1. Apa yang dimaksud dengan analisis regresi? dan bagaimana model regresi yang ideal?
Analisis regresi adalah sebuah teknik statistik yg digunakan untuk menemukan derajat ketergantungan
satu variabel (variabel dependen) terhadap satu variabel lainnya atau lebih (variabel independen).
Analisis regresi merupakan salah satu teknik statistik yang digunakan secara luas pada ilmu terapan
untuk menyelesaikan masalah sebab akibat. Analisis regresi tersebut merupakan suatu metode yang
digunakan untuk menganalisis hubungan antar variabel yang dibentuk dalam suatu persamaan atau
regresi.
- analisis runtut - waktu (time – series) yg mengobservasi data suatu entitas selama periode waktu
tertentu
- analisis data seksi – silang (cross – section) yg mengobservasi data pada waktu yg sama dengan
unit – unit (entitas – entitas) sejenis.
Model regresi yang ideal memiliki eksogenitas yang lemah, bersifat linier, varians error atau varians
residual yang tidak berubah-ubah pada response yang berbeda, dan autokorelasi untuk data time
series.
2. Bagaimana cara mengatasi masalah autokorelasi?
Autokorelasi menurut Sugiyanto,2009 adalah suatu keadaan dimana variable pengganggu (error Term) pada
periode tertentu berkorelasi dengan variable pengganggu pada periode lain sehingga variable gangguan tidak
acak.
Autokorelasi dapat dihilangkan dengan cara menambahkan variable yang dianggap menjelaskan perubahan
yang sistematis tersebut ke dalam persamaan regresi.
Autokorelasi berakibat pada parameter yang diestimasi menjadi bias dan variannya tidak minimum. Autokorelasi
dan cara penanganannya dapat dilakukan dengan mengubah lag variabel bebas atau menaksir regresi dengan
model lain, seperti error corection model atau model lainnya yang dapat mengatasi permasalahan autokorelasi.
Sumber referensi :
- EKMA4312/Modul 4
- https://statistikceria.blogspot.com/2012/12/mengatasi-uji-autokorelasi