis regresi linear dengan memasukkan variabel dummy sebagai variabel independent, kini saatnya kita membahas mengenai cara interpretasi hasilnya. Tentunya dalam analisis tersebut kita telah memenuhi semua asumsi yang dipersyaratkan.
Apakah cara interpretasi hasil estimasi variabel dummy itu sama atau berbeda dengan variabel independent yang lain? Untuk cara interpretasi variabel dummy, sedikit berbeda dibandingkan dengan variabel independent yang lain, terutama saat menginterpretasikan secara parsial pengaruh variabel independent terhadap variabel dependent.
Misalnya, berdasarkan hasil estimasi diperoleh koefisien variabel dummy sebesar -2,5. Dengan teknik skoring yang telah disampaikan pada paragraf sebelumnya, maka koefisien estimasi -2,5 ini dapat diinterpretasikan bahwa profit usaha perhotelan setelah pandemi 2,5 kali lebih rendah dibandingkan dengan sebelum pandemi.
Berdasarkan contoh interpretasi tersebut, tentunya kita saat ini bisa membedakan bagaimana cara menginterpretasikan hasil estimasi variabel dummy dengan estimasi variabel independent yang lain. Untuk cara interpretasi variabel independent saya kira sudah banyak dibahas di artikel blog ini atau di website dan channel Kanda Data.
Penutup
Berdasarkan yang telah kita bahas pada artikel ini dari awal sampai dengan akhir, kini saatnya kita menyimpulkan. Variabel dummy merupakan variabel non parametrik yang diukur menggunakan skala nominal. Variabel dummy biner paling sering digunakan dalam analisis regresi linier.
Meskipun kita menambahkan variabel dummy, namun kita juga perlu memastikan bahwa semua asumsi yang dipersyaratkan pada regresi linier telah terpenuhi. Selanjutnya untuk interpretasi hasil estimasi variabel dummy sedikit berbeda dibandingkan dengan estimasi variabel independent yang lain.
Baik, ini artikel yang dapat saya bahas pada kesempatan ini. Semoga bermanfaat dan memberikan nilai tambah dan wawasan baru untuk kita semuanya. Terima kasih dan sampai jumpa di artikel edukasi pekan berikutnya!
Posting Komentar untuk "Memahami interpretasi hasil estimasi variabel dummy pada analisis regresi linier"