Topik 2 - Gauss Markov Dan Autokorelasi

Ekonometrika
Topik 2: Kondisi
Gauss-Marcov
dan Autokorelasi
Prof. Muhammad Firdaus, PhD
Departemen Ilmu Ekonomi
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Bogor, 13 April 2020
Regresi
Ci = b 0 + b1Yi + ei b1 = (Y’Y)-1 . Y’C
b1 = (y.c)/y2 dimana c = (Ci – C) dan y = (Yi – Y)
Sisaan/residual = ei = Ci - C = Ci -` ( b0 + b1Y )
Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
Kondisi Gauss-Markov
1. E {i} = 0, i = 1,.........., N zero mean
2. V{i} = σ2, i = 1,.........., N homoskedastisitas
3. Cov{i,j} = 0, i = 1,.........., N untuk i ≠ j: tidak ada autokorelasi
4. {1, .... N} dan {X1, .... XN} tidak saling berhubungan: data panel
Beberapa referensi menyebutkan:

• Linearitas (dalam parameter: Y = a + b1.X1 + b2.X2 + b3. X12)
• Data ditarik secara acak dari populasi
• Tidak ada korelasi sempurna antar variabel independen
Kondisi Gauss Markov
• Jika kondisi Gauss-Markov terpenuhi, maka OLS dapat dikatakan
valid dalam pendugaan koefisien
• Dalam observasi lapang, seringkali kondisi tersebut tidak secara

penuh terpenuhi. Ini menjadi tolak ukur dalam mendapatkan model
yang robust
• Dengan kondisi Gauss-Markov dipenuhi, maka penduga OLS

bersifat BLUE: Best, Linear, Unbiased estimator. Artinya penduga
varians yang minimum (efisien), serta untuk sampel yang berulang
penduga (b2) secara rata-rata sama dengan  2.
Zero Mean 450
400
House Price ($1000s)

350
300
250
b0 = c b1 . y untuk konstanta 200
150
100
50
0
0 500 1000 1500 2000 2500 3000
Square Feet
Asumsi ini dengan bahasa lain: rataan galat dari populasi sama dengan nol.
Sehingga model mencerminkan keadaan yang sebenarnya.
Regresi dengan konstanta akan mendorong terpenuhinya asumsi ini (ingat
formula konstanta di atas)
OLS berdasarkan pada prinsip minimisasi dari jumlah kuadarat residual
Pengertian Aukorelasi
• Kondisi dimana ada korelasi antar galat. Lazim pada data deret waktu.
Grafik plot data residual waktu t dengan lag-nya (t-1): Jika ada pola
“trend” naik atau turun seperti di bawah, maka ada indikasi autokoerlasi
• Jadi data residual disusun
pada dua kolom terakhir.
Misal et pada kolom
keempat dan et-1 kolom
kelima. Kedua kolom ini
diplot dalam grafik (kolom 1
dan 2, 3 adalah C aktual, Y
dan C hasil dugaan/regresi)
Sumber Autokorelasi
Ada beberapa sumber terjadinya autokorelasi dalam ekonomi, misal:
• Inersia: inflasi, suku bunga
• Fenomena Cobweb: respon penawaran terhadap harga di pertanian

ada jeda waktu
• Keputusan konsumsi, investasi: ada pengaruh kondisi sebelumnya
• Kesalahan dalam spesifikasi model dan variabel penting dikeluarkan

Konsekuensi Autokorelasi
• Penduga OLS tetap unbiased
• Varians residual akan underestimate, sehingga pengambilan

kesimpulan dari uji statistika seperti uji individual (uji t), yang
digunakan untuk melihat signifikansi koefisien, akan misleading
Ingat, nilai t-hitung diperoleh dari hasil bagi nilai koefisien dugaan
dengan standard error of coefficient (se). Nilai se ini diperoleh
dari formula yang mengandung komponen simpangan baku dari
residual
t-hitung = 4,82, apakah koefisien nyata?
Mendeteksi Autokorelasi
• Uji Durbin Watson (1950)
• Jika residual mengikuti AR(1): ut = ut-1 + vt dimana vt  N(0, v2)
• Dapat ditulis:
T
 ( ut − ut −1) 2
t =2 atau DW-stat  2 (1 - ): ada nilai kritis
DW = T
 ut 2
t =2
Jika DW-stat = 2,01; apakah ada autokorelasi?
Mendeteksi Autokorelasi
• Uji Breusch-Godfrey (1978); disebut juga tes LM
• Misal AR(p): et = 1et-1 + 2et-2 + - - - + pet-p + vt dimana vt  N(0, v2)
• Prosedur uji:
1. Estimasi persamaan di atas
2. Bandingkan (T - p).R2 dengan 2
3. Bila (T- p).R2 >2 maka tolak H0: ada autokorelasi
Ho: tidak ada autokorelasi

H1: ada autokorelasi
Solusi Autokorelasi
• Menambahkan variabel dummy waku; lag dari variabel dependen
• First-differenced model: dibahas pada saat diskusi model time-series
• Menggunakan FGLS (feasible generalized least squares)

Hatur nuhun
Department of Economics - IPB University

IPB Dramaga Campus, Bogor 16680
Telp.: 0251-8622602
E-mail: ilmu_ekonomi@ipb.ac.id
Web : http://ilmuekonomi.fem.pb.ac.id

Topik 2 - Gauss Markov Dan Autokorelasi

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Topik 2 - Gauss Markov Dan Autokorelasi

Diunggah oleh

Hak Cipta:

Format Tersedia

Ekonometrika

Ci = b 0 + b1Yi + ei b1 = (Y’Y)-1 . Y’C

b1 = (y.c)/y2 dimana c = (Ci – C) dan y = (Yi – Y)

Department of Economics | Faculty of Economics and Management

Beberapa referensi menyebutkan:

• Dalam observasi lapang, seringkali kondisi tersebut tidak secara

• Dengan kondisi Gauss-Markov dipenuhi, maka penduga OLS

House Price ($1000s)

• Inersia: inflasi, suku bunga

• Fenomena Cobweb: respon penawaran terhadap harga di pertanian

• Keputusan konsumsi, investasi: ada pengaruh kondisi sebelumnya

• Kesalahan dalam spesifikasi model dan variabel penting dikeluarkan

Department of Economics | Faculty of Economics and Management

• Varians residual akan underestimate, sehingga pengambilan

• Jika residual mengikuti AR(1): ut = ut-1 + vt dimana vt  N(0, v2)

• Misal AR(p): et = 1et-1 + 2et-2 + - - - + pet-p + vt dimana vt  N(0, v2)

Ho: tidak ada autokorelasi

• First-differenced model: dibahas pada saat diskusi model time-series

• Menggunakan FGLS (feasible generalized least squares)

Department of Economics | Faculty of Economics and Management

Department of Economics - IPB University

Anda mungkin juga menyukai