1 1
b M
M b
m −
− −
=
−
β β
2
χ
≈ …………..............….7
Dimana
β
adalah vektor untuk statistik variabel fixed effect, b adalah vektor statistik variabel random effect,
M adalah matriks kovarians untuk dugaan fixed effect
model , dan
1
M
adalah matriks kovarians untuk dugaan random effect model. H ditolak jika nilai m hasil pengujian lebih besar dari
2
χ
-tabel, sehingga model yang digunakan adalah model fixed effect, dan begitu pula sebaliknya Gujarati, 2003
dalam Hartati, 2008.
3.4. Uji Validitas Model
3.4.1. Uji F-statistic
Uji F-statistic ditujukan untuk mengetahui apakah variabel-variabel independen secara bersama-sama memberikan pengaruh yang signifikan terhadap
variabel dependennya atau tidak. Langkah-langkah yang harus dilakukan dalam uji F- statistic
adalah sebagai berikut: 1.
Perumusan hipotesis H
: ...
2 1
= =
= =
k
β β
β
H
1
: minimal ada satu nilai
β
yang tidak sama dengan nol 2.
Penentuan taraf nyata
α
3. Bandingkan F-statistic dengan F-tabel pada
α
atau bandingkan probabilitas F-statistic dengan
α
4. Jika prob F-statistic
α
, maka terima H
1
, artinya variabel-variabel independen secara serentak berpengaruh signifikan terhadap variabel
dependennya Gujarati, 2003 dalam Hartati, 2008.
3.4.2. Uji t-statistic
Tujuan uji t-statistic adalah untuk mengetahui apakah masing-masing variabel independen memberikan pengaruh yang signifikan terhadap variabel dependennya
atau tidak. Langkah-langkah yang harus dilakukan dalam uji t-statistic adalah:
1. Perumusan hipotesis
H :
=
i
β
H :
1
≠
i
β
2. Penentuan taraf nyata
3. Bandinglan t-statistic dengan t-tabel atau bandingkan probabilitas t-statistic
prob t-statistic dengan . 4.
Jika t-statistic t-tabel pada atau prob t-statistic , maka terima H
1
, artinya variabel independen berpengaruh signifikan terhadap variabel
dependennya Gujarati, 2003 dalam Hartati, 2008.
3.4.3. R-Squared
R-Squared adalah proporsi variasi dalam variabel dependen yang dapat dijelaskan oleh variabel-variabel independennya. R-Squared memiliki range 0 R-
Squared 1, jika R-Squared bernilai 1 maka 100 persen variasi dalam variabel
dependen dapat dijelaskan oleh variabel-variebel independennya, jika R-Squared bernilai 0 maka variasi dalam variabel dependen tidak dapat dijelaskan oleh variabel-
variebel independennya. =
2
R R-Squared =
TSS RSS
………………….........….......………8 dimana:
RSS = jumlah kuadrat regresi TSS = jumlah kuadrat total
Penelitian ini
menggunakan adjusted
R-Squared karena
sudah memperhitungkan permasalahan derajat bebas dan merupakan ukuran kesesuaian
model yang lebih baik dibandingkan R-Squared, adjusted R-Square dirumuskan sebagai berikut:
k N
N R
R −
− −
− =
1 1
1
2 2
.................................................................9 dimana:
=
2
R adjusted R-Squared
N= jumlah sampel k = jumlah variabel independen Pindyck dan Rubin Feld, 1983.
3.5. Pengujian Asumsi