varian yang sama: Var (εi) = E(Ɛ2)= σ2 Homoskedastisitas berarti bahwa varians tiap unsur disturbance εi, tergantung (conditional) pada nilai yang dipilih dari variabel yang menjelaskan adalah suatu angka konstan yang sama dengan σ2 Secara diagram kondisi ragam sama dapat ditunjukkan sebagai berikut Jika kondisi ragam tidak sama untuk masing-masing i, maka V(εi) = σi2 Secara visual dinyatakan sebagai berikut Beberapa alasan terjadinya heteroskedastisitas 1. Mengikuti error – learning model, karena manusia belajar maka kesalahan mereka dalam perilaku menjadi semakin lama semakin kecil. Dalam kasus ini, σi2 diharapkan untuk menurun. Contoh kasus adalah suatu penelitian tentang pengaruh lama jam praktek mengetik terhadap kesalahan mengetik. Dengan meningkatnya lama praktek mengetik, maka rata – rata banyaknya kesalahan pengetikan maupun variasinya berkurang 2. Dengan meningkatnya pendapatan, orang mempunyai lebih banyak pendapatan yang dapat digunakan sesuai dengan keinginan sehingga memiliki lebih banyak space untuk memilih pembagian pendapatan mereka. Jadi σi2 diharapkan meningkat seiring dengan meningkatnya pendapatan. 3. Peningkatan dalam teknik pengumpulan data, σi2 diharapkan untuk menurun Konsekuensi Heteroskedastisitas Jika semua asumsi terpenuhi kecuali homoskedastisitas, maka penduga OLS tetap tak bias dan konsisten tetapi penduga tersebut menjadi tidak efisien baik dalam sampel kecil maupun besar Contoh Soal Pendeteksian Heteroskedastisitas 1. Sifat Dasar Masalah Seringkali sifat masalah yang sedang dipelajari menyarankan apakah heteroskedasitas akan dijumpai atau tidak. Sebagai contoh, analisis mengenai pengeluaran investasi bisa diperkirakan akan terdapat heteroskedastistas jika perusahaan yang kecil, menengah dan besar disampel secara bersama - sama 2. Metode Grafik Dengan memetakan e i2 terhadap Yi. Dapat disimpulkan bahwa ada heteroskedastistas apabila pemetaan antara keduanya mempunya pola tertentu (sistematis) atau tidak acak 2 Jika model melibatkan dua atau lebih variabel X, e i akan dipetakan terhadap setiap variabel X yang dimasukan ke dalam model Deteksi Virus Pola yang menunjukkan tidak adanya heteroskedastisitas Pola yang menunjukkan adanya heteroskedastisitas Pengujian Rank Korelasi dari Spearman
Tindakan perbaikan Cara mengatasi masalah Heteroskedastisitas