REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA CHANGE

/CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT y /METHOD=ENTER x1

x2 /SCATTERPLOT=(*ZPRED ,*ZRESID) /RESIDUALS DURBIN.

Regression

Notes

Output Created 20-Sep-2015 10:25:51

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data 12

File

Missing Value Handling Definition of Missing User-defined missing values are treated
as missing.

Cases Used Statistics are based on cases with no

missing values for any variable used.

Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
CHANGE
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT y
/METHOD=ENTER x1 x2
/SCATTERPLOT=(*ZPRED ,*ZRESID)
/RESIDUALS DURBIN.

Resources Processor Time 0:00:02.203

Elapsed Time 0:00:03.375

Memory Required 1644 bytes

Additional Memory Required 232 bytes

for Residual Plots
[DataSet0]

Variables Entered/Removed

Variables Variables
Model Entered Removed Method

1 x2, x1a . Enter

a. All requested variables entered.

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .843a .711 .647 2.915

a. Predictors: (Constant), x2, x1

b. Dependent Variable: y

Model Summaryb

Change Statistics

R Square
Model Change F Change df1 df2 Sig. F Change Durbin-Watson

1 .711 11.087 2 9 .004 1.536

b. Dependent Variable: y

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 188.434 2 94.217 11.087 .004a

Residual 76.483 9 8.498

Total 264.917 11

a. Predictors: (Constant), x2, x1

b. Dependent Variable: y
 Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 1.939 6.847 .283 .783

x1 .423 .163 .588 2.593 .029

x2 .886 .586 .343 1.511 .165

a. Dependent Variable: y

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 25.02 38.38 32.08 4.139 12

Residual -3.917 4.971 .000 2.637 12

Std. Predicted Value -1.705 1.521 .000 1.000 12

Std. Residual -1.344 1.705 .000 .905 12

a. Dependent Variable: y

Charts
sedikit penjelasan dengan F Tabel di atas:
DF adalah degree of freedom atau biasa disebut dengan derajat
kebebasan. Sedangkan Denumerator adalah DF 1 dan Numerator adalah
DF 2. Perlu diketahui, pada setiap uji F pasti ada 2 nilai DF, yaitu DF1 dan
DF2. Cara menentukan nilai DF ada berbagai cara tergantung pada uji F
yang anda lakukan berdasarkan uji apa. Misal pada uji regresi linear
berganda, anda akan mendapatkan nilai F dengan cara menghitung DF1
dan DF 2, yaitu:
DF1 = jumlah variabel - 1
DF2= jumlah sampel - jumlah variabel - 1.

Apabila nilai DF sudah diketahui semua, anda tinggal tentukan batas kritis
atau probabilitas. Misal DF1=2 dan DF2=2, maka nilai F Tabel adalah 19.
Apabila F hitung anda 20, maka F Hitung > F Tabel yang berarti H1
diterima.
32 57 8
36 59 10
27 49 6
34 62 11
28 51 8
29 50 7
39 55 10
29 48 9
28 42 10
26 42 6
38 61 12
39 57 9