Diskusi 4

Nama : Yudistira Ilham Ryan

NIM : 043533289
Mata kuliah : EKONOMI MANAJERIAL

1. Apa yang dimaksud dengan analisis regresi? dan bagaimana model regresi yang ideal?
Analisis regresi ialah sebuah teknik statistik yang digunakan untuk menemukan derajat
ketergantungan satu variabel (variabel dependen) terhadap satu variabel lainnya atau lebih (variabel
independen). Teknik ini dapat diterapkan untuk mencari nilai dari koefisien-koefisien suatu fungsi yang
sedang dianalisis. Ada 2 jenis analisis regresi, yaitu analisis runtut-waktu (time series) yang mengobservasi
data suatu entitas selama periode waktu tertentu dan analisis data seksi-silang (cross-section). Regresi
mempunyai variasi bentuk seperti, regresi linear sederhana dan regresi linear berganda yang dipakai untuk
mencari hubungan linear antara variabel bebas dan variabel terikat. yang menjadi pembeda terletak pada
jumlah variabel bebas, pada regresi linear sederhana hanya ada satu variabel bebas, sedangkan regresi linear
berganda mempunyai variabel bebas lebih dari satu. Kemudian, Regresi data panel yang adalah regresi bagi
data cross section ataupun runtun waktu. Adapula regresi spasial yaitu regresi bagi data yang mempunyai
efek spasial.
Regresi linier memiliki model yang ideal, apabila memenuhi asumsi berikut ini:
1. Eksogenitas lemah
Regresi adalah perhitungan yang bisa mendatangkan beberapa kemungkinan, untuk itulah ada perhitungan
yang namanya error karena akan menjadi perhitungan yang salah. Sehingga, penguji bisa menemukan
perhitungan yang benar dan cocok untuk diterapkan. Hal ini terjadi karena variabel x yang bersifat tetap,
sedangkan variabel y yang sifatnya berubah, sehingga menyebabkan munculnya berbagai kemungkinan
yang dapat dipilih. Kemungkinan itu bisa jadi benar dan salah.
2. Bersifat linier
Maksudnya adalah ketika nilai variabel x itu naik, maka seharusnya variabel y pun akan ikut naik. Apabila
syarat ini tidak dapat dilakukan, maka Anda dapat melakukan perubahan data atau menggunakan
perhitungan hubungan nonlinear yang di dalamnya termasuk model kuadratik.
3. Perhitungan error yang konstan
Varians eror perlu konstan sebab jika konstan maka variabel eror dapat membentuk model sendiri dan
menganggu model utama. Maka dari itu, penanggulangan permasalahan heteroskedastisitas dapat diatasi
dengan menambahkan model varians eror ke dalam model atau model ARCH/GARCH. Heteroskedastisitas
adalah keadaan dimana terjadinya ketidaksamaan varian dari eror untuk semua pengamatan setiap variabel
bebas pada model regresi.

2. Bagaimana mengatasi auto korelasi?

Ada berbagai macam metode yang bisa digunakan untuk mengatasi atau mengobati masalah
autokorelasi. Bisanya ada lima metode. Salah satunya akan digunakan untuk mengoreksi autokorelasi dalam
contoh kasus kali ini.
Kelima metode tersebut yaitu:
a. Metode First Difference
b. Mengestimasi nilai p Berdasarkan Durbin-Wetson d statistik
c. The Cochrane-Orcutt Two-Step Procedure
d. Durbin's Two-StepMethod
e. Newey-West Method
Proses mengatasi masalah autokorelasi bisa menggunakan pedoman sebagaimana di tunjukkan
Ghozali (2013:155) yaitu menggunakan metode Newey-West untuk mengoreksi standard error regresi OLS.
Jika dilihat dari metode ini pengembangan dari metode White Heteroscedasticity-Consistent Standard Error.
Yang menjadi standard error yang telah dikoreksi disebut HAC (heteroscedasticity and autocorrelation-
consistent) standard errors atau Newey-West Standard Error. Penggunaan metode ini lebih mudah di
lakukan dibandingkan dengan metode lain seperti GLS. Keuntungan lain menggunakan metode ini adalah
dapat sekaligus mengoreksi autokorelasi dan heteroskedastisitas. Jika menggunakan metode white hanya
bisa mengatasi heteroskedastisitas saja.

Sumber:
EKMA4313/Modul 4 Ekonomi Manajerial
https://www.mobilestatistik.com/asumsi-non-autokorelasi-dalam-regresi/
https://www.merdeka.com/jateng/regresi-adalah-metode-untuk-menentukan-sebab-akibat-kenali-jenis-dan-
contohnya-kln.html