880 likes | 1.26k Views
UJI ASUMSI KLASIK. Tujuan Pengajaran :. Mengerti apa yang dimaksud dengan uji asumsi klasik Mengerti item-item asumsi Menjelaskan maksud item-item asumsi Menyebutkan nama-nama asumsi yang harus dipenuhi Mengerti apa yang dimaksud dengan autokorelasi.
E N D
TujuanPengajaran: • Mengertiapa yang dimaksuddenganujiasumsiklasik • Mengerti item-item asumsi • Menjelaskanmaksud item-item asumsi • Menyebutkannama-namaasumsi yang harusdipenuhi • Mengertiapa yang dimaksuddenganautokorelasi
Mengertiapa yang dimaksuddenganMultikolinearitas • Mengertiapa yang dimaksuddenganHeteroskedastisitas • Mengertiapa yang dimaksuddenganNormalitas • Menjelaskantimbulnyamasalah-masalahdalamujiasumsiklasik
Menjelaskandampakdariautokorelasi, heteroskedastisitas, multikolinearitas, normalitas • Menyebutkanalatdeteksidarimasalah-masalahtersebut
Menggunakansebagianalat-alatdeteksi • Menjelaskanketerkaitanasumsi-asumsi • Menjelaskankonsekuensi-konsekuensidariAsumsi
asumsi-asumsiklasik • Jikahasilregresitelahmemenuhiasumsi-asumsiregresimakanilaiestimasi yang diperolehakanbersifat BLUE: (Best,Linear, Unbiased,Estimator.)
Gauss-Markov Theorem. • BLUE: (Best, Linear, Unbiased, Estimator.) Adalahasumsi yang dikembangkanoleh Gauss dan Markov, yang kemudianteoritersebutterkenaldengansebutanGauss-Markov Theorem.
Best dimaksudkansebagaiterbaik • HasilregresidikatakanBestapabilagarisregresi yang dihasilkangunamelakukanestimasiatauperamalandarisebaran data, menghasilkanerror yang terkecil.
Linear • Linear dalam model artinya model yang digunakandalamanalisisregresitelahsesuaidengankaidah model OLS dimanavariabel-variabelpenduganyahanyaberpangkatsatu. • Sedangkan linear dalam parameter menjelaskanbahwa parameter yang dihasilkanmerupakanfungsi linear darisampel
Unbiased atautidak bias, Suatu estimator dikatakanunbiased jikanilaiharapandari estimator b samadengannilai yang benardari b. Artinya, nilai rata-rata b = b. Bila rata-rata b tidaksamadengan b, makaselisihnyaitudisebutdengan bias.
10 asumsi yang menjadisyaratpenerapan OLS, • Gujarati (1995): • Asumsi 1: Linear regression Model. • Model regresimerupakanhubungan linear dalam parameter. • Y = a + bX +e
Untuk model regresi: • Y = a + bX + cX2 + e • Walaupunvariabel X dikuadratkan, initetapmerupakanregresi yang linear dalam parameter sehingga OLS masihdapatditerapkan.
Asumsi 2: Nilai X adalahtetapdalam sampling yang diulang-ulang (X fixed in repeated sampling). • Tepatnyabahwanilai X adalahnonstochastic (tidak random).
Asumsi 3: Variabelpengganggu e memiliki rata-rata nol (zero mean of disturbance).
Asumsi 4: Homoskedastisitas, atauvariabelpengganggu e memilikivariance yang samasepanjangobservasidariberbagainilai X. Iniberarti data Y padasetiap X memilikirentangan yang sama. Jikarentangannyatidaksama, makadisebutheteroskedastisitas
Asumsi 5: Tidakadaotokorelasiantaravariabel e padasetiapnilai xi danji (No autocorrelation between the disturbance).
Asumsi 7: Jumlahobservasiataubesarsampel (n) haruslebihbesardarijumlah parameter yang • diestimasi.
Asumsi 8: Variabel X harusmemilikivariabilitas. Jikanilai X selalusamasepanjangobservasimakatidakbisadilakukanregresi.
Asumsi 9: Model regresisecarabenartelahterspesifikasi. • Artinya, tidakadaspesifikasi yang bias, karenasemuanyatelahterekomendasiatausesuai • denganteori.
