7. Penyimpangan regresi
-
Upload
dimasetiyawan -
Category
Documents
-
view
226 -
download
4
description
Transcript of 7. Penyimpangan regresi
![Page 1: 7. Penyimpangan regresi](https://reader036.fdokumen.com/reader036/viewer/2022082902/577c81de1a28abe054ae763f/html5/thumbnails/1.jpg)
METODE KUANTITATIF : PENYIMPANGAN DALAM REGRESI
7
![Page 2: 7. Penyimpangan regresi](https://reader036.fdokumen.com/reader036/viewer/2022082902/577c81de1a28abe054ae763f/html5/thumbnails/2.jpg)
Jika tdpt Multikolinieritas sempurna, parameter tidak dapat diduga dgn metode OLS.
Nilai varians besar standar error besar selang kepercayaan lebar.
Uji-t tidak signifikan Tanda (sign) parameter bisa berlawanan. R2 tinggi, tp banyak variabel yang tidak
signifikan
![Page 3: 7. Penyimpangan regresi](https://reader036.fdokumen.com/reader036/viewer/2022082902/577c81de1a28abe054ae763f/html5/thumbnails/3.jpg)
Cara mendeteksi ? Cek korelasi antar variabel bebas matrik
korelasi. Regresikan setiap variabel bebas Xi dgn variabel
bebas lainnya yg ada dalam persamaan (auxiliary regression). Jika uji F menunjukkan hasil yang signifikan berarti terdapat kolinearitas yg tinggi antara variabel Xi dengan variabel bebas lainnya.
Cara mengatasi ? Gunakan informasi a priori, berdasarkan keyakinan
atau hasil penelitian terdahulu. Lakukan regresi elementer, kemudian tambahkan
satu per satu variabel yg diduga relevan mempengaruhi var terikat.
Menggabungkan data cross-section dan time series Mengeluarkan salah satu variabel yang
kolinier(apabila tdk menimbulkan spesification error).
Mentransformasikan variabel. Mencari data tambahan atau data baru
![Page 4: 7. Penyimpangan regresi](https://reader036.fdokumen.com/reader036/viewer/2022082902/577c81de1a28abe054ae763f/html5/thumbnails/4.jpg)
Heteroskedastisitas terjadi bila varians i tidak konstan, tapi berubah-ubah pada setiap pengamatan i. Untuk model
Yi = 0 + 1 X1i + i
Var(i ) bisa kemungkinan semakin besar atau semakin kecil dengan semakin besarnya nilai X1i. Var(i ) = i
2
Misal:(1) Model Konsumsi = o + 1 Pendapatan +
(2) Model Learning process: Jumlah kesalahan ketik = 0 + 1 pengalaman +
2. Heteroskedastisitas
![Page 5: 7. Penyimpangan regresi](https://reader036.fdokumen.com/reader036/viewer/2022082902/577c81de1a28abe054ae763f/html5/thumbnails/5.jpg)
Pada model (1), Var(i ) cenderung lebih besar dengan semakin besarnya pendapatan.
Pada model (2) Var(i ) cenderung lebih kecil dengan semakin lama pegalaman dalam mengetik.
C
Y
C = o + 1 Y
K
P
K = o - 1 P
![Page 6: 7. Penyimpangan regresi](https://reader036.fdokumen.com/reader036/viewer/2022082902/577c81de1a28abe054ae763f/html5/thumbnails/6.jpg)
Akibat Heteroskedastisitas ?
• Karena Var(i ) tdk konstan, tapi ditentukan oleh X1i , maka:
xi2 i
2.
Var(b1) =. ( xi
2)2.
• Besarnya Var(b1) menyebabkan nilai SE(b1) juga akan besar, sehingga interval kepercayaan menjadi lebih besar dan pada uji-t variabel menjadi tidak signifikan.
• Kesimpulan yang diambil dapat menyesatkan.
Hasil pendugaan tetap tak bias dan konsisten, akan tetapi varians dr parameter dugaan tdk bisa minimum shg dikatakan tidak efisien tidak memenuhi syarat BLUE
![Page 7: 7. Penyimpangan regresi](https://reader036.fdokumen.com/reader036/viewer/2022082902/577c81de1a28abe054ae763f/html5/thumbnails/7.jpg)
Cara mendeteksi ? Metode Grafik
Buat diagram plot antara ui2 dan Ŷ. Heteros-
kedastisitas akan terdeteksi apabila sebaran plot menunjukkan pola yang sistematis.
Uji ParkMeregresikan ui
2 dengan X1i dalam bentuk persamaan log linear.
ln ui2 = o + 1 ln X1i + i
ui adalah error term pd regresi Yi = 0 + 1 X1i + i
Metode Goldfeld-QuantPrinsipnya adalah membagi dua data X1i bdsrkan urutan terkcil – terbesar dan meregresikan masing2 untuk memperoleh nilai RSS.
![Page 8: 7. Penyimpangan regresi](https://reader036.fdokumen.com/reader036/viewer/2022082902/577c81de1a28abe054ae763f/html5/thumbnails/8.jpg)
Langkah-langkah Metode Goldfeld-Quant:
Urutkan data X1i berdasarkan urutan terkecil – terbesar
Abaikan bbrp pengamatan (c pengamatan) di sekitar median.
Regresikan pengamatan (N-c)/2 pertama dan kedua, hitung RSS, sehingga didapatkan RSS1 dan RSS2.
Hitung rasio kedua RSS ():
RSS2/df2 = ; df adalah derajat bebas (n-k-
1) RSS1/df1
Lakukan uji F, bila > F berarti terjadi heteroskedas-tisitas.
![Page 9: 7. Penyimpangan regresi](https://reader036.fdokumen.com/reader036/viewer/2022082902/577c81de1a28abe054ae763f/html5/thumbnails/9.jpg)
• Terjadi bila terjadi korelasi antara i dan j. • Terjadi korelasi antara variabel itu sendiri pada
pengamatan yang berbeda. • Umumnya banyak terjadi pada data time series.
3. Otokorelasi