Anda di halaman 1dari 10

TUGAS EKONOMETRIKA

DISUSUN OLEH:

Nama : Santika Dwila putri (185210843)

Meli Nita Putri (185210846)

Kelas : Manajement K (Semester 4)

PROGRAM STUDY EKONOMETRIKA

FAKULTAS EKONOMI

UNIVERSITAS ISLAM RIAU

TAHUN 2019/2020
Regresi variable dummy dengan E-views

Variabel (Y) yang digunakan yaitu abnormal return sukuk yaitu variabel yang
memiliki sifatnya kuantitatif pada data dummy PBV Y, untuk variabel ERM X1 juga
sama memiliki sifat berupa angka atau kuantitatif. Dikarenakan variable dummy (X)
yang digunakan terdapat variabel yang dummy maka data panel akan dikerjakan sama
dengan data prosection biasa dengan melakukan regresi di dalam E-views.

Pada E-Views Ini yang perlu pertama dikerjakan yaitu mengetimasikan regresi
berganda dengan memasukkan semua variabel, dan untuk constanta (C) harus
berdekatan dengan variabel Y pada Equation Estimation. Tabel dibawah ini
menunjukkan hasil dari etimasi regresi berganda.

A.Estimasi regresi berganda

Regresi ini bisa diterima apabila telah memenuhi asumsi classic, terdapat empat
asumsi classic dimulai dari menentukan uji multikolineritas dan pada table dibawah ini
menunjukkan Hasil dari Uji multikolineritas.
B.Uji Multikolineritas

Untuk mengujinya dengan melihat nilai Centered VIF berdasarkan ketentuannya jika
nilai lebih kecil dari 10 artinya tidak ada nilai bervariabel X, dengan berarti berdasarkan
gambar diatas sudah memenuhi asumsi Multikolineritas.

C.Histogram normality

Dilihat berdasarkan nilai probability jarque-bera yaitu 0,00 dengan ini berarti estimasi
datanya tidak berstribusi normal karena 0.00<0,05 dan tidak memenuhi asumsi
normalitas/normality, berdasarkan ketentuanya jika lebih besar dari 0,05 dengan arti
datanya berstribusi normal dan dapat dikatakan memenuhi asumsi normalitas.

D.Uji autokorelasi

Untuk uji autokorelasi Kembali ke estimasi awal yang dimana telah menentukan
Estimasi regresi berganda untuk melihat atau menentukan nilai Durbin-watson, nilai
durbin Watson pada tabel diatas yaitu 1,2 dengan nilai Included Obsesvations yaitu 140
dan jumlah variabel ada 3. Perbandingan dengan tabel durbin Watson dilihat pada angka
dL 1,69501, dU 1,75291 dan T 140 maka dapat disimpulkan bahwa durbin Watson pada
tabel diatas tidak melebihi pada nilai tabel dU Durbin Up(atas) dengan ini terjadi
Autokolerasi dan tidak memenuhi asumsi uji Autokolerasi.
E.Uji Heterokedaktisitas

Tabel diatas merupakan hasil dari pada estimasi uji Glejser yang tidak merata, maka
dari itu untuk menentukan kedaktisitas atau sebarannya sama dilihat dari nilai
probabilitas setiap Variabel berdasarkan ketentuannya harus lebih besar dari 0,05.
Dengan ini dapat dilihat dari estimasi diatas bahwa terdapat dua variabel yang tidak
memennuhi asumsi Heterokedaktisitas yaitu variabel ROE X2 dan DER X3. Dan
dilakukan regresi ulang untuk menghilangkan variabel dengan probabilitas terkecil.
F. Estimasi Tidak diikuti Variabel X2

Estimasi diatas tidak diikuti X2 karena variabel X2 dengan nilai probabilitas terkecil
tidak memenuhi asumsi Heterokedaktisitas, dilihat dari nilai Durbin Watson diatas
masih tidak melebihi nilai durbin Watson dU dengan arti masih tidak lolos uji
autokolerasi.

G. Heterokdisitas tanpa diikuti X2


H. Histogram normalitas test Tanpa X2

I. Estimasi tidak diikuti variabel X3


Estimasi diatas tidak diikuti X3 karena variabel X3 dengan nilai probabilitas kecil
tidak memenuhi asumsi Heterokedaktisitas, dilihat dari nilai Durbin Watson diatas
masih tidak melebihi nilai durbin Watson dU dengan arti masih tidak lolos uji
autokolerasi.
J. Heterokdisitas Tanpa diikuti X3

K. Histogram normalitas test tanpa X3


L.Variance Inflation Factors

Tabel diatas menunjukkan bahwa tidak ada terdapat variabel yang lebih besar dari 10.

Kesimpulan

Kesimpulannya bahwa Regresi ini kurang bisa diterima karena ada yang belum
memenuhi syarat asumsi Classic, hanya uji multikolineritas yang bisa diterima,
sedangkan asumsi yang lain Uji Histogram Normality, Uji Autokorelasi, Hingga Uji
Heterokedaktisitas tidak memenuhi asumsi, dan tidak ada estimasi yang diterima
sehingga menandakan kualitas data yang kurang baik.

Anda mungkin juga menyukai