Asumsi 10. Tidakadamultikolinearitasantaravariabelpenjelas. Jelasnyakolinearantaravariabelpenjelastidakbolehsempurnaatautinggi.
meskipunnilai t sudahsignifikanataupuntidaksignifikan, keduanyatidakdapatmemberiinformasi yang sesungguhnya.
Untukmemenuhiasumsi-asumsidiatas, makaestimasiregresihendaknyadilengkapidenganuji-uji yang diperlukan, seperti: • ujinormalitas, autokorelasi, heteroskedastisitas, atupunmultikolinearitas.
Secarateoretis model OLS akanmenghasilkanestimasinilai parameter model penduga yang sahihbiladipenuhiasumsiTidakadaAutokorelasi, TidakAdaMultikolinearitas, danTidakadaHeteroskedastisitas.
A.1. Pengertianautokorelasi • Autokorelasiadalahkeadaandimanavariabelgangguanpadaperiodetertentuberkorelasidenganvariabelgangguanpadaperiode lain.
Asumsiterbebasnyaautokorelasiditunjukkanolehnilai e yang mempunyai rata-rata nol, danvariannyakonstan.
A.2. Sebab-sebabAutokorelasi • 1. Kesalahandalampembentukan model, • 2. Tidakmemasukkanvariabel yang penting. • 3. Manipulasi data • 4. Menggunakan data yang tidakempiris
A.3. AkibatAutokorelasi • Akibatnyaadalahnilai t hitungakanmenjadi bias pula, karenanilai t diperolehdarihasilbagiSbterhadap b (t = b/sb). BerhubungnilaiSb bias makanilai t jugaakan bias ataubersifattidakpasti (misleading). • ( Karenaadanyamasalahkorelasidapatmenimbulkanadanyabias padahasilregresi.)
DW test initerdapatbeberapaasumsipenting • 1. Terdapatintercept dalam model regresi. • 2. variabelpenjelasnyatidak random (nonstochastics).
3. Tidakadaunsur lag darivariabeldependendidalam model. 4. Tidakada data yang hilang. 5. υ t = ρυt −1 + ε t
Langkah-langkahpengujianautokorelasimenggunakanuji Durbin Watson (DW test) dapatdimulaidarimenentukanhipotesis. • (H◦)erdapatautokorelasipositif, atau, terdapatautokorelasinegatif.
Terdapatbeberapastandarkeputusan yang perludipedomaniketikamenggunakan DW test, yang semuanyamenentukanlokasidimananilai DW berada.
Jelasnyaadalahsebagaiberikut: • DW < dL = terdapatatokorelasipositif • dL< DW <dU = tidakdapatdisimpulkan • (inconclusive) • dU > DW >4-dU = tidakterdapatautokorelasi • 4-dU < DW <4-dL = tidakdapatdisimpulkan • (inconclusive) • DW > 4-dL = terdapatautokorelasinegatif
Dimana: • DW = Nilai Durbin-Watson d statistik • dU = Nilaibatasatas (didapatdaritabel) • dL = Nilaibatasbawah (didapatdaritabel)
Ketentuan-ketentuandaerahhipotesispengujian DW dapatdiwujudkandalambentukgambarsebagaiberikut:
(α)=5%, • N = 22 • Prediktor : 2 • batasatas (U) =1,54 • sedangbatasbawah (L) = 1,15. • DW = 0,883
0,883 yang berartilebihkecildarinilaibatasbawah, makakoefisienautokorelasilebihkecildari nol. • Dengandemikiandapatdisimpulkanbahwahasilregresitersebutbelumterbebasdarimasalahautokorelasipositif.
Dengankata lain, Hipotesisnol (H◦) yang menyatakantidakterdapatmasalahautokorelasidapatditolak, • sedanghipotesisnol (H◦) yang menyatakanterdapatmasalahautokorelasidapatditerima
B. UjiNormalitas • Tujuandilakukannyaujinormalitasadalahuntukmengujiapakahvariabelpenganggu (e) memilikidistribusi normal atautidak.
Beberapacarauntukmelakukanujinormalitas, antara lain: • 1. tendesisentral (mean – median = 0) • 2. Menggunakan formula JarqueBera (JB test),
dimana: • S = Skewness (kemencengan) distribusi data • K= Kurtosis (keruncingan)