Regresi hierarkis
Regresi bertahap dengan penambahan blok variabel.
Untuk apa dipakai
- Menguji pengaruh variabel X terhadap Y
Data yang dibutuhkan
Satu variabel terikat dan minimal dua variabel bebas yang dimasukkan dalam blok.
Unggah file Excel (.xlsx) atau CSV. Aplikasi memeriksa kecocokan data dengan metode sebelum analisis dijalankan, dan token tidak terpotong bila analisis gagal.
Cara membaca hasilnya
Regresi bertahap: melihat tambahan penjelasan saat variabel dimasukkan per blok.
- Perubahan R kuadrat per blok
- Seberapa besar blok baru menambah penjelasan terhadap model sebelumnya.
- Uji perubahan (p)
- Kurang dari 0,05 berarti penambahan itu bermakna.
Perlu diwaspadai
- Urutan blok sebaiknya mengikuti teori, bukan hasil.
Bantuan — proses & rumus
Tahap komputasi yang dijalankan OlahData untuk metode ini, lengkap dengan rumus dan rujukannya.
Prediktor dikelompokkan ke dalam blok (misalnya blok 1 = variabel kontrol, blok 2 = variabel utama), minimal 2 blok. Responden dengan data kosong pada variabel model dibuang (listwise), sehingga semua model dihitung pada responden yang sama.
Model ke-k memuat semua prediktor dari blok 1 sampai blok k, diestimasi dengan OLS.
Mengukur seberapa besar R² bertambah saat blok baru dimasukkan, dan apakah pertambahan itu signifikan.
ΔR² = R²(model k) − R²(model k−1)
F perubahan = (ΔR² / jumlah prediktor baru) / ((1 − R² model k) / df sisa)
Mengukur besar kontribusi blok terhadap model, terlepas dari signifikansi statistiknya.
f² = ΔR² / (1 − R² model k)
VIF/tolerance memeriksa multikolinearitas; Shapiro-Wilk memeriksa normalitas galat model akhir (pada sampel besar, uji ini sangat sensitif).
| Ukuran | Ambang batas | Rujukan |
|---|---|---|
| f² (efek blok) | ≥ 0,35 besar · ≥ 0,15 sedang · ≥ 0,02 kecil | Cohen (1988) |
| Multikolinearitas ekstrem | Tolerance < 0,10 atau VIF > 10 | Kline (2016) |
| Signifikan | p < 0,05 | — |
- Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied multiple regression/correlation analysis for the behavioral sciences (3rd ed.). Lawrence Erlbaum Associates.
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
- Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
- Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3-4), 591–611.
Mengikuti Cohen, Cohen, West, & Aiken (2003).
Contoh hasil
Contoh hasil dengan data fiktif untuk metode ini sedang disiapkan.
Ingin mencoba dengan data Anda?
Hasilnya disertai tabel, grafik, narasi, dan penjelasan prosesnya.