Modul Path 2006

22
Path Analysis Asal daripada path analysis bermula dari Sewall Wright (Tacq, 1998; Dillon and Goldstein, 1984). Wright mengembangkan metoda tersebut sebagai alat untuk mempelajari efek langsung dan efek tidak langsung dari suatu variabel, dimana beberapa variabel dipandang sebagai penyebab variabel lainnya. Asumsi Efektivitas penggunanan path analysis tergantung pada sejumlah asumsi sebagai berikut. 1. Model dalam path analysis menganggap bahwa hubungan diantara variabel-variabel adalah linear dan aditif; model curvilinear dan multiplicative tidak digunakan. 2. Semua error terms atau residuals dianggap tidak berkorelasi satu dengan lainnya. 3. Hanya model recursive yang dipertimbangkan; yaitu, hanya ada satu- arah aliran kausalitas (sebab-akibat) dalam system; sebab-akibat resiprokal antara variabel tidak diperkenankan. 4. Model path-analysis mengasumsikan bahwa variabel endogen setidaknya memiliki skala interval. 5. Variabel terobservasi terukur tanpa kesalahan. 6. Model yang digunakan memiliki spesifikasi yang benar; yaitu, semua determinan penyebab telah dimasukkan dalam model. Jenis Model Path Ada dua jenis dasar daripada model path, yaitu recursive dan nonrecursive. Dari ke dua jenis tersebut, model recursive paling gambling dan mempunyai dua karakteristik dasar, yaitu: disturbance-nya atau error term tidak berkorelasi, dan semua efek kausal bersifat atu arah. Sedangkan model nonrecursive mempunyai putaran arus bolak balik (feedback loops) atau mungkin disturbance-nya berkorelasi. Jenis model path ditunjukkan pada gambar. Model a adalah model recursive karena disturbance-nya independen, yaitu D 1 dan D 2 tidak berkorelasi satu dengan lainnya, dan tidak ada variabel yang berperan keduanya baik sebagai penyebab dan sebagai akibat daripada variabel lainnya. Misalnya, Y 1 dan X 2 berpengaruh langsung terhadap Y 2 , X 1 berpengaruh tak langsung terhadap Y 2 melalui Y 1 , tetapi Y 2 tidak mempunyai efek balik langsung pada variabel yang mempengaruhinya. Sebaliknya, model b adalah nonrecursive karena model tersebut memiliki arus bolak balik dimana Y 1 dan Y 2 saling mempengaruhi satu dengan lainnya. Model ini juga disturbance-nya berkorelasi satu dengan lainnya. Model lainnya ditunjukkan pada gambar c dan d yang mempunyai satu arah efek langsung dan disturbance-nya berkorelasi. Ke dua model ini tidak konsisten dalam SEM. Model ini disebut pula partially recursive. Perbedaan antara model recursive dan nonrecursive mempunyai beberapa implikasi, baik secara konseptual maupun praktikal. Pada model 1 Path Analysis: I Komang Gde Bendesa 1

description

Path Analysis Structural Equation Model

Transcript of Modul Path 2006

Page 1: Modul Path 2006

Path Analysis Asal daripada path analysis bermula dari Sewall Wright (Tacq, 1998;

Dillon and Goldstein, 1984). Wright mengembangkan metoda tersebut sebagai alat untuk mempelajari efek langsung dan efek tidak langsung dari suatu variabel, dimana beberapa variabel dipandang sebagai penyebab variabel lainnya.

Asumsi Efektivitas penggunanan path analysis tergantung pada sejumlah asumsi

sebagai berikut. 1. Model dalam path analysis menganggap bahwa hubungan diantara

variabel-variabel adalah linear dan aditif; model curvilinear dan multiplicative tidak digunakan.

2. Semua error terms atau residuals dianggap tidak berkorelasi satu dengan lainnya.

3. Hanya model recursive yang dipertimbangkan; yaitu, hanya ada satu-arah aliran kausalitas (sebab-akibat) dalam system; sebab-akibat resiprokal antara variabel tidak diperkenankan.

4. Model path-analysis mengasumsikan bahwa variabel endogen setidaknya memiliki skala interval.

5. Variabel terobservasi terukur tanpa kesalahan. 6. Model yang digunakan memiliki spesifikasi yang benar; yaitu, semua

determinan penyebab telah dimasukkan dalam model.

Jenis Model Path Ada dua jenis dasar daripada model path, yaitu recursive dan nonrecursive. Dari ke dua jenis tersebut, model recursive paling gambling dan mempunyai dua karakteristik dasar, yaitu: disturbance-nya atau error term tidak berkorelasi, dan semua efek kausal bersifat atu arah. Sedangkan model nonrecursive mempunyai putaran arus bolak balik (feedback loops) atau mungkin disturbance-nya berkorelasi. Jenis model path ditunjukkan pada gambar. Model a adalah model recursive karena disturbance-nya independen, yaitu D1 dan D2 tidak berkorelasi satu dengan lainnya, dan tidak ada variabel yang berperan keduanya baik sebagai penyebab dan sebagai akibat daripada variabel lainnya. Misalnya, Y1 dan X2 berpengaruh langsung terhadap Y2, X1 berpengaruh tak langsung terhadap Y2 melalui Y1, tetapi Y2 tidak mempunyai efek balik langsung pada variabel yang mempengaruhinya.

Sebaliknya, model b adalah nonrecursive karena model tersebut memiliki arus bolak balik dimana Y1 dan Y2 saling mempengaruhi satu dengan lainnya. Model ini juga disturbance-nya berkorelasi satu dengan lainnya. Model lainnya ditunjukkan pada gambar c dan d yang mempunyai satu arah efek langsung dan disturbance-nya berkorelasi. Ke dua model ini tidak konsisten dalam SEM. Model ini disebut pula partially recursive.

Perbedaan antara model recursive dan nonrecursive mempunyai beberapa implikasi, baik secara konseptual maupun praktikal. Pada model

PATH ANALYSIS: I Komang Gde Bendesa 1 Path Analysis: I Komang Gde Bendesa 1

Page 2: Modul Path 2006

recursive, asumsi yang digunakan adalah efek kausal satu arah dan disturbance-nya independen satu dengan lainnya apabila ada efek langsung diantara variabel endogen. Hal ini membuat analisis statistik untuk keperluan model tersebut menjadi sederhana, yaitu regresi berganda dapat digunakan untuk mengestimasi model recursive. Meskipun demikian, model recursive sangat restriktif. Misalnya, efek kausal yang tidak satu arah atau disturbance yang berkorelasi dalam suatu model dengan efek langsung antara variable endogen (misalnya model d) tidak dapat di lakukan dalam model recursive. Meskipun jenis efek ini dapat dilakukan dalam model nonrecursive, tetapi model tersebut tidak dapat di analisis dengan regresi berganda.

X2

X1

Y2

Y1

Y1X1

Y2X2

X2 Y2

X1 Y1

X2

X1 Y1

Y2

D

D

D D

D

D D

D

a. Recursive

c. Considered Recursive d. Considered Nonrecursive

b. Nonrecursive

Dari gambar a, b, c, dan d diatas, jumlah dan jenis parameter masing-masing model ditunjukkan pada tabel. Seperti telah dijelaskan sebelumnya pada bagian identifikasi, karena ada 4 variabel terukur dalam setiap model, maka jumlah parameter pada setiap model adalah 4(5)/2=10.

PATH ANALYSIS: I Komang Gde Bendesa 2 Path Analysis: I Komang Gde Bendesa 2

Page 3: Modul Path 2006

Tabel Jenis dan Jumlah Parameter Model Recursive dan Nonrecursive

Jenis parameter Variabel eksogin Efek langsung pada Variances Covariances variabel endogin Total a. Recursive X1, X2 X1↔X2 X1↔Y1 X2↔Y1 10 D1, D2 X1↔Y2 X2↔Y2 Y1↔Y2 b. Nonrecursive X1, X2 X1↔X2 X1↔Y1 X2↔Y2 10 D1, D2 D1↔D2 Y1↔Y2 Y2↔Y1 c. Considered Recursive X1, X2 X1↔X2 X1↔Y1 X2↔Y1 10 D1, D2 D1↔D2 X1↔Y2 X2↔Y2 d. Considered Nonrecursive

X1, X2 X1↔X2 X1↔Y1 X2↔Y2 9

D1, D2 D1↔D2 Y1↔Y2 Contoh

Berikut adalah contoh model recursive dengan analisis regresi berganda, LISREL, dan AMOS. Keduanya memberikan hasil yang sama. Analisis regresi berganda diberikan secara rinci, sedangkan untuk hasil Lisrel dan AMOS agar mahasiswa mencermatinya.

X1

X2

X4

X5

X3

d3

d1

d2

Gambar Model recursive

PATH ANALYSIS: I Komang Gde Bendesa 3 Path Analysis: I Komang Gde Bendesa 3

Page 4: Modul Path 2006

X1

X2

X4

X5

X3 0,386

0,190

0,308

0,010

0,794

0,052

-0,063

-0,001

-0,352

d3

d1

d2

Efek variabel dependen pada variabel independen dihitung sbb: X1-X3 = 0,386 X1-X3-X4 = 0,386 * -0,063 = -0,024 X1-X4 = 0,190 X1-X3-X5 = 0,386 * 0,052 = 0,020 X1-X5 = 0,010 X1-X3-X4-X5 = 0,386 * -0,063 * 0,794 = -0,019 X2-X3 = -0,352 X2-X3-X4 = -0,352 * -0,063 = 0,022 X2-X4 = 0,308 X2-X3-X5 = -0,352 * 0,052 = -0,018 X2-X5 = -0,001 X2-X4-X5 = 0,308 * 0,794 = 0,245 X3-X4 = -0,063 X3-X4-X5 = -0,063 * 0,794 = -0,050 X3-X5 = 0,052 X4-X5 = 0,794

Tabel 1 Regresi untuk menghasilkan koefisien jalur dan varian disturbance

Koefisien Regresi Dependen Prediktor Takterstandardisasi Standardisasi R2 (1-R2)

X3 X1 0,405 (0.090)** 0,386 0,368 0,632 X2 -0,409 (0,100)** -0,352

X4 X1 0,163 (0,097)* 0,190 0,101 0,809 X2 0,291 (0,106)** 0,308 X3 -0,051 (0,099) -0,063

X5 X1 0,006 (0,044) 0,010 0,625 0,375 X2 -0,001 (0,049) -0,001 X3 0,029 (0,044) 0,052 X4 0,054 (0,045)** 0,794

* signifikan pada p<0,01 ** signifikan pada p<0,001

PATH ANALYSIS: I Komang Gde Bendesa 4 Path Analysis: I Komang Gde Bendesa 4

Page 5: Modul Path 2006

Tabel 2 Dekomposisi Efek Standardisasi untuk Model Jalur X5

Variabel endogin Variabel penyebab X3 X4 X5

X1 Efek langsung 0,386 0,190 0,010 Efek tak langsung -0,024 0,152 Tak langsung melalui X3 -0,024 0,020 Tak langsung melalui X4 0,151 Tak langsung melalui X3 dan X4 -0,019 Efek total 0,386 0,166 0,162 X2 Efek langsung -0,352 0,308 -0,001 Efek tak langsung 0,022 0,245 Tak langsung melalui X3 0,022 -0,018 Tak langsung melalui X4 0,245 Tak langsung melalui X3 dan X4 0,018 Efek total -0,352 0,330 0,244 X3 Efek langsung -0,063 0,052 Tak langsung melalui X4 -0,050 Efek total -0,063 0,002 X4 Efek langsung 0,794

PATH ANALYSIS: I Komang Gde Bendesa 5 Path Analysis: I Komang Gde Bendesa 5

Page 6: Modul Path 2006

Lampiran 1 Analisis Regresi dengan Program SPSS

PATH ANALYSIS: I Komang Gde Bendesa 6 Path Analysis: I Komang Gde Bendesa 6

Page 7: Modul Path 2006

PATH ANALYSIS: I Komang Gde Bendesa 7 Path Analysis: I Komang Gde Bendesa 7

Page 8: Modul Path 2006

Lampiran Tabel Hasil Perhitungan dengan SPSS GET FILE='D:\KUANTITATIF\PATHATCO.sav'. CORRELATIONS /VARIABLES=x1 x2 x3 x4 x5 /PRINT=TWOTAIL NOSIG /STATISTICS DESCRIPTIVES XPROD /MISSING=PAIRWISE . Correlations

X1 X2 X3 X4 X5 Pearson Correlation 1 -.349(**) .509(**) .050 .077

Sig. (2-tailed) . .000 .000 .618 .446 Sum of Squares and Cross-products

172.688 -54.596 92.329 7.458 7.772

Covariance 1.744 -.551 .933 .075 .079

X1

N 100 100 100 100 100 Pearson Correlation -.349(**) 1 -.487(**) .272(**) .186

Sig. (2-tailed) .000 . .000 .006 .064 Sum of Squares and Cross-products

-54.596 141.530 -79.962 36.453 16.994

Covariance -.551 1.430 -.808 .368 .172

X2

N 100 100 100 100 100 Pearson Correlation .509(**) -.487(**) 1 -.116 -.034

Sig. (2-tailed) .000 .000 . .250 .735 Sum of Squares and Cross-products

92.329 -79.962 190.316 -18.031 -3.631

Covariance .933 -.808 1.922 -.182 -.037

X3

N 100 100 100 100 100 Pearson Correlation .050 .272(**) -.116 1 .788(**)

Sig. (2-tailed) .618 .006 .250 . .000 Sum of Squares and Cross-products

7.458 36.453 -18.031 126.730 68.058

Covariance .075 .368 -.182 1.280 .687

X4

N 100 100 100 100 100 Pearson Correlation .077 .186 -.034 .788(**) 1

Sig. (2-tailed) .446 .064 .735 .000 . Sum of Squares and Cross-products

7.772 16.994 -3.631 68.058 58.828

Covariance .079 .172 -.037 .687 .594

X5

N 100 100 100 100 100 ** Correlation is significant at the 0.01 level (2-tailed). REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT x3 /METHOD=ENTER x1 x2.

PATH ANALYSIS: I Komang Gde Bendesa 8 Path Analysis: I Komang Gde Bendesa 8

Page 9: Modul Path 2006

Regression 1 Model Summary

Model R R Square Adjusted R

Square Std. Error of the

Estimate 1 .607(a) .368 .355 1.1132

a Predictors: (Constant), X2, X1 ANOVA(b)

Model Sum of

Squares df Mean Square F Sig. Regression 70.108 2 35.054 28.286 .000(a) Residual 120.209 97 1.239

1

Total 190.316 99 a Predictors: (Constant), X2, X1 b Dependent Variable: X3 Coefficients(a)

Unstandardized Coefficients Standardized Coefficients

Model B Std. Error Beta t Sig. (Constant) 7.435 .471 15.797 .000 X1 .405 .090 .386 4.485 .000

1

X2 -.409 .100 -.352 -4.091 .000 a Dependent Variable: X3

Regression 2 Model Summary

Model R R Square Adjusted R

Square Std. Error of the

Estimate 1 .317(a) .101 .073 1.0896

a Predictors: (Constant), X3, X2, X1 ANOVA(b)

Model Sum of

Squares df Mean Square F Sig. Regression 12.759 3 4.253 3.582 .017(a) Residual 113.971 96 1.187

1

Total 126.730 99 a Predictors: (Constant), X3, X2, X1 b Dependent Variable: X4 Coefficients(a)

Unstandardized Coefficients Standardized Coefficients

Model B Std. Error Beta t Sig. (Constant) 4.392 .871 5.044 .000 X1 .163 .097 .190 1.673 .097 X2 .291 .106 .308 2.753 .007

1

X3 -.051 .099 -.063 -.516 .607 a Dependent Variable: X4

PATH ANALYSIS: I Komang Gde Bendesa 9 Path Analysis: I Komang Gde Bendesa 9

Page 10: Modul Path 2006

Regression 3 Model Summary

Model R R Square Adjusted R

Square Std. Error of the

Estimate 1 .790(a) .625 .609 .4821

a Predictors: (Constant), X4, X1, X2, X3 ANOVA(b)

Model Sum of

Squares df Mean Square F Sig. Regression 36.749 4 9.187 39.531 .000(a) Residual 22.078 95 .232

1

Total 58.828 99 a Predictors: (Constant), X4, X1, X2, X3 b Dependent Variable: X5 Coefficients(a)

Unstandardized Coefficients Standardized Coefficients

Model B Std. Error Beta t Sig. (Constant) -.423 .433 -.976 .331 X1 .006 .044 .010 .136 .892 X2 -.001 .049 -.001 -.011 .991 X3 .029 .044 .052 .660 .511

1

X4 .541 .045 .794 11.980 .000 a Dependent Variable: X5

PATH ANALYSIS: I Komang Gde Bendesa 10 Path Analysis: I Komang Gde Bendesa 10

Page 11: Modul Path 2006

Lampiran Program Lisrel untuk Model Recursive

PATH ANALYSIS: I Komang Gde Bendesa 11 Path Analysis: I Komang Gde Bendesa 11

Page 12: Modul Path 2006

Lampiran Tabel Hasil Perhitungan dengan LISREL L I S R E L 8.30 BY Karl G. Jöreskog and Dag Sörbom This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Chicago, IL 60646-1704, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-99 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file D:\SEM\PATH.LS8: DA NI=5 NO=100 MA=KM LA X1 X2 X3 X4 X5 KM 1.000 -.349 1.000 .509 -.487 1.000 .050 .272 -.116 1.000 .077 .186 -.034 .788 1.000 SE 3 4 5 1 2 3 MO NY=3 NX=2 BE=SD PS=DI PD OU SE TV EF ND=3 Number of Input Variables 5 Number of Y - Variables 3 Number of X - Variables 2 Number of ETA - Variables 3 Number of KSI - Variables 2 Number of Observations 100

PATH ANALYSIS: I Komang Gde Bendesa 12 Path Analysis: I Komang Gde Bendesa 12

Page 13: Modul Path 2006

path analysis Correlation Matrix to be Analyzed

X3 X4 X5 X1 X2 X3 1.000 X4 -0.116 1.000 X5 -0.034 0.788 1.000 X1 0.509 0.050 0.077 1.000 X2 -0.487 0.272 0.186 -0.349 1.000 Parameter Specifications BETA

X3 X4 X5 X3 0 0 0 X4 1 0 0 X5 2 3 0 GAMMA

X1 X2 X3 4 5 X4 6 7 X5 8 9 PHI

X1 X2 X1 10 X2 11 12 PSI Note: This matrix is diagonal.

X3 X4 X5 13 14 15

Number of Iterations = 0 LISREL Estimates (Maximum Likelihood) BETA

X3 X4 X5 X3 - - - - - -X4 -0.062 - - (0.121) -0.516 X5 0.052 0.794 - (0.078) (0.066) 0.669 12.098 GAMMA

X1 X2

X3 0.386 -0.352 (0.086) (0.086) 4.482 -4.090 X4 0.189 0.308

PATH ANALYSIS: I Komang Gde Bendesa 13 Path Analysis: I Komang Gde Bendesa 13

Page 14: Modul Path 2006

(0.113) (0.111) 1.675 2.764 X5 0.010 -0.001 (0.074) (0.075) 0.140 -0.010 Covariance Matrix of Y and X X3 X4 X5 X1 X2 X3 1.000 X4 -0.116 1.000 X5 -0.034 0.788 1.000 X1 0.509 0.050 0.077 1.000 X2 -0.487 0.272 0.186 -0.349 1.000 PHI

X1 X2 X1 1.000 (0.144) 6.964 X2 -0.349 1.000 (0.108) (0.144) -3.245 6.964 PSI

Note: This matrix is diagonal. X3 X4 X5

0.632 0.900 0.376 (0.091) (0.129) (0.054) 6.964 6.964 6.964

Squared Multiple Correlations for Structural Equations

X3 X4 X5 0.368 0.100 0.624

Goodness of Fit Statistics Degrees of Freedom = 0 Minimum Fit Function Chi-Square = 0.00 (P = 1.000) Normal Theory Weighted Least Squares Chi-Square = 0.00 (P = 1.000) The Model is Saturated, the Fit is Perfect ! Total and Indirect Effects Total Effects of X on Y

X1 X2 X3 0.386 -0.352 (0.086) (0.086) 4.482 -4.090 X4 0.165 0.330 (0.103) (0.103) 1.604 3.203 X5 0.162 0.242 (0.105) (0.105) 1.536 2.304

PATH ANALYSIS: I Komang Gde Bendesa 14 Path Analysis: I Komang Gde Bendesa 14

Page 15: Modul Path 2006

Indirect Effects of X on Y X1 X2 X3 - - - -X4 -0.024 0.022 (0.047) (0.043) -0.512 0.512 X5 0.151 0.243 (0.088) (0.088) 1.721 2.749 Total Effects of Y on Y X3 X4 X5 X3 - - - - - -X4 -0.062 - - (0.121) -0.516 X5 0.003 0.794 - (0.124) (0.066) 0.023 12.098 Indirect Effects of Y on Y

X3 X4 X5 X3 - - - - - -X4 - - -X5 -0.050 - - (0.096) -0.515

PATH ANALYSIS: I Komang Gde Bendesa 15 Path Analysis: I Komang Gde Bendesa 15

Page 16: Modul Path 2006

Lampiran Program AMOS untuk Model Recursive

PATH ANALYSIS: I Komang Gde Bendesa 16 Path Analysis: I Komang Gde Bendesa 16

Page 17: Modul Path 2006

PATH ANALYSIS: I Komang Gde Bendesa 17 Path Analysis: I Komang Gde Bendesa 17

Page 18: Modul Path 2006

Lampiran Tabel Hasil Perhitungan dengan AMOS Your model contains the following variables x3 observed endogenous x5 observed endogenous x4 observed endogenous x1 observed exogenous x2 observed exogenous d1 unobserved exogenous d2 unobserved exogenous d3 unobserved exogenous Number of variables in your model: 8 Number of observed variables: 5 Number of unobserved variables: 3 Number of exogenous variables: 5 Number of endogenous variables: 3 Regression Weights Estimate S.E. C.R. P Label x3 <-- x1 0.405 0.089 4.531 0.000 par-1 x3 <-- x2 -0.409 0.099 -4.133 0.000 par-4 x4 <-- x1 0.163 0.096 1.699 0.089 par-3 x4 <-- x2 0.291 0.104 2.796 0.005 par-5 x4 <-- x3 -0.051 0.098 -0.524 0.600 par-7 x5 <-- x1 0.006 0.043 0.139 0.890 par-2 x5 <-- x2 -0.001 0.048 -0.012 0.991 par-6 x5 <-- x3 0.029 0.043 0.674 0.500 par-8 x5 <-- x4 0.541 0.044 12.230 0.000 par-9 Standardized Regression Weights Estimate x3 <-- x1 0.386 x3 <-- x2 -0.352 x4 <-- x1 0.190 x4 <-- x2 0.308 x4 <-- x3 -0.063 x5 <-- x1 0.010 x5 <-- x2 -0.001 x5 <-- x3 0.052 x5 <-- x4 0.794 Covariances Estimate S.E. C.R. P Label x1 <--> x2 -0.546 0.166 -3.280 0.001 par-10

PATH ANALYSIS: I Komang Gde Bendesa 18 Path Analysis: I Komang Gde Bendesa 18

Page 19: Modul Path 2006

Correlations Estimate x1 <--> x2 -0.349 Variances Estimate S.E. C.R. P Label x1 1.727 0.245 7.036 0.000 par-11 x2 1.415 0.201 7.036 0.000 par-12 d1 1.202 0.171 7.036 0.000 par-13 d3 1.140 0.162 7.036 0.000 par-14 d2 0.221 0.031 7.036 0.000 par-15 Squared Multiple Correlations Estimate x3 0.368 x4 0.101 x5 0.625 Total Effects - Estimates x2 x1 x3 x4 x3 -0.409 0.405 0.000 0.000 x4 0.312 0.142 -0.051 0.000 x5 0.157 0.094 0.001 0.541 Standardized Total Effects - Estimates x2 x1 x3 x4 x3 -0.352 0.386 0.000 0.000 x4 0.330 0.166 -0.063 0.000 x5 0.243 0.162 0.002 0.794 Direct Effects - Estimates x2 x1 x3 x4 x3 -0.409 0.405 0.000 0.000 x4 0.291 0.163 -0.051 0.000 x5 -0.001 0.006 0.029 0.541 Standardized Direct Effects - Estimates x2 x1 x3 x4 x3 -0.352 0.386 0.000 0.000 x4 0.308 0.190 -0.063 0.000 x5 -0.001 0.010 0.052 0.794

PATH ANALYSIS: I Komang Gde Bendesa 19 Path Analysis: I Komang Gde Bendesa 19

Page 20: Modul Path 2006

Indirect Effects - Estimates x2 x1 x3 x4 x3 0.000 0.000 0.000 0.000 x4 0.021 -0.021 0.000 0.000 x5 0.157 0.089 -0.028 0.000 Standardized Indirect Effects - Estimates x2 x1 x3 x4 x3 0.000 0.000 0.000 0.000 x4 0.022 -0.024 0.000 0.000 x5 0.244 0.152 -0.050 0.000

PATH ANALYSIS: I Komang Gde Bendesa 20 Path Analysis: I Komang Gde Bendesa 20

Page 21: Modul Path 2006

Fit Measures Fit Measure Default Saturated Independence Discrepancy 0.000 0.000 165.889 Degrees of freedom 0 0 10 P 0.000 Number of parameters 15 15 5 Discrepancy/df 16.589 RMR 0.000 0.000 0.405 GFI 1.000 1.000 0.646 Adjusted GFI 0.469 Parsimony-adjusted GFI 0.430 Normed fit index 1.000 1.000 0.000 Relative fit index 0.000 Incremental fit index 1.000 1.000 0.000 Tucker-Lewis index 0.000 Comparative fit index 1.000 1.000 0.000 Parsimony ratio 0.000 0.000 1.000 Parsimony-adjusted NFI 0.000 0.000 0.000 Parsimony-adjusted CFI 0.000 0.000 0.000 Noncentrality parameter estimate 0.000 0.000 155.889 NCP lower bound 0.000 0.000 117.817 NCP upper bound 0.000 0.000 201.401 FMIN 0.000 0.000 1.676 F0 0.000 0.000 1.575 F0 lower bound 0.000 0.000 1.190 F0 upper bound 0.000 0.000 2.034 RMSEA 0.397 RMSEA lower bound 0.345 RMSEA upper bound 0.451 P for test of close fit 0.000 Akaike information criterion (AIC) 30.000 30.000 175.889 Browne-Cudeck criterion 31.935 31.935 176.534 Bayes information criterion 93.219 93.219 196.962 Consistent AIC 84.078 84.078 193.915 Expected cross validation index 0.303 0.303 1.777 ECVI lower bound 0.303 0.303 1.392 ECVI upper bound 0.303 0.303 2.236 MECVI 0.323 0.323 1.783 Hoelter .05 index 11 Hoelter .01 index 14

PATH ANALYSIS: I Komang Gde Bendesa 21 Path Analysis: I Komang Gde Bendesa 21

Page 22: Modul Path 2006

Tabel Data Path Analysis

No X1 X2 X3 X4 X5 No X1 X2 X3 X4 X5 1 4.1 .6 6.9 4.7 2.3 51 3.7 .7 8.2 6.0 2.5 2 1.8 3.0 6.3 6.6 4.0 52 2.6 4.8 8.2 5.0 2.5 3 3.4 5.2 5.7 6.0 2.7 53 4.5 4.1 6.3 5.9 3.4 4 2.7 1.0 7.1 5.9 2.3 54 2.8 2.4 6.7 4.9 2.6 5 6.0 .9 9.6 7.8 4.6 55 3.8 .8 8.7 2.9 2.1 6 1.9 3.3 7.9 4.8 1.9 56 2.9 2.6 7.7 7.0 3.6 7 4.6 2.4 9.5 6.6 4.5 57 4.9 4.4 7.4 6.9 4.0 8 1.3 4.2 6.2 5.1 2.2 58 5.4 2.5 9.6 5.5 3.0 9 5.5 1.6 9.4 4.7 3.0 59 4.3 1.8 7.6 5.4 2.5

