1 / 9

Pengujian Asumsi OLS Aurokorelasi

Pengujian Asumsi OLS Aurokorelasi. Muchdie , Ir , MS, Ph.D. FE- Uhamka. Sifat dan Konsekuensi Autokorelasi Deteksi Autokorelasi : Metode Durbin-Watson , Metode Breusch -Godfrey

senta
Download Presentation

Pengujian Asumsi OLS Aurokorelasi

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 OLSAurokorelasi Muchdie, Ir, MS, Ph.D. FE-Uhamka

  2. SifatdanKonsekuensiAutokorelasi • DeteksiAutokorelasi: MetodeDurbin-Watson, MetodeBreusch-Godfrey • PenyembuhanAutokorelasi: StrukturAutokorelasidiketahui; StrukturAutokorelasitidakdiketahui : UjiDiferensiTktPertama, Estimasi p, Metode HAC • Lampiran-Lampiran PokokBahasan

  3. Autokorelasidlmmetode OLS : adakorelasiantarasatuvariabelgangguandenganvariabelgangguan lain. • Pada data runtutwaktu (time-series) seringkaliterjadisalingpengaruhantaravariabelindependen. Jadidararuntutwaktumengandungautokrelasi. Sedangkan data coss-sectionlebihmengandungmultikolinieritas. • Autokorelasibisapositifbisajuganegatif. SifatAutokorelasi

  4. Akibatnyabagiestimator ? Masih linier, masihtidakbias, tetapitidaklagimempunyaivarian yang minimum, TIDAK lagimenjadiBEST. • Karena Estimator hanyabersifat LUE, maka : • StandarError TDK LAGI DIPERCAYA, • IntervaldanUjihopotesisberdasarkanUjit danUji F jugatidaklagidapatDIPERCAYA. AkibatAutokorelasi

  5. Metode Durbin-Watson (DW) • Hubunganantaravariabelgangguan ethanyatergantungdarivariabelgangguansebelumnya et-1, disebut Model AR(1). • p = (Σetet-1) /(Σet2) • Jika p = 0 maka d = (2(1-p)) = 2 artinyatidakadakorelasiantarvariabelgangguan, jika p = 1 maka d =0 adakorelasipositif, danjika p = -1, maka d = 4 terjadikorelasinegatif. • Nilai d antara 0 – 4. DeteksiAutokorelasi

  6. Metode Durbin-Watson (DW) : CONTOH • Data impordiperoleh d = 1.39, dL = 0.94, dU = 1.29 , 4 – dU = 2.71 , 4 – dL = 3.06 • Karena d, terletakantaradUdan 4 – dU, artinyatidakadaautokorelasi • Data ekspordiperoleh d = 2.17 , dL =0.86, dU = 1.57 , 4-dL= 3.14 , 4-dU= 2.43 • D • Karena d terletakantaradUdan 4 – dU, artinyatidakadaautokorelasi. DeteksiAutokorelasi

  7. MetodeBreusch-Godfrey • UjiAutokorelasi DW mudahdilakukankarenasetiap software komputermenyediakannya. • Kelemahanmetode DW, tidakbisadilakukanjikavariabelindependenbersifatnon-stokastik, uji DW jugahanyaberhubungandengan AR(1), tdkdengan model autoregresifyglebihtinggispt AR(1), AR (3) dst..Juga, uji DW tidakdapatdilakukanpada data moving-averagedariresidual yang lebihtinggi. • BreuschGodfreymengembangkanUjiAutokorelasidenganUji Lagrange Multiplier DeteksiAutokorelasi

  8. MetodeBreusch-Godfrey : Prosedur • Estimasiregresimenggunakanmetode OLS, dapatkanresidualnya. • Regresikan etdenganvariabelindependen-nyadanlagdarigangguan et-1, et-2, et-p dst. • Untuksampel yang besar, model akanmengikutidistribusiChi-Squaredengandfsebanyak p • NilaihitungChi-square = (n-p)R2jika > darinilaitabel : terjadiautokorelasidansebaliknya. • AdatidaknyaautokorelasijugabisadilihatdarinilaiprobabilitasCh-Square. DeteksiAutokorelasi

  9. Jika p diketahui : • Penyembuhanautokorelasidilakukandengantransformasipersamaan yang dikenalsebagaiGeneralized Different Equation. • Jika p tidakdiketahui : • Penyembuhanautikorelasidenganmudahdilakukanmenggunakanmetode GLS (Generalized Least Squares). Utkituperludilakukanestimasithdnilai p. PenyembuhanAutokorelasi

More Related