Tutorial Cochrane Orcutt

Chocrane Orcutt Terdiri Dari 4 Langkah

1. Langkah Transformasi Lag

Langkah berikutnya ialah melakukan transformasi Lag pada variabel residual

yang baru di dapat di atas. Lag artinya mengembalikan variabel baru yang
merupakan hasil pengurangan nilai dari sampel ke-i dikurangi sampel ke-i –
1. Sampel ke-i artinya sampel yang bersangkutan dan sampel ke-i-1 adalah
sampel sebelumnya dari sampel yang bersangkutan. Caranya pada
menu klik transform,  compute variable, pada kotak target isikan dengan
“Lag_e” dan pada kotak numeric expression isikan dengan formula:
“Lag(Res_1)” di mana Res_1 adalah Residual.

Transformasi Lag Residual

 
2. Regres Lag_e ke Res_1

Setelah itu lakukan regresi dengan variabel bebasnya “Lag_e” dan variabel
terikatnya Res_1.

Regresi Error
 

Jangan lupa tekan tombol options dan hilangkan centang Include

Constant. Sedangkan pada tombol statistics, jangan centang semua
kecuali estimasi dan model fit.

Tanpa Constanta
 

Jika sudah anda proses maka lihat output anda dan baca pada tabel
Coefficients.
 Koefisien Rho
 

Lihat bahwa nilai Beta sebesar 0,925. Nilai 0,925 itulah yang disebut dengan
Koefisien Rho. Pada sampai tahap ini kita sudah mendapatkan nilai Rho dan
selanjutnya yang harus dilakukan adalah melakukan transformasi Cochrane
Orcutt.

3. Transformasi Cochrane Orcutt

Setelah kita mendapatkan koefisien autokorelasi Rho (ρ) yang dibahas

pada artikel Cochrane Orcutt, maka selanjutnya adalah melakukan
transformasi Cochrane Orcutt dengan SPSS. Caranya pada
menu SPSS klik Transform, Compute Variable, pada Target
variable ketikkan nama variabel baru hasil transformasi yang akan
dibentuk, yaitu Lag_X1 dan pada Numeric expression ketikkan
formula X1-(0.925*Lag(X1)). Di mana 0.925 adalah koefisien Rho (ρ).
Ulangi langkah tersebut untuk variabel yang lain seperti gambar berikut:
 Transformasi Lag_X1 Cochrane Orcutt

Transformasi Lag_X2 Cochrane Orcutt

Transformasi Lag_Y Cochrane Orcutt

Setelah melakukan transformasi, maka anda sudah mempunyai variabel baru

hasil transformasi. Bisa anda lihat di dataview SPSS.

4. Regres Cochrane Orcutt

Selanjutnya anda lakukan regresi linear seperti biasa dengan menggunakan

variabel baru hasil transformasi.

Regresi Transformasi Cochrane Orcutt

dengan SPSS

Setelah anda tekan OK pada

jendela utama, segera lihat output
apakah ada perubahan angka DW sampai level yang signifikan menolak
adanya autokorelasi:

Ou
tput Akhir Regresi Cochrane Orcutt dengan SPSS  

Nilai DW di atas sebesar 0,587 di mana masih terlalu rendah dan belum

mencapai level yang diinginkan. Oleh karenanya perlu upaya lebih lanjut
agar bisa mencapai level yang signifikan, yaitu dengan cara iterasi. Iterasi di
sini adalah mengulang langkah di atas dengan meregresikan residual yang di
dapat dengan lag residualnya sampai didapatkan koefisien Rho yang dapat
meningkatkan nilai DW secara signifikan.