TUGAS EKONOMETRI III

Estira Woro Astrini

ASUMSI GAUSS-MARKOV
Dalam statistik, teorema Gauss-Markov mengatakan bahwa dalam model regresi linear
ekspektasi dari eror adalah nol dan tidak berkorelasi dan memiliki variansi yang sama, Best
Linear Unbiased Esimator (BLUE) diperoleh dari Ordinary Least Square (OLS) estimator.

1. Linear in Parameter
y i=β 0 + β 1 x i +ui
Model regresi :
β0 β1
Memiliki parameter (intersep) dan (koefisien variabel independen x).

Model harus linear dalam parameter bukan berarti harus terdapat hubungan linear
antara variabel dependen dan variabel independen. Variabel independen dapat
berbentuk non-linear selama parameter regresinya linear. Contoh :

y i=β 0 + β 1 x i2+ ui memenuhi syarat linear dalam parameter, sedangkan :

2
y i=β 0 + β 1 x i+ ui tidak memenuhi syarat linear dalam parameter.

2. Random Sampling
Y 1 ,Y 2 , … ,Y n f ( y ,θ) ,
Jika variabel random independen dengan fungsi densitas

{Y 1 , … ,Y n } f ( y , θ). {Y 1 , … ,Y n }
maka dikatakan sampel random dari Saat

merupakan sampel random dari fungsi densitas f ( y , θ ) , dapat dikatakan juga

Yi
bahwa independent, identically distributed (iid) variabel random dari f ( y , θ )

. Pada beberapa kasus kita tidak perlu menentukan distribusinya, tetapi pada beberapa
2
kasus yang lain sampel random dapat diasumsikan berdistribusi Normal( μ , σ ¿ .

Sampel random berukuran n {( x i , yi ) :i=1,2, … , n } mengikuti model populasi

y=β 0 + β 1 x +u
, dapat ditulis sebagai berikut :
y i=β 0 + β 1 x i +ui , i=1,2, … , n .
 Misalkan variabel x menunjukkan year of education dan variabel y menunjukkan
wage. Diambil sampel sebesar 100 orang, maka sampel yang diteliti akan berbeda
untuk tiap sampel pada 100 orang yang dijadikan sampel tersebut. Dari 100 sampel

x i=x 1 , x 2 , … , x 100 y i= y 1 , y2 , … , y 100 .u i

tersebut diperoleh data dan merupakan

ui
error pada observasi ke-i, oleh sebab itu mengandung observasi ke-i yang tidak

yi
teramati dan mempengaruhi .

3. Zero conditional Mean

Nilai ekspektasi u bersyarat x atau E(u∨x) adalah sama dengan nol, atau dapat

dituliskan E ( u|x )=0 . Asumsi ini menyatakan bahwa mean dari u adalah nol dan

independen terhadap x. Untuk sampel random, asumsi ini menyiratkan bahwa

E ( ui|x i )=0
, untuk semua i=1,2, … , n . Selain membatasi hubungan antara u dan

x pada populasi, asumsi zero conditional mean bersama dengan asumsi sampel
random memungkinkan dalam teknik penyederhanaan. Khususnya, kita dapat

xi
memperoleh sifat-sifat statistik dari estimator OLS sebagai syarat dari nilai pada

sampel. Secara teknis, dalam derivasi statistik, mengkondisikan nilai sampel pada

xi
variabel independen sama saja dengan memperlakukan sebagai fixed in

repeated samples, yaitu sebagai berikut : pertama, dipilih sebanyak n sampel untuk

x1 , x2 , … , xn
nilai . Dengan diberikan nilai-nilai tersebut, kemudian diperoleh

sampel pada y. Kemudian, sampel lain pada y diperoleh menggunakan nilai yang

x1 , x2 , … , xn
sama untuk . Kemudian sampel lain pada y diperoleh dengan

x1 , x2 , … , xn
menggunakan nilai yang sama, dan seterusnya. Kekurangan asumsi

ui
Fixed in repeated samples ini adalah asumsi ini selalu menyiratkan bahwa dan

xi
adalah independen.
4. Sample Variation in Explanatory Variable
{x i ,i=1,2, … , n }
Hasil sampel dari x, yaitu, tidak semua nilainya sama. Asumsi ini

sangat lemah tapi tetap diperlukan. Jika x beragam dalam populasi, sampel random x
akan beragam juga kecuali jika variasi dari populasi sedikit atau ukuran sampelnya
kecil.

5. Homoscedasticity
Homoskedastisitas adalah kondisi dimana variansi dari residual suatu pengamatan ke

residual pengamatan lain adalah tetap atau sama yaitu var ( u|x )=σ 2 . Jika variansi

dari var ( u|x ) adalah tetap, maka var ( u|x ) tidak bergantung pada x, sehingga

dapat ditulis var (u)=σ 2 .

2 2 2 2 2
v ar ( u∨x )=E ( u ∨x )−[ E ( u∨x ) ] =E ( u ∨x )−0=E ( u ∨x ) =σ yang berarti σ2

merupakan ekspektasi tak bersyarat dari u2 sehingga var ( u ) =E ( u2 )=σ 2 karena

E ( u )=0 .