𝑌𝑖 = 𝐸(𝑌|𝑋𝑖 ) + 𝑢𝑖
- Bertujuan untuk membentuk sebaran nilai nilai peubah endogen (𝑌) pada setiap peubah
eksogen (𝑋).
- Pada x tertentu terdapat beberapa nilai Y.
𝐸(𝑢𝑖 |𝑋𝑖 ) = 0
Hal ini dibuktikan dengan jumlah seluruh galat akan sama dengan nol.
HOMOKEDASITAS
HETEROKEDASITAS
Dari rumus penduga slope model regresi, penyebut akan bernilai nol jika tidak ada variasi dari nilai
X.
∑𝑁 ̅ ̅
𝑖=1(𝑋𝑖 − 𝑋 )(𝑌𝑖 − 𝑌 )
𝛽̂2 =
∑𝑖=1(𝑋𝑖 − 𝑋̅)
𝑛 2
∑(𝑋𝑖 − 𝑋̅)2 ≠ 0
𝑖=1
̂𝟎
𝜷 𝒔𝒆(𝜷𝟎 ) 𝑵𝒊𝒍𝒂𝒊 𝒕
̂𝟏
𝜷 𝒔𝒆(𝜷𝟏 )
𝑱𝑲 𝑮𝒂𝒍𝒂𝒕
𝑲𝒐𝒓𝒆𝒍𝒂𝒔𝒊
LANJUTAN
𝑱𝑲 𝑮𝒂𝒍𝒂𝒕
𝝈 = √𝑲𝑻𝑮 = √
𝒅𝒃 𝒂𝒕𝒂𝒖 (𝒏 − 𝟐)
𝛽̂1
𝑡=
𝑠𝑒(𝛽̂1 )
Selang Kepercayaan
𝐽𝐾 𝑅𝑒𝑔𝑟𝑒𝑠𝑖
𝑅2 =
𝐽𝐾 𝑇𝑜𝑡𝑎𝑙
Adjusted 𝑅2
𝐽𝐾 𝐸𝑟𝑟𝑜𝑟/(𝑛 − 2)
𝐴𝑑𝑗 𝑅2 = 1 −
𝐽𝐾 𝑇𝑜𝑡𝑎𝑙/(𝑛 − 1)
Bentuk Fungsional
1. Koefisien Marginal (𝐼 × 𝐼)
𝑌̂ = 𝛽̂1 + 𝛽̂2 𝑋
Dengan 𝑌̂ → 𝑘𝑜𝑛𝑠𝑢𝑚𝑠𝑖 𝑑𝑎𝑛 𝑋 → 𝑝𝑒𝑛𝑑𝑢𝑔𝑎 𝑀𝑃𝐶
∆𝑌 𝑌2 − 𝑌1
𝛽̂2 = =
∆𝑋 𝑋2 − 𝑋1
(+) → Pendapatan naik satu unit maka konsumsi akan naik sebesar 𝛽̂2
(−) → Pendapatan naik satu unit maka konsumsi akan turun sebesar 𝛽̂2
𝑌𝑡 = 𝑌0 (1 + 𝑟)𝑡
𝑑𝑌̂𝑡
𝑌
𝛽̂2 = 𝑡
𝑑𝑡
Interpretasi
Pada setiap perubahan 1 unit waktu, 𝑌 mengalami perubahan sebesar 𝛽̂2 × 100%
𝑌 = 𝛽1 + 𝛽2 ln 𝑋 + 𝑢
𝛽̂2 𝑑𝑋
𝑑𝑌̂ =
𝑋
𝛽̂2 𝑑𝑌̂
=
100 𝑑𝑋 × 100%
𝑋
Interpretasi
̂2
𝛽
Pada setiap 1% perubahan 𝑋 terjadi perubahan pada 𝑌 sebesar unit
100
𝒀 = 𝑿𝜷 + 𝒖
Model sampel:
̂+𝒖
𝒀 = 𝑿𝜷 ̂
Penduga respon:
̂
̂ = 𝑿𝜷
𝒀
Sisaan:
̂
̂ =𝒀−𝒀
𝒖
̂ ′𝒖
𝑅𝑆𝑆 = 𝒖 ̂
= 𝒀′ 𝒀 − 𝟐𝜷 ̂ 𝑿)′ 𝑿𝜷
̂ (𝑿′ 𝒀) + (𝜷 ̂
Penduga beta:
𝜕𝑅𝑆𝑆
̂=𝟎
= −𝟐(𝑿′ 𝒀) + 𝟐𝑿′𝑿𝜷
𝜕𝛽̂
̂ = (𝑿′ 𝑿)−𝟏 𝑿′ 𝒀
𝜷
Asumsi:
Sifat:
- BLUE
- Linier
- Tidak Bias (nilai harapan adalah nilai parameter)
- Konsisten
- Ragam yang paling kecil diantara semua kemungkinan penduga.
̂ ) = 𝐸(𝜷
𝑣𝑎𝑟(𝜷 ̂ − 𝛽)′
̂ − 𝛽)(𝜷
= 𝜎 2 (𝑿′ 𝑿)−1
Dimana 𝜎 2 = √𝐾𝑇𝐺
Apabila statistik uji terbuktiu maka akan cukup bukti untuk mendukung Hipotesis
sehingga tidak perlu menggunakan model restricted.
3. Uji Wald
2. QQ Plot
𝑄1 = 𝐹 −1 (0,25)
𝑄2 = 𝐹 −1 (0,5)
𝑄3 = 𝐹 −1 (0,75)
Normal eksponensial
3. Jarque Berra Normality Test
- Uji Hipotesis
𝐻0 : Pengamatan menyebar normal
𝐻1 : Pengamatan tidak menyebar normal
- Statistik Uji
𝑛 1
𝐽𝐵 = (𝑆 2 + (𝐾 − 3)2 )
6 4
3
3 1 𝑛
𝜇̂ ∑ (𝑥 − 𝑥̅ )
𝑆=( ) = 𝑛 𝑖=1 𝑖
𝜎̂
√1 𝑛 2
( 𝑛 ∑𝑖=1(𝑥𝑖 − 𝑥̅ ) )
4
4 1 𝑛
𝜇̂ ∑𝑖=1(𝑥𝑖 − 𝑥̅ )
𝐾=( ) = 𝑛
𝜎̂
√1 𝑛 2
( 𝑛 ∑𝑖=1(𝑥𝑖 − 𝑥̅ ) )
- Daerah Kritis
𝐽𝐵~𝝌𝟐𝟐
𝐻0 ditolak ketika JB besar
- Keterangan
𝑆 = 0, 𝐾 = 2 𝐽𝐵 → 0
𝐾 − 3 → menujukkan excess kurtosis
- 𝐺𝑅𝐸𝑇𝐿
𝑛
𝑆(𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠)
𝐾−3
𝑃(𝝌𝟐𝟐 ≥ 𝐽𝐵) → 0,
Karena hampir tidak ada kesalahan uji, jika Hipotesis nol ditolak maka 𝐻0 ditolak
1. Multikolinearitas Sempurna
Jika suatu variabel memiliki hubungan dengan variabel lain secara jelas.
𝛽̂ = (𝑋 ′ 𝑋)−1 𝑋 ′ 𝑌(𝑖𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛)
𝑋3 = 𝑋2 + 𝑣
Efeknya:
Pendeteksian
1
𝑉𝐼𝐹 =
(1 − 𝑟𝑖𝑗2 )
1
𝑉𝐼𝐹 = (𝑙𝑒𝑏𝑖ℎ 𝑑𝑎𝑟𝑖 𝑑𝑢𝑎 𝑝𝑟𝑒𝑑𝑖𝑘𝑡𝑜𝑟)
(1 − 𝑅𝑗2 )
Interpretasi:
Var peubah:
𝜎2
𝑣𝑎𝑟(𝛽̂𝑗 ) = 𝑉𝐼𝐹
(∑𝑛𝑖=1 𝑥𝑗𝑖2 )
Tahap:
Nilai 𝑅𝑗 = 0.9999
1 1
𝑉𝐼𝐹 = = = 100000
(1 − 𝑅𝑗2 ) 1 − 0.99999
Penyelesaian
1. Do nothing
2. Rule of Thumb Procedure
a. Menggunakan informasi apriori
Informasi tambahan dari penelitian sebelumnya
Hasil ariori disubtitusi untuk memodifikasi nilai dari persamaan regresi
b. Mengombinasikan cros section dan time series untuk data panel
Meregresikan data cross section terlebih dahulu kemudian di subtitusi pada model
persamaan regresi
c. Menghilangkan variabel dan bias spesifikasi
Akan menimbulkan masalah baru yaitu specification bias
d. Transformasi peubah
Meminimumkan dengan membandingkan data t dan t-1
e. Menambah observasi
Homokedasitas/Heterokedasitas
- Seharusnya homokedasitas
- Untuk mengetahui pelanggaran asumsi kesamaan ragam.
- Ragam dari galat terpengaruh dari X
Efek:
Pendeteksian
Menimpan hasil residual dari OLS sevagai variabel respon dan X prediktor (konsep auxiliary
regression): Uji Homo kedasstisitas
Nilai ragam
Besar
TOLAK H_0
ADA HETEROKEDASITAS
2. Uji White
Langkah 1: Mengihitung nilai residualnya
𝑢̂𝑖 = 𝑌̂𝑖 − 𝑌𝑖
Langkah II: Menduga auxiliary regression
(pangkat 1, pangkat 2, dan interaksi)
𝑢̂𝑖2 = 𝛿𝑖 + 𝛿2 𝑋2𝑖 + ⋯ + 𝛿𝑝 𝑋𝑝𝑖 + 𝑣𝑖
Langkah 3: Hipotesis
𝐻0 : 𝛿2 = 𝛿3 = ⋯ = 𝛿𝑝 = 0
𝐻1 : 𝑝𝑎𝑙𝑖𝑛𝑔 𝑡𝑖𝑑𝑎𝑘 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡 𝑠𝑎𝑡𝑢 𝛿𝑗 ≠ 0, 𝑗 = 2, … , 𝑝
Langkah 4: Stat Uji
𝐿𝑀 = 𝑛𝑅2 ~𝝌𝟐𝒑−𝟏
Langkah 5: Daerah Kritis
Jika 𝐿𝑀 = 𝑏 dan 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 𝑃(𝝌𝟐𝒑−𝟏 > 𝑏)
HANYA
KUNING YANG
MEMENUHI
SEHINGGA
HUBUNGAN
BERLAKU
SECARA LINIER