310 likes | 565 Views
KELOMPOK 4. Mardha Tila Septiana 11.6767 Mega Ingga Melati 11.6778 Mega Thursina 11.6779 Miftahul Jannah 11.6784. Heteroskedastisitas. A. Pengertian B. Pengujian C. Cara Mengatasi. Pengertian.
E N D
KELOMPOK 4 MardhaTilaSeptiana11.6767 Mega Ingga Melati 11.6778 Mega Thursina 11.6779 MiftahulJannah 11.6784
Heteroskedastisitas A. Pengertian B. Pengujian C. Cara Mengatasi
Salah satu asumsi dalam regresi OLS adalah distribusi residual/eror sama (homoskedastis). Asumsi homoskedastisitas : Heteroskedastisitas adalah adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi.
Dampak adanya heteroskedastisitas pada estimator OLS 1. Estimator masih tidak bias 2.Estimator masih konsisten 3. Estimator tidak efisien yaitu varians dari estimator tidakminimum (kehilangan estimator yang bersifat B.L.U.E), sehingga persamaan sulit diandalkan sebagai alat estimasi.
Melihat Grafik Uji Korelasi Spearman Uji ParkUji GlejserUji Goldfield
1. Melihat Grafik • Bersifat subyektif dalam melihat pola titik pada scatter plot, sehingga sangat tidak dianjurkan • Metodenya adalah dengan membuat grafik plot atau scatter antara "Standardized Predicted Value (ZPRED)" dengan "Studentized Residual (SRESID)".
Uji hipotesis: H0: Tidak ada gejala heteroskedastisitas H1: Ada gejala heteroskedastisitas • Tidak ada gejala heteroskedastisitas apabila tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. • Ada gejala heteroskedastisitas apabila ada pola tertentu yang jelas, seperti titik-titik membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit).
Dari gambar di atas, gambar a merupakan contoh homoskedastisitas, dan gambar b, c, d, dan e merupakan contoh heteroskedastisitas.
2. Korelasi Spearman Langkah-Langkah Pengujian : Hitung regresi Y terhadap X, dan hitung ei → (Yi – Ŷ) Hitung rank dari |ei| dan Xi, selanjutnya hitung korelasi Spearman dimanadi = selisih rank dari 2 karakteristik yang berbedayaitu rank X dan rank |ei|. Lakukan langkah-langkah pengujian hipotesis dengan statistik uji : Tolak H0 apabila jika t* > t tabel (tα/2;n-2)
3. Uji Park • Uji park menggunakan fungsi : • Karena umumnya tidak diketahui, maka Park menyarankan untuk menggunakan shg persamaan regresinya menjadi
Uji Park dilakukan dengan cara meregresikan nilai residual (Lnei2) dengan masing-masing variabel independen (Lnx1 dan Lnx2). • Uji hipotesis : H0: Tidak ada gejala heteroskedastisitas H1: Ada gejala heteroskedastisitas H0 diterima apabila |t hitung| > | t tabel|.
Contoh soal EXCEL CARA
4. Uji Glejser • Uji Glejser dilakukan dengan cara meregresikan nilai absolute dari residual dengan masing-masing variabel independen. • Tidak terjadi heteroskedastisitas, jika nilai thitung lebih kecil dari ttabel dan nilai signifikansi lebih besar dari 0,05. • Uji Hipotesis: H0: Tidak ada gejala heteroskedastisitas H1: Ada gejala heteroskedastisitas H0 diterima apabila |t hitung| > | t tabel|.
Contoh soal SPSS EXCEL
5. Uji Goldfield Langkah-langkah pengujian: 1. Urutkannilai X darikecilkebesar 2. Abaikanbeberapapengamatansekitar median, katakanlahsebanyak c pengamatan. Sisanya, masihada (n –c) pengamatan 3. Lakukanregresipadapengamatan 1, danhitung SSE1 4. Lakukanregresipadapengamatan 2 danhitung SSE 2 5. Hitungdf = jumlahpengamatandikurangijumlah parameter StatistikUji: Bila λ > Ftabel, kitatolakhipotesis yang mengatakan data mempunyaivarian yang homoskedastis
Contoh soal HERE EXCEL
Metode Generalized Least Squares(GLS)Transformasidengan 1/XiTransformasidenganTransformasidengan1/E(Yi) = 1/Tarnsformasi dengan Logaritma
Metode Generalized Least Squares(GLS) Perhatikan model berikut :Yi= β0+ β1Xi+ εidenganVar (εi) = σi2.. Masing-masingdikalikan ,sehingga menjadi: Makadiperoleh transformed model sebagaiberikut: Yi*= β0*+ β1Xi*+ εi*
Pemeriksaan εi* homoskedastis Dengandemikianεi* homoskedastis. • Cara ini menjamin hilangnya heteroskedastisitas, akan tetapi, prosedur ini susah diimplementasikan karena tidak mudah mencari varians dari tiap-tiap pengamatan.
Transformasidengan 1/Xi Asumsi : E(εi*2)=Xi2 Transformasimenghasilkan Ataudapatditulisdengan Buktivariantelahkonstan
Transformasidengan Asumsi : • Transformasimenghasilkan • Buktivariantelahkonstan
Transformasidengan1/E(Yi) = 1/ • Asumsi: • Secara grafik, ciri-cirinya:
Tarnsformasi dengan Logaritma Transformasi ini ditujukan untuk memperkecil skala antar variabel bebas. Dengan semakin ‘sempitnya’ range nilai observasi, diharapkan variasi error juga tidak akan berbeda besar antar kelompok observasi. Model yang digunakan adalah : Ln Yi = β0 + β1 Ln Xi + εi
Contoh soal ???