c. cov(I,j) = 0 untuk i j
d. antar X saling independent
Asumsi-asumsi di atas kadang-kadang tidak dipenuhi, untuk
mendeteksi dan mengatasi adanya masalah pelanggaran asumsi di atas
dapat dilakukan :
No. Masalah Deteksi Solusi
1 Residual tak - normal probability - Tranformasi variabel
berdistribusi plot - Regresi bootstrap
normal - Uji kenormalan :
KS,…
2 Heteroscedasticity - Plot e dengan ŷ - Transformasi variabel
var(i) 2 - Uji Glesjer - Weighted Least
- Uji White Squares
- Uji Golfeld-Quandt
3 Autocorrelation - Plot e dengan ŷ - Regresi beda, Regresi
cov(I,j) 0 - Uji Durbin Watson ratio
untuk i j - ACF plot memasukkan trend
Cochrane Orcutt,
Hildreth-Lu
Durbin, Prais-Winsten
4 Multicollinearity - r(Xi,Xj) tinggi - stepwise
- VIF>10 - Principal component
- X'X 0 regression
- R2 tinggi tetapi - Ridge regression
tidak ada
parameter yang
significant
1
REGRESI BOOTSTRAPP
terkecil, hasil taksirannya adalah ̂ j,ols dan nilai taksirannya adalah Yˆi ,ols
9. Menduga besarnya ̂ j pada resampling ke-i yaitu j,i dari dan data Yi
2
11. Tentukan nilai taksiran koefisien regresi dari metode bootstrapp
sebagai rata-rata nilai koefisien regresi hasil resampling sebanyak B
kali
12. Tentukan confidence interval koefisien regresi melalui nilai persentil
13. Selesai
Kegiatan Praktikum :
Tentukan model yang menggambarkan hubungan antara harapan
hidup perempuan dengan pendapatan perkapita serta ujilah asumsi
kenormalan residual dengan uji Kolmogorov-Smirnov.
Penyelesaian :
Dengan bantuan MINITAB permasalahan ini dapat diselesaikan
dengan cara
Tranformasi variabel
MTB > let c27=loge(lifeexpf)
MTB > name c27=’ln_gdp’
Regresi [klk stat+regression+regression]
klik storage
3
dan hasilnya adalah :
The regression equation is
LIFEEXPF = 21.7 + 6.15 ln_gdp
Predictor Coef SE Coef T P
Constant 21.670 3.187 6.80 0.000
ln_gdp 6.1538 0.3981 15.46 0.000
S = 5.907 R-Sq = 69.1% R-Sq(adj) = 68.8%
Analysis of Variance
Source DF SS MS F
P
Regression 1 8336.9 8336.9 238.93
0.000
Residual Error 107 3733.4 34.9
Total 108 12070.3
4
Dengan menggunakan metode kuadrat terkecil diperoleh hasil
kenormalan residual tidak terpenuhi, sehiingga sebagai alternatif
digunakan metode regresi bootstrapp yang dinyatakan dalam macro
MINITAB :
macro
regb y x
mconstant n i b low_b0 up_b0 low_b1 up_b1
mcolumn x y yy yhat e ee b0 b1 beta b0_boot b1_boot
let n=count(y)
let b=1000
regr y 1 x;
resid e;
fits yhat.
do i=1:b
sample n e ee;
replacement.
let yy=yhat+ee
regr yy 1 x;
coef beta.
let b0(i)=beta(1)
let b1(i)=beta(2)
enddo
histo b0
histo b1
let b0_boot=mean(b0)
let b1_boot=mean(b1)
5
sort b1 b1
sort b0 b0
let low_b0=b0(25)
let up_b0=b0(975)
let low_b1=b1(25)
let up_b1=b1(975)
print b0_boot low_b0 up_b0
print b1_boot low_b1 up_b1
endmacro
b0 b1
b0_boot b1_boot
21.5513 6.16731
6
HETEROSCEDASTICITY
7
8
Jika e k.x1 . maka dilakukan transformasi sebagai berikut :
y 1 x x x
0 1 1 2 2 3 3 ... atau
x1 x1 x1 x1 x1
diagonal adalah i
Selain dengan menggunakan uji Glejser, uji adanya heteroscedasticity
dapat diuji dengan koefisien korelasi spearman antara residual dengan
variabel independent, jika korelasi ini significant maka cenderung terjadi
kasus heteroscedasticity.
Koefisien korelasi Spearman dihitung dengan cara :
6 D 2
r 1 dan D adalah selisih rank antar dua variabel.
n(n 2 1)
9
Kegiatan Praktikum :
Dengan menggunakan uji Glejser, periksalah adanya kasus
heteroscedasticity untuk data berikut :
Year Saving Income
1 264 8777
2 105 9210
3 90 9954
4 131 10508
5 122 10979
6 107 11912
7 406 12747
8 503 13499
9 431 14269
10 588 15522
11 898 16730
12 950 17663
13 779 18575
14 819 19635
15 1222 21163
16 1702 22880
17 1578 24127
18 1654 25604
19 1400 26500
20 1829 27670
21 2200 28300
22 2017 27430
23 2105 29560
24 1600 28150
25 2250 32100
26 2420 32500
27 2570 35250
28 1720 33500
29 1900 36000
30 2100 36200
31 2300 38200
10
Penyelesaian :
Dengan bantuan MINITAB permasalahan di atas, dapat diselesaikan
dengan cara :
MTB > regr 'saving' 1 'income';
SUBC> fits c11;
SUBC> resid c12.
Dari hasil uji Glejser ini, diperoleh informasi adanya hubungan antara
variabel harga mutlak residual dengan variabel income sehingga terjadi
kasus heteroscedasticity. Karena nilai harga mutlak residual sebanding
dengan nilai income maka selanjutnya dilakukan analisis regresi untuk
model :
11
saving/income = income)+
Dengan bantuan MINITAB analisis regresi untuk model di atas dapat
dilakukan dengan cara :
13