rangkuman model regresi dua variabelDeskripsi lengkap
tutorial SPSS regresi variabel dengan moderator
Deskripsi lengkap
analisis regresiFull description
Deskripsi lengkap
Materi statistik Universitas Bengkulu.
Analisis Regresi Berganda dengan menggunakan variabel kategorik pada salah satu variabel independen, sehingga digunakan analisis regresi dummyFull description
Analisis Regresi Berganda dengan menggunakan variabel kategorik pada salah satu variabel independen, sehingga digunakan analisis regresi dummyDeskripsi lengkap
Analisis Regresi Berganda dengan menggunakan variabel kategorik pada salah satu variabel independen, sehingga digunakan analisis regresi dummy
Regresi Berganda dengan Variabel DummyDeskripsi lengkap
UJI Regresi Korelasi Dengan SPSS sebagai bahan belajarFull description
Full description
Deskripsi lengkap
Pengisian dan Pengosongan Kapasitor ,fungsi kapasitor, Metode Regresi Linier,rangkaiaan RC,matlab,grafikpengisian dan pengosongan kapasitor,Deskripsi lengkap
Deskripsi lengkap
10/9/2017
Analisis SEM dengan SPSS -Regresi Linier Variabel Laten
Teknik Analisis Data Teknik analisis data statistik penelitian dengan SPSS dan R Stat
Regresi Linier untuk Variabel Laten May 26, 2016
Uji Pengaruh
Perhatian: sebagian orang mungkin menganggap bahwa ini adalah analisis SEM dengan spss. Analisis SEM tidak bisa dilakukan dengan SPSS, hanya bisa dengan Lisrel atau Amos. Penjelasan di halaman ini hanya pengganti SEM jika jumlah responden tidak mencukupi untuk SEM. Di halaman ini dijelaskan teknik analisis data dengan uji regresi linier untuk variabel laten. Untuk penjelasan apa itu variabel laten ada di Halaman Depan di Depan di bagian Pengolahan Data untuk Variabel Laten di Ilmu Sosial. Data yang digunakan untuk penjelasan di halaman ini adalah datanya.sav . Silakan unduh filenya di sini.. sini
Contoh Model Penelitian
Contoh model regresi variabel laten Model di atas adalah contoh model penelitian yang mungkin ada di pemasaran. Ada tiga variabel laten yaitu Ekspektasi, Kepuasan dan Loyalitas. Setiap variabel laten diukur dengan tiga variabel terukur/indikator terukur/indikator (observed variable). Misal, variabel Ekspektasi diukur dengan indikator B1, B2 dan B3.
Cara Menggabungkan Indikator dengan Rata-Rata http://teknikanalisisdata.com/regresi-linier-variabel-laten/
1/6
10/9/2017
Analisis SEM dengan SPSS -Regresi Linier Variabel Laten
Sebelum variabel dapat diregresikan, indikator-indikatornya harus digabung terlebih dahulu. Indikator dapat digabung dengan rata-rata. Buka file datanya.sav yang sudah diunduh lalu klik seperti di bawah ini.
Kita pertama-tama akan menggabungkan indikatornya Ekspektasi. Untuk itu: 1. ketik Ekspektasi di Target Variable 2. ketik rumus rata-rata untuk mendapat nilai rata-rata B1, B2 dan B3 3. klik OK Seperti di bawah ini.
Analisis SEM dengan SPSS -Regresi Linier Variabel Laten
Lakukan hal di atas untuk variabel Kepuasan dan Loyalitas.
Cara Melakukan Regresi Liniernya Ingat kembali di modelnya ada dua panah: 1. dari Ekspektasi ke Kepuasan 2. dari Kepuasan ke Loyalitas Karena itu kita lakukan dua kali regresi yaitu 1. Kepuasan sebagai variabel terikat (dependent variable) dan Ekspektasi sebagai variabel bebas (independent variable) 2. Loyalitas sebagai variabel terikat (dependent variable) dan Kepuasan sebagai variabel bebas (independent variable)
Regresi 1: Kepuasan = α + β Ekspektasi Seperti biasa, pilih menu regresi linier seperti di bawah ini
Lalu masukkan Kepuasan di Dependent Variable dan Ekspektasi di Independent variable. Variabel Kepuasan dan Ekspektasi ini adalah variabel hasil penggabungan indikator dengan menggunakan rata-rata.
Analisis SEM dengan SPSS -Regresi Linier Variabel Laten
Hasilnya adalah seperti ini.
Sesuai dengan nilai signifikansinya yang lebih dari 5% (0.171) sehingga tolak H0 di mana: H0: ekspektasi tidak mempengaruhi kepuasan Sehingga dapat disimpulkan bahwa H0 tidak ditolak/gagal ditolak atau dengan kata lain ekspektasi tidak mempengaruhi kepuasan. Catatan: kalau sudah terima H0 atau tidak menolak H0, tidak usah melihat angka α dan β nya.
Regresi 2: Loyalitas = α + β Kepuasan Hal ini berbeda dengan regresi Kepuasan terhadap Loyalitas di mana hasilnya adalah sebagai berikut: