10Ekonometrikax
Download
Report
Transcript 10Ekonometrikax
Ekonometrika
Program Studi Statistika, semester Ganjil 2012/2013
Dr. Rahma Fitriani, S.Si., M.Sc
Heteroskedasticity
Penyimpangan asumsi ketika ragam galat tidak konstan
Ragam galat populasi di setiap Xi tidak sama
Terkadang naik seiring dengan nilai Xi
Terkadang turun seiring dengan nilai Xi
Sering terjadi pada data cross section
Ilustrasi grafis asumsi Homokesdastisitas
var ui X i E ui2 X i
2
Ilustrasi grafis asumsi Heterokesdastisitas
var ui X i E ui2 X i i
2
X1 X 2 X 3
12 22 32
Contoh-contoh kasus dengan
Heteroskedastisitas
Error learning models
Pada kasus pendapatan dan saving
Kesalahan semakin sedikit seiring waktu
Pada kasus menduga jumlah kesalahan ketik berdasarkan lama jam
latihan.
Semakin lama jam latihan, rata-rata maupun ragam kesalahan ketik
semakin kecil
Semakin banyak pendapatan semakin banyak pilihan jumlah uang yang
ingin ditabung
Semakin banyak pendapatan semakin beragam jumlah saving
Adanya pencilan atau sebaran salah satu peubah eksogen yang
menjulur
Pendapatan , tingkat pendidikan
Kesalahan dalam spesifikasi model
Tidak menggunakan peubah eksogen yang sesuai
Bentuk fungsional yang kurang tepat
Efek dari Heterokesdastisitas
Penduga OLS bagi β tetap tidak bias dan konsisten.
Heterokesdastisitas meningkatkan ragam dari sebaran
penduga β
Pada uji t dan uji F terjadi underestimation bagi ragam atau
simpangan baku penduga parameter
Penduga β bukan lagi penduga yang paling efisien
Statistik uji t atau statistik uji F menjadi lebih besar dari yang
sebenarnya
Lebih sering terjadi penolakan H0 pada uji koefisien parameter
Uji-uji tersebut menjadi kurang terpercaya
Efek secara matematis terhadap struktur
ragam penduga koefisien
Untuk regresi linier sederhana:
varˆ
2
X
1
i X
2
1
2
x
i
2
Dengan modifikasi:
1
2
ˆ
var 2
2
x
i
2
2
x
x
2
i
2 2
i
Jika ragam tidak konstan maka:
2 2
x
i
x
2 2
i
var ˆ2
2 2
x
i i
x
2 2
i
var ˆ2
x
x
2
i
2
i
2 2
i
(*)
Pada kasus heterokesdastisitas, ragam berfluktuasi seiring nilai X
Ragam penduga β menjadi lebih besar → penduga yang tidak efisien
Jika heterokesdastisitas tidak terdeteksi:
pada uji t dan uji F digunakan satu nilai penduga ragam, dan dipakai
2
hubungan berikut:
x
i
2
var ˆ2 ˆ
2 2
x
i
Nilai tersebut akan jauh lebih kecil daripada nilai ragam sebenarnya
sesuai hubungan di (*)
Underestimated variance or standard deviation:
Memberikