Gallery

Uji Heterokesdastisitas

Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya. Artinya, setiap observasi mempunyai reliabilitas yang berbeda akibat perubahan daram kondisi yang melatarbelakangi tidak terangkum dalam spesifikasi model. Gejala heteroskedastisitas lebih sering dijumpai dalam data silang tempat daripada runtut waktu, maupun juga sering muncul dalam analisis yang menggunakan data rata-rata.

Uji heteroskedastisitas dianjurkan oleh Halbert White. White berpendapat bahwa uji X2 merupakan uji umum ada tidaknya misspesifikasi model karena hipotesis not yang meiandasi adalah asumsi bahwa: (1) residual adalah homoskedastis dan merupakan variabel independen; (2) spesifikasi linear atas model sudah benar. Dengan hipotesis nol tidak ada heteroskedastisitas, jumlah observasi (n) dikalikan R2 yang diperoleh dari regresi auxiliary $ecBi& asimtotis akan mengikuti distribusi Chi-square dengan degree of’freedomsama dengan jumlah variabel independen (tidak termasuk konstanta). Bila salah satu atau kedua asumsi ini tidak dipenuhi akan mengakibatkan nilai statistik t yang signifikan. Namun bila sebaliknya, nilai statistik t tidak signifikan berarti kedua asumsi di atas dipenuhi. Artinya, model yang digunakan lolos dari masalah heteroskedastisitas.

5.3.1

Salah satu dari asumsi penting model regresi linear klasik adalah bahwa varians tiap unsure disturbance ui, tergantung (conditional) pada nilai yang dipilih dari variable yang menjelaskan, adalah suatu angka konstan yang sama dengan σ². Ini merupakan asumsi homoskedastisitas, atau penyebaran (scedasticity) sama (homo), yaitu varians yang sama. Dengan menggunakan lambang,

E(ui²)= σ²                    i = 1, 2, …, N

Ingat bahwa jika semua asumsi model regresi linear klasik dipenuhi, penaksir OLS adalah BLUE; yaitu, dalam kelas semua penaksir tak bias linear mereka mempuyai varians yang minimum. Ringkasnya, penaksir tadi efisien. Sekarang jika kita tetap memiliki semua asumsi kecuali homoskedastisitas, dapat ditunjukkan bahwa penaksir OLS tetap tidak bias dan konsisten tetapi penaksir tadi tidak lagi efisien baik dalam sample kecil maupun besar (yaitu asimtotik). Dengan perkataan lain, dalam penyampelan berulang penaksir OLS secara rata-rata sama dengan nilai populasi sebenarnya (sifat tak bias), dan dengan meningkatnya ukuran sample sampai tak terhingga penaksir tadi mengarah pada nilai sebenarnya (sifat konsistensi) tetapi variansnya tidak lagi minimum bahkan jika besarnya sample meningkat secara tak terbatas (sifat efisiensi asimtotik)

Beberapa metode informal dan formal untuk mendeteksi heteroskedasitas:

  • Sifat dasar masalah
  • Metode grafik
  • Pengujian Park
  • Pengujian Glejser

Pengujian rank korelasi dari sempurna

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s