bab 9 mp model empiris jogiyanto hm

MODEL EMPIRIS

 

                 

 

BENTUK MODEL EMPIRIS

Model empiris dapat mempunyai sebuah dependen variabel maupun lebih dari satu dependen variabel.

Yang termasuk model-model empiris yang mengggunakan hanya sebuah variabel dependen adalah model regresi, model regresi

Bentuk dari model regresi adalah sebagai berikut:  

Y₁ = X₁ + X₂ + … + X_n

(metrik) (metrik, non-metrik)  

Bentuk dari model regresi Logit/Probit/Tobit adalah sebagai berikut:  

Y₁ = X₁ + X₂ + … + X_n

(non-metrik) (metrik, non-metrik)  

Bentuk dari model analisis Diskriminan adalah sebagai berikut:  

Y₁ = X₁ + X₂ + … + X_n

(non-metrik) (metrik, non-metrik)  

Bentuk dari model ANOVA adalah sebagai berikut:  

Y₁ = X₁ + X₂ + … + X_n (metrik) (non-metrik)  

Bentuk dari model analisis Conjoint adalah sebagai berikut:  

Y₁ = X₁ + X₂ + … + X_n

Yang termasuk model-model empiris yang mengggunakan lebih dari sebuah variabel dependen adalah model MANOVA dan model korelasi kanonikal.

 

Bentuk dari model MANOVA adalah sebagai berikut:  

Y₁ + Y₂ + … + Y_n = X₁ + X₂ + … + X_n (metrik) (non-metrik)  

Bentuk dari korelasi Kanonikal adalah sebagai berikut:  

Y₁ + Y₂ + … + Y_n = X₁ + X₂ + … + X_n

(metrik, non-metrik) (metrik, non-metrik)  

Yang termasuk model-model empiris yang mengggunakan banyak

persamaan secara simultan adalah model persamaan-persamaan simultan (simultaneous equations) dan structural equation modeling.

Bentuk dari model persamaan-persamaan simultan (simultaneous equations) adalah sebagai berikut:

  Y₁ = X₁₁ + X₁₂ + … + X_1n

Y₂ = X₂₁ + X₂₂ + … + X_2n

Y_n = X_n1 + X_n2 + … + X_nn

(metrik) (metrik, non-metrik)  

Bentuk dari structural equation modeling adalah sebagai berikut:   Y₁ = X₁₁ + X₁₂ + … + X_1n

X₁₁ = X₂₁ + X₂₂ + … + X_2n

X1_n = X_n1 + X_n2 + … + X_nn

 

Model

Tipe data

Variabel Dependen Variabel Independen Regresi

Regresi Logit/Probit/Tobit

Structural equation modeling

VARIABEL DI MODEL EMPIRIS  

Model adalah bentuk simbol dari suatu teori. Bentuk simbol pada model ini harus menunjukkan hubungan kausal antara variabel-variabel di dalam model. Oleh karena itu model seperti ini juga disebut dengan nama model kausal (causal model).

Variabel Moderasi

 

Suatu variabel moderasi (moderating variable) atau (VMO) adalah suatu variabel independen lainnya yang dimasukkan ke dalam model karena mempunyai efek kontingensi dari hubungan variabel dependen dan variabel independen sebelumnya.

VMO

VD VI

 

Model empiris untuk variabel moderasi ini dapat disajikan dengan interaksi variabel-variabel di model analisis regresi moderasian

(moderated regression analysis) sebagai berikut:

 

VD = variabel dependen. VI = variabel independen. VMO = variabel moderasi. e = kesalahan residu.

Grafik dari Efek Moderasi

         

   

Gambar 9.2. Grafik dari efek moderasi.  

VD

VI

slop lebih tajam untuk nilai VMO lebih tinggi

slop kurang tajam untuk nilai VMO lebih rendah

 

PENTING dan SALAH KAPRAH

Beberapa penelitian menghilangkan efek-efek order-lebih-rendah atau efek-efek utama dari persamaan analisis regresi moderasian dan hanya menggunakan efek interaksi sebagai berikut:

Hasil signifikan dari koefisien β₃ tidak dapat dikatakan bahwa efek interaksi terjadi. Signifikansi ini dapat terjadi karena efek yang signifikan pengaruh VI terdapat VD, tidak perduli efek dari VMO terjadi atau tidak. Dengan kata lain, karena bentuk interaksi adalah perkalian antara VI dengan VMO, signifikansi tersebut dapat terjadi karena pengaruh signifkansi dari VI atau signifikansi terjadi karena interaksi “mencuri varian” dari salah satu variabelnya. Penghilangan efek-efek utama akan menghilangkan arti dari efek interaksi. Dengan demikian, untuk menguji efek interaksi, efek-efek utama harus dimasukkan ke dalam persamaan analisis regresi moderasian.

e

VMO

*

VI

 

Variabel Mediasi

 

Variabel mediasi (VME) atau mediating variable adalah variabel yang secara teori mempengaruhi fenomena yang diobservasi (variabel dependen), yang efeknya harus diinferensi melalui efek hubungan antara variabel independen dengan fenomenanya (variabel dependennya).

(model 1)

 

Gambar. Bentuk model hubungan mediasi.

VI VME VD

 

Jika hubungan kausal antara variabel independen dengan variabel dependen masih ingin diperlihatkan, maka bentuk modelnya adalah sebagai berikut ini.

VI VME VD

      

VI

VME

VD

 

   

Variabel ekstrani (VE) atau extraneous variable adalah variabel lain selain variabel independen, dependen, moderating, dan mediating yang dapat mempengaruhi hubungan kausal. Variabel ekstrani dapat di kelompokkan menjadi dua, yaitu variabel pelengkap dan variabel pengganggu.

Variabel Kontrol  

Variabel pelengkap dikenal sebagai variabel kontrol (control

variable) yaitu untuk melengkapi atau mengkontrol hubungan

kausalnya supaya lebih baik untuk didapatkan model empiris yang lebih lengkap dan lebih baik.

Variabel Pengganggu

 

 

DEFINISI VARIABEL

Variabel-variabel didalam model harus didefinisikan agar jelas makna dan pengukurannya. Dua macam definisi diperlukan yaitu sebagai berikut ini.

1. Definisi naratif (narative definition), yaitu definisi dalam bentuk kalimat untuk menjelaskan makna dan artinya.

2. Definisi operasional (operational definition), yaitu definisi berupa cara mengukur variabel itu supaya dapat dioperasikan.

 

Contohnya variabel reaksi pasar dengan definisi naratifnya sebagai return tidak normal (abnormal return) yaitu perubahan return saham diluar perubahan return normalnya. Definisi operasi ini adalah:

 

AR_t = R_t – E(R_t),  

dengan:

AR_t = return tidak normal (abnormal return) pada saat t. R_t = adalah return pada saat t.