Tanujaya
NRP : H14080118
Pelanggaran Asumsi
3 pelanggaran asumsi :
1. Multikolinearitas (ada masalah antar variabel bebas – independent)
2. Heteroskedastisitas (ada masalah dengan residua/ error)
3. Autokorelasi (ada masalah dengan residual/error)
Multikolinearitas
Adanya korelasi yang sangat tinggi antar variabel bebas.
Contoh :
Macam Multikolinearitas…
Sempurna -1 /1
Akibat multikolinearitas
Jika multikolinearitas sempurna,
Maka penduga koefisien regresi tidak dapat diestimasi dengan metode OLS
Contoh : y=f(x1,x2,x3);
Contoh :
Efeknya adalah banyak peubah X yang tidak signifikan terhadap Y, sekalipun nilai R 2 sangat
tinggi.
Tanda koefisien regresi tidak sesuai dengan teori ekonomi atau bilamana dengan korelasi
dengan korelasi parsial x terhadap y
Contoh :
y= b0+b1X1+e ; rx1y = +
y= b0+b2X2+e ; ; rx2y = +
y= b0+b1X1-b2X2+e
Nilai koefisien b2 yang tiba-tiba berubah menjadi indikasi adanya masalah pelanggaran
asumsi.
VIF= ,
Contoh…….
MD=f(i,Y)
MD=a0+a1it+a2Yt+e
Heteroskedastisitas
Asumsi yang harus dipenuhi Pelanggaran Akibat
Sering terjadi pada data cross section, namun tidak menutup kemungkinan terjadi di data time
series.
Ada hubungannya dengan error yang semakin mengecil atau membesar dengan semakin besar atau
kecilnya nilai peubah bebas.(alias ragam residual tidak konstan)
Akibatnya….
masih
Nilai
Tidak bias (nilai mendekati nilai true β, jika dilakukan sampling berulang kali dengan (n)
yang sama)
Konsisten, (jika (n) ditambah sampai tak hingga maka rata2 akan mendekati β
sebenarnya.
Karena….
Maka dari itu tetap tidak bias, konsisten, namun tidak efisien.
Cara Mendeteksi
1.
Scatter plot (informal)
2.
Uji Park – uji spearman
3.
Uji Gletser
4.
Uji Goldfelf Quandt
5.
Uji Breasch Pagan
6.
Uji White
Fhitung=
6.
Bandingkan dengan Ftabel= , dengan hipoteris…
Ho=Homoskedastisitas
H1=Heteroskedastisitas
Dengan kesimpulan
, maka tolak Ho
K= jumlah konstanta
3.
Cari ragam sisaan
4.
Duga model regresi
5.
Cari nilai (JKR/2) bandingkan dengan nilai
6.
Uji hipotesis
Ho=Homoskedastisitas
H1=Heteroskedastisitas
Dengan kesimpulan
, tolak Ho
Tahapan uji White
1.
Ikuti tahap 1,2,3 dari uji Breuss-Pagan
2.
Cari Model
3.
Bandingkan dengan
4.
Uji hipotesis
Ho=Homoskedastisitas
H1=Heteroskedastisitas
Dengan kesimpulan
Contoh…
Y=b0+b1x1+b2+ei
Model GLS
Buktinya…
Maka diketahui bahwa ragam langsung konstan
Autokorelasi
Adalah adanya korelasi yang kuat antar data pada residual dimana e t tergantung pada et-1. Maka dari
itu autokorelasi sering terjadi pada data time series.
Cov (ei,ej)=E(ei,ej)≠0, i≠j
Konsekuensi = dugaan tidak berbias, masih konsisten, tidak efisien. Sehingga Var(e i) bias kebawah
atau underestimate dan t-hitung menjadi overestimate.
Bisa diabaikan jika tujuannya untuk peramalan, namun jadi masalah untuk menduga.
Cara mengetahuinya…
1. Plot data residual
2. Durbin Watson test
Mencari nilai p
Cara mengatasinya…
1. Jika nilai p diketahui, gunakan generalized differencing
2. Jika nilai p tidak diketahui, gunakan…
Prosedur Cochrane-Orcutt
Namun prosedur ini tidak menjamin sisaan akan minimum
Prosedur Hildreth-Lu
Jika dilakukan secara teliti, dapat mencapai sisaan minimum.
Dikenal dengan metode likelihood
Regresi Logistik
Adalah ketika regresi yang dilakukan pada data kategorik, untuk mendapatkan perbandingan antara
1 dan 0.
Model : Y=
Response Information
Odds 95% CI
Predictor Coef SE Coef Z=Wald P Ratio Lower Upper
Constant -2,11159 0,753983 -2,80 0,005
age 0,0251874 0,0179264 1,41 0,160 1,03 0,99 1,06
gender
1 0,511114 0,209469 2,44 0,015** 1,67 1,11 2,51
income
1 0,100556 0,263395 0,38 0,703 1,11 0,66 1,85
2 0,786742 0,252925 3,11 0,002** 2,20 1,34 3,61
Keterangan : ** significant
Log-Likelihood = -276,104
Test that all slopes are zero: G = 18,441, DF = 4, P-Value = 0,001
1. Uji-G
Berdasarkan uji-g diperoleh nilai G=18.441
p-value(0.001)< alpha 10% maka tolak H0 artinya model significant
2. Uji Wald
a. Gender memiliki p-value(0.015) < alpha 10% artinya gender berpengaruh nyata terhadap
purchase. Nilai odds ratio 1.67 artinya peluang seorang wanita untuk membeli adalah
1.67 kalinya peluang seorang laki-laki untuk membeli. Atau kecenderungan wanita untuk
membeli lebih tinggi dibanding laki-laki.
b. Income high memiliki p-value(0.002) < alpha 10% artinya income high berpengaruh
nyata terhadap purchase. Nilai odds ratio 2,20 artinya peluang seorang yang memiliki
income high untuk membeli adalah 2.20 kalinya peluang seorang yang memiliki income
low untuk membeli. Atau kecenderungan orang yang memiliki high income untuk
membeli lebih tinggi dibanding yang low income.