1 / 12

Pengujian Asumsi OLS Heteroskedastisitas

Pengujian Asumsi OLS Heteroskedastisitas. Muchdie , Ir , MS, Ph.D. FE- Uhamka. Sifat dan Konsekuensi Heteroskedastistias Deteksi Heteroskedastisitas : Metode Informal, Metode Park, Metode Glejser , Metode Korelasi Spearman, Metode GoldFeld-Quandt,Metode Breusch -Pagan, Metode White

merton
Download Presentation

Pengujian Asumsi OLS Heteroskedastisitas

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. PengujianAsumsi OLSHeteroskedastisitas Muchdie, Ir, MS, Ph.D. FE-Uhamka

  2. SifatdanKonsekuensiHeteroskedastistias • DeteksiHeteroskedastisitas: Metode Informal, Metode Park, MetodeGlejser, MetodeKorelasi Spearman, MetodeGoldFeld-Quandt,MetodeBreusch-Pagan, Metode White • PenyembuhanHeteroskedastisitas: Metode White, PolaHeteroskedastisitas, MetodeTransformasi • Lampiran-Lampiran PokokBahasan

  3. Asumsibahwagangguanbersifatsama (homoskedastisitas) berartigangguanbersifatseragam, jikatidakseragam (heteroskedastisitas). • Heteroskedastisitasterjadipada data cross-section karenaberbedanyaukuranmenyebabkanvarian yang beragam. • Contohdgnukuranperusahaan yang berbedaakanmengakibatkanberagamnyanilaiserapantenagakerjakarenaoutputnyajugaberagam. Ukuranrumahtangga yang berbedaakanmenyebabkanberagamnyapendapatandantabungan. SifatHeteroskedastisitas

  4. Jikaterdapatheteroskedastisitas, apakahmasihdihasilkan estimator yang BLUE ? • JikaterjadiHeteroskedastisitas : • Estimator masih linier • Estimator masihtidak bias • Estimator TIDAK LAGI mempunyaivarian yang minimum, taklagi Best • Jadi, jikaterdapatheteroskedastisitas, estimator dgnmetode OLS tidaklagi BLUE, tetapi LUE. • Apakonsekuensinya ? • Jika Varian TIDAK MINIMUM  Standar Error tdkdapatdipercayalagi. • Akibatnya, Interval EstimasidanUjiHipotesistidaklagibisadipercaya.. AkibatHeteroskedastisitas

  5. Metode Informal melaluiScatter Diagram, antara Residual denganVariabelIndependennya • MetodePark, masalahheterogennyavariabelgangguanberhubungandgnvariabelindependennya. TahapanMetodePark : • Melakukanregresiterhadap model yang adadandapatkanresidualnya. • Lakukanregresiterhadap residual kuadratterhadapvariabelindependen • Jika t-hitung < t-tabelartinyatidakadamasalahheteroskedastisitasdansebaliknya. • Contoh, penyerapantenagakerjaindustri DeteksiHeteroskedastisitas

  6. MetodeGlejser, sebesarnyaberpendapatsamadengan Park danakhliekonometrikalainnya. • Gejsermelakukanregresinilaiabsolut residual denganvariabelindependennya. • Sebagaimanahalnyadengan Park, Glejsermenyatakanjikauji t tdksignifikanberartitidakadaheteroskedastisitas. • MetodeKorelasi Rank Spearman, dgntahapan : • Lakukanregresidandapatkanresidualnya. • Nilaiabsolut residual diranking, juganilaivariabelindependen-nya. Korelasinyakeduanya • Jika t-hitunglebihbesardari t-tabelmakaterdapatheteroskedastisitas (Gunakanrumus Spearman utkmendapatkannilai t-hitung) • Contoh : Penyerapantenagakerjasektorindustri DeteksiHeteroskedastisitas

  7. MetodeGoldFeld-Quant : bahwaheteroskedastisitasmerupakanfungsipositifdarivariabelindependend. Jikavariabelgangguanterusnaik, makaakanadamasalahheteroskedastisitas. • MetodeGoldFeld-Quantmeliputiperhitunganduaregresi : • Regresipertama, kelompok data dengangangguan yang rendah • Regresikedua, kelompok data dengangangguan yang tinggi • Jikavarianvariabelgangguandikeduakelompoktersebutsama, makatidakadaheteroskedastisitas DeteksiHeteroskedastisitas

  8. TahapanMetodeGoldFeld-Quant : • Mengurutkan data Y dan X dari yang terendahketertinggi • Menghilangkannilaiobservasi yang ditengah, jumlahnyatergantung n • Regresikanmasing-masingkelompok data tersebut • Dapatkan RSS1 dengannilai X yang kecil, dan RSS2 dengannilai X yang besar • HitungRasio = (RSS2/df)/(RSS1/df) • Jikanilaihitung (sesuaidistribusi F) lebihbesardarinilaitabel, makatidakadamasalah HETEROSKEDASTISITAS • ContohAnalisisIndustridengan ISIC 3 Digit DeteksiHeteroskedastisitas

  9. Metode White : tidakmemerlukanasumsinormalitaspadavariabelgangguan • TahapanMetode White : • Estimasipersamaanregresidandapatkanresidualnya • Lakukanregresi Auxiliary tanpaperkalianantarvariabelindependen • Lakukanregresidenganperkalianantarvariabelindependen • Pengujiandidasarkan Chi-square (n x R2) • Jika Ch-Square hitung > Chi-Square tabelberartiadaheteroskedastisitaspada model DeteksiHeteroskedastisitas

  10. Penyembuhanmasalahheteroskedastisitastergantungkpedapengetahuankitatentangvariabelgangguan.Penyembuhanmasalahheteroskedastisitastergantungkpedapengetahuankitatentangvariabelgangguan. • Jikavariandiketahui, diatasidengan WLS (Weigthed Least Squares), dengancaramembagisemuasukupersamaanregresidengannilaivariannya. • Seringkalivariantdkdiketahui, sehinggaperludiketauipoladarivarianvariabelgangguan PenyembuhanHeteroskedastisitas

  11. Metode White PenyembuhanHeteroskedastisitas

  12. PolaHeteroskedastisitas PenyembuhanHeteroskedastisitas

More Related