Analisis regresi linear berganda sebenarnya sama dengan analisis
regresi linear sederhana, hanya variabel bebasnya lebih dari satu buah.
Persamaan umumnya adalah:
Y = a + b1 X1 + b2 X2 +
.... + bn Xn.
Dengan Y adalah variabel bebas, dan X adalah variabel-variabel bebas, a
adalah konstanta (intersept) dan b adalah koefisien regresi pada masing-masing
variabel bebas.
Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi,
pengaruh antara motivasi (X1), kompensasi (X2) dan kepemimpinan (X3) terhadap
kepuasan kerja (Y) menghasilkan persamaan sebagai berikut:
Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3
- Jika
variabel motivasi meningkat dengan asumsi variabel kompensasi dan kepemimpinan
tetap, maka kepuasan kerja juga akan meningkat
- Jika
variabel kompensasi meningkat, dengan asumsi variabel motivasi dan kepemimpinan
tetap, maka kepuasan kerja juga akan meningkat.
- Jika
variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan kompensasi
tetap, maka kepuasan kerja juga akan meningkat.
Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara
hati-hati. Jika pengukuran variabel dengan menggunakan skala Likert antara 1
sampai dengan 5 maka tidak boleh diinterpretasikan bahwa jika variabel
motivasi, kompensasi dan kepemimpinan bernilai nol, sebagai ketiga variabel
tersebut tidak mungkin bernilai nol karena Skala Likert terendah yang digunakan
adalah 1.
Analisis regresi linear berganda memerlukan pengujian secara serempak
dengan menggunakan F hitung. Signifikansi ditentukan dengan membandingkan F
hitung dengan F tabel atau melihat signifikansi pada output SPSS. Dalam
beberapa kasus dapat terjadi bahwa secara simultan (serempak) beberapa variabel
mempunyai pengaruh yang signifikan, tetapi secara parsial tidak. Sebagai
ilustrasi: seorang penjahat takut terhadap polisi yang membawa pistol
(diasumsikan polisis dan pistol secara serempak membuat takut penjahat). Akan
tetapi secara parsial, pistol tidak membuat takut seorang penjahat. Contoh
lain: air panas, kopi dan gula menimbulkan kenikmatan, tetapi secara parsial,
kopi saja belum tentu menimbulkan kenikmatan.
Penggunaan metode analisis regresi linear
berganda memerlukan uji asumsi klasikyang secara statistik
harus dipenuhi. Asumsi klasik yang sering digunakan adalah asumsi normalitas,
multikolinearitas, autokorelasi, heteroskedastisitas dan asumsi linearitas..
Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear
berganda adalah 1) koefisien determinasi; 2) Uji F dan 3 ) uji t.
Persamaan regresi sebaiknya dilakukan di akhir analisis karena interpretasi
terhadap persamaan regresi akan lebih akurat jika telah diketahui
signifikansinya. Koefisien determinasi sebaiknya menggunakan Adjusted
R Square dan jika bernilai negatif maka uji F dan uji t tidak
dapat dilakukan.
Bentuk-bentuk regresi yang juga sering digunakan dalam penelitian adalah regresi logistik atau regresi ordinal.