• Asumsi OLS
• Pelanggaran Asumsi
• Treatment terhadap Pelanggaran Asumsi
ASUMSI OLS (1/4)
1. Model regresi linear dalam parameternya.
1. Berbentuk linier.
Bentuk persamaan regresi yang dibentuk adalah linier.
2. Tidak bias.
Jika rata-rata nilai ekspektasi, , sama dengan nilai sebenarnya
(aktualnya), .
3. Varians minimum.
Merupakan parameter dari sebuah persamaan regresi yang memiliki
nilai varians residual terkecil. Parameter seperti ini dikenal sebagai
parameter yang efisien.
Review: Asumsi Klasik OLS
Maka dapat diestimasi walaupun tergantung nilai vi. Jika vi sangat kecil
atau mendekati nol, maka dikatakan X3 berkorelasi linear sempurna dengan
X2 dan tidak dapat ditentukan.
Konsekuensi Multikolinearitas
1. Meskipun BLUE, estimator OLS akan memiliki varians dan kovarians
yang tinggi, sehingga untuk melakukan estimasi secara tepat
cenderung sulit.
r23 adalah koefisien korelasi antara X2 dan X3. Jika r23 cenderung
mendekati 1, maka varian dan kovarian dari kedua estimator menjadi
meningkat dan pada nilai 1 nilai varians dan kovarian menjadi tak
terbatas, begitupun dengan kovarians
Konsekuensi Multikolinearitas
2. Standar error semakin membesar
Konsekuensi Multikolinearitas
2. Varian estimasi ,
1. Saat diketahui
menggunakan weighted least squares (WLS) atau
generalized least squares (GLS) untuk mengkoreksi
heteroskedastisitas → analisa pd data sangat fluktuatif
4. Manipulasi data.
Misalkan seseorang memperoleh data kuartalan dari data bulanan
dengan merata-ratakan data secara 3 bulanan. Sedang data untuk
kuartal ke dua diperoleh dengan merata-ratakan data secara 3
bulanan selanjutnya. Jika kita melakukan ini, maka kita akan
medapatkan smoothness /kehalusan dalam data yang tidak ada
sebelumnya. Selanjutnya ini akan mempengaruhi error term
5. Fenomena CobWeb
Jika pada akhir t , harga pertanian saat t lebih kecil dibanding t-1,
maka supply pertanian saat t+1 lebih kecil dibandng saat t.
Sehingga, error pada saat t (ut), tidak akan random, karena jika
petani memproduksi hasil pertanian berlebih ( overproduce ) pada
saat t, maka mereka akan mengurangi poduksi saat t+1, sehingga
membentuk pola Cobweb.
Konsekuensi Adanya Autokorelasi
dan model juga dianggap berlaku hingga periode t-1. (inertia effect)
dimana dan
Lalu estimasikan
Treatment Otokorelasi: Kasus B : tidak diketahui.
Cont‘d...