Regresi Model Logit (Logistic) Menggunakan Eviews

Oleh : Jul Fahmi Salim

Assalamualaikum wr wb...

Selamat Pagiiii... Semoga kita semua dalam keadaan sehat hari ini dan seterusnya, Amiin ya rabbal alamin.. :-)

Jika sebelumnya saya sudah post mengenai regresi data Logit dengan menggunakan Shazam, maka kali ini kita akan sama-sama belajar, bagaimana cara regresi data panel dengan menggunakan Eviews..

Berikut merupakan langgkah-langkah regresi data logit / probit :

• Buka Program Eviews

• buat workfile baru

• pada tab workfile structure pilih unstructure/undated
• Pada tab data range, silahkan ketik jumlah sampel yang ada dalam penelitian dan klik oke

• untuk menginput variabel, klik object => series => isi namanya (JA) dan klik ok

• karena jumlah sampel setiap variabel sama, maka klik kanan var JA, => copy kemudian langsung paste

• beri nama variabel nya, klik ok.. lakukan langkah seperti tadi sampai semua variabel ada
• untuk memasukan data, klik variabel berdasarkan ururtan JA Y ED CF, =>klik kanan, open as group

• buka file data di excel, kemudian copy semua data

• kembali ke jendela eview =>klik tab "edit+/-" =. pastekan data pada kolom pertama

• setelah data masuk semua, close jendela groupnya, 

• klik variabel berdasarkan ururtan JA Y ED CF, =>klik kanan, open as equation

• pada tab method, pilih binary choice (probit atau logit) => klik ok

• Berikut merupakan hasil outputnya

• Untuk model logit tidak menggunakan t hitung (t stat) lagi, tapi menggunakan z hitung (z Stat) untuk melihat tingkat signifikannya. 
• untuk melihat keseuaian model digunkan likelihood ratio dan untuk intepretasi hasilnya kita tidak boleh langsung mengintepretasikan dengan koefisien betha, tapi harus menggunakan odd ratio.. nilai odd ratio dapat di cari dengan menggunakan excel dengan rumus =2,72^nilai koefisien. itu artinya nilai e=2,72 dipangkatkan dengan masing-masing nilai koefisien betha
• Hasilperhitungan dengan menggunakan Excel

dari hasil di atas dapat ddiintepretasikan :

• Untuk Variabel Y (Pendapatan), nilai odd ratio sebesar 0,87, ini artinya bahwa setiap kenaikan pendapatan 1 % maka keinginan untuk memilki anak berkurang sebesar 0,87 kali dibandingkan orang yang memiliki pendapatan lebih rendah
• Untuk Var ED (Tingkat Pendidikan),nilai odd ratio dari ED adalah sebesar 1.00, artinya setiap kenaikan jumlah tahun belajar seseorag maka keinginan untuk menambah anak atau memiliki anak lagi akan semakin menurun sebanya 1 kali dibanding seseorang yang berpendidikan rendah.
• Untuk Variabel CF (Biaya Konsumsi Makanan), nilai odd ratio dari konsumsi makanan CF adalah 1.00, artiya semakin tinggi pengeluaran seseorang untuk konsumsi makanan maka semakin berkurang pula keinginan untuk memilki anak lagi sebesar 1 kali dibanding yang memiliki biaya konsumsi makanan yang lebih rendah..

Untuk Melihat Videonya klik disiniiii

Selamat mencoba, silahkan berikan kritik dan sarannya untuk memperbaiki tulisan ini... 

Terima Kasiiih sudah berkunjung.... :-)

Regresi Model Logit (Logistik) Dengan Menggunakan Shazam

Oleh : Jul Fahmi Salim

Assalamualaikum wr wb..

Selamat Pagi Menjelang siang..... :-)

Sudah beberapa waktu tidak update nih blog, karena sesuatu dan lain hal.hehehe... Baiklah kali ini mari kita belajar mengenai langkah-langkah regresi model logistik atau model logit.. sebelum masuk kedalam langkah-langkah pengerjaannya maka mari kita lihat, apa sebenarnya model logit tersebut ??

Regresi Logistik

Regresi logistik adalah sebuah pendekatan untuk membuat model prediksi seperti halnya regresi linear atau yang biasa disebut dengan istilah Ordinary Least Squares (OLS) regression. Perbedaannya adalah pada regresi logistik, peneliti memprediksi variabel terikat yang berskala dikotomi. Skala dikotomi yang dimaksud adalah skala data nominal dengan dua kategori, misalnya: Ya dan Tidak, Baik dan Buruk atau Tinggi dan Rendah.

Apabila pada OLS mewajibkan syarat atau asumsi bahwa error varians (residual) terdistribusi secara normal. Sebaliknya, pada regresi logistik tidak dibutuhkan asumsi tersebut sebab pada regresi logistik mengikuti distribusi logistik.

Asumsi Regresi Logistik antara lain:

• Regresi logistik tidak membutuhkan hubungan linier antara variabel independen dengan variabel dependen.
• Variabel independen tidak memerlukan asumsi multivariate normality.
• Asumsi homokedastisitas tidak diperlukan
• Variabel bebas tidak perlu diubah ke dalam bentuk metrik (interval atau skala ratio).
• Variabel dependen harus bersifat dikotomi (2 kategori, misal: tinggi dan rendah atau baik dan buruk)
• Variabel independen tidak harus memiliki keragaman yang sama antar kelompok variabel
• Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat eksklusif
• Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50 sampel data untuk sebuah variabel prediktor (independen).

Regresi logistik dapat menyeleksi hubungan karena menggunakan pendekatan non linier log transformasi untuk memprediksi odds ratio. Odd dalam regresi logistik sering dinyatakan sebagai probabilitas.(sumber klik disini)

langkah-langkah dalam meregresi model logistik :
- buka program shazam

- ketik "sample 1 153" ==> sample 1 153 maksudnya adalah jumlah sample yang ada dalam penelitian
- ketik "read ja y ed c" ==> read ja y ed c adalah shazam diperintahkan untuk membaca urutan variabel yang digunakan dalam penelitian mulai dari y x1 x2 x3.....xn

- Copy data dari excel kemudian angsung di paste pada command editor shaazam

- kemudian ketik " logit ja y ed c / max"

- klik format

- klik run

- maka hasil output yang keluar adalah sebagai berikut :

catatan : untuk melakukan interpretasi hasil, tidak bisa langsung menggunakan nilai koefisien Betha dari hasil regresi, melainkan harus dicari dulu nilai Odd ratio nya yaitu dengan cara :

odd ratio = e^nilai koefisien betha (nilai e dipangkatkan dengan masng-masing koefisien betha dari hasil regresi )

Nilai ketetapan e =2.72

untuk melihat videonya klik disini 

Nah cukup mudah kan... silahkan berikan masukannya untuk menjadikan tulisan ini lebih sempurna. selamat mencoba.... :-)