REGRESI LOGISTIK

Regresi logistic sebenarnya sama dengan analisis regresi berganda, hanya variabel terikatnya merupakan dummy variabel (0 dan 1). Sebagai contoh, pengaruh beberapa rasio keuangan terhadap keterlambatan penyampaian laporan keuangan. Maka variabel terikatnya adalah 0 jika terlambat dan 1 jika tidak terlambat (tepat). Regresi logistik tidak memerlukan asumsi normalitas dan asumsi klasik yang lain, meskipun screening data outliers tetap dapat dilakukan.

Interpretasi regresi logistik menggunakan odd ratio atau kemungkinan. Sebagai contoh, jika rasio keuangan ROA meningkat sebesar 1% maka kemungkinan ketepatan menyampaikan laporan keuangan meningkat sebesar 1,05 kali. Berarti semakin tinggi ROA kemungkinan tepat semakin tinggi. Atau jika rasio keuangan DER meningkat sebesar 2% maka kemungkinan ketepatan penyampaian laporan keuangan meningkat sebesar 0,98 kali atau bisa dikatakan menurun karena lebih kecil dari 1 yang berarti kemungkinan terlambat semakin tinggi.
Perhitungan dengan SPSS menggunakan Analyse è Logistik, lalu masukkan variabel terikat ke dalam variabel independent, dan variabel bebas ke dalam covariate. Klik uji statistik yang akan dianalisis, seperti Hosmer’ Low, atau Nagelkerke. Interpretasi kelayakan model menggunakan nilai Chi-Square yang diharapkan lebih kecil dari pada Chi-Square pada tabel. Chi-Square yang lebih kecil dari pada Chi-Square pada tabel berarti tidak terdapat perbedaan antara model dengan populasi atau model fit dengan data.