10 4.0 3.5 6.5 6.0 3.2 60 2.3 4.5 8.0 4.7 2.2 11 2.4 1.6 8.8 4.8 2.8 61 3.1 1.9 9.9 4.5 3.1 12 3.9 2.2 9.1 4.6 2.5 62 5.1 1.9 9.2 5.8 2.3 13 2.8 1.4 8.1 3.8 1.4 63 4.1 1.1 9.3 5.5 2.7 14 3.7 1.5 8.6 5.7 3.7 64 3.0 3.8 5.5 4.9 2.6 15 4.7 1.3 9.9 6.7 2.6 65 1.1 2.0 7.2 4.7 3.2 16 3.4 2.0 9.7 4.7 1.7 66 3.7 1.4 9.0 4.5 2.3 17 3.2 4.1 5.7 5.1 2.9 67 4.2 2.5 9.2 6.2 3.9 18 4.9 1.8 7.7 4.3 1.5 68 1.6 4.5 6.4 5.3 2.5 19 5.3 1.4 9.7 6.1 3.9 69 5.3 1.7 8.5 3.7 1.9 20 4.7 1.3 9.9 6.7 2.6 70 2.3 3.7 8.3 5.2 2.3 21 3.3 .9 8.6 4.0 1.8 71 3.6 5.4 5.9 6.2 2.9 22 3.4 .4 8.3 2.5 1.7 72 5.6 2.2 8.2 3.1 1.6 23 3.0 4.0 9.1 7.1 3.4 73 3.6 2.2 9.9 4.8 1.9 24 2.4 1.5 6.7 4.8 2.5 74 5.2 1.3 9.1 4.5 2.7 25 5.1 1.4 8.7 4.8 2.6 75 3.0 2.0 6.6 6.6 2.7 26 4.6 2.1 7.9 5.8 2.8 76 4.2 2.4 9.4 4.9 2.7 27 2.4 1.5 6.6 4.8 2.5 77 3.8 .8 8.3 6.1 2.6 28 5.2 1.3 9.7 6.1 3.9 78 3.3 2.6 9.7 3.3 1.5 29 3.5 2.8 9.9 3.5 1.7 79 1.0 1.9 7.1 4.5 3.1 30 4.1 3.7 5.9 5.5 3.0 80 4.5 1.6 8.7 4.6 2.1 31 3.0 3.2 6.0 5.3 3.0 81 5.5 1.8 8.7 3.8 2.1 32 2.8 3.8 8.9 6.9 3.2 82 3.4 4.6 5.5 8.2 4.4 33 5.2 2.0 9.3 5.9 2.4 83 1.6 2.8 6.1 6.4 3.8 34 3.4 3.7 6.4 5.7 3.4 84 2.3 3.7 7.6 5.0 2.5 35 2.4 1.0 7.7 3.4 1.1 85 2.6 3.0 8.5 6.0 2.8 36 1.8 3.3 7.5 4.5 2.4 86 2.5 3.1 7.0 4.2 2.2 37 3.6 4.0 5.8 5.8 2.5 87 2.4 2.9 8.4 5.9 2.7 38 4.0 .9 9.1 5.4 2.6 88 2.1 3.5 7.4 4.8 2.3 39 .0 2.1 6.9 5.4 2.6 89 2.9 1.2 7.3 6.1 2.5 40 2.4 2.0 6.4 4.5 2.2 90 4.3 2.5 9.3 6.3 4.0 41 1.9 3.4 7.6 4.6 2.5 91 3.0 2.8 7.8 7.1 3.8 42 5.9 .9 9.6 7.8 4.6 92 4.8 1.7 7.6 4.2 1.4 43 4.9 2.3 9.3 4.5 1.3 93 3.1 4.2 5.1 7.8 4.0 44 5.0 1.3 8.6 4.7 2.5 94 1.9 2.7 5.0 4.9 2.5 45 2.0 2.6 6.5 3.7 1.7 95 4.0 .5 6.7 4.5 2.1 46 5.0 2.5 9.4 4.6 1.4 96 .6 1.6 6.4 5.0 2.1 47 3.1 1.9 10.0 4.5 3.2 97 6.1 .5 9.2 4.8 2.8 48 3.4 3.9 5.6 5.6 2.3 98 2.0 2.8 5.2 5.0 2.7 49 5.8 .2 8.8 4.5 2.4 99 3.1 2.2 6.7 6.8 2.9 50 5.4 2.1 8.0 3.0 1.4 100 2.5 1.8 9.0 5.0 3.0

Sumber: Hair et al., 1998

PATH ANALYSIS: I Komang Gde Bendesa 22 Path Analysis: I Komang Gde Bendesa 22