Dalam uji parsial, statistik hitung yang kita gunakan mengikuti distribusi t-students sehingga untuk melihat apakah variabel bebas memperlihatkan efek terhadap variabel terikat signifikan atau tidak, itu menurut tabel nilai t.
Sebaliknya, apabila pengin melihat seberapa signifikan efek keseluruhan variabel bebas terhadap variabel terikat yakni dengan uji-F.
Tapi, ternyata dalam pemodelan seringkali kita temukan kasus uji parsialnya setiap variabel signifikan, namun secara simultan malah tidak signifikan. Keanehan menyerupai ini kemungkinan terjadi jawaban gangguan multikolinier antar variabel bebas dalam model. Kemungkinan lainnya yakni terjadinya kesalahan konfigurasi model sehingga meski secara individual, semua variabel bebas kuat signifikan, namun secara simultan justru tidak menggambarkan variabel terikat dalam model, contohnya terdapat variabel bebas lain yang menjadi faktor kunci dari model, namun tidak terdapat dalam model.
Sebagai ilustrasi, misalkan kita akan menggambarkan seekor gajah. Secara parsial, memang seekor gajah sanggup kita gambarkan dengan bab tubuhnya, contohnya ekor, tubuh besar dan telinga. Memang bab tubuh itu menjadi salah satu bab dari seekor gajah dan pastinya menjadi bab tubuh yang signifikan alias harus ada baik per bab maupun seluruhnya. Kendati demikian, ada bab tubuh gajah yang justru lebih menggambarkan seekor gajah secara signifikan, yaitu belalai dan gading.
Dari gambaran inilah mengapa meskipun secara parsial semua uji memperlihatkan kesignifikansian, namun justru secara simultan tidak signifikan. Pemilihan variabel bebas yang sempurna dan benar-benar mempunyai efek terhadap variabel terikat begitu besar perannya. Kesalahan konfigurasi, adanya multikolinier antar variabel bebas dan kekurangtepatan pemilihan variabel bebas akan menyebabkan uji simultan tak sinkron dengan uji parsial.
Sumber http://www.ngobrolstatistik.com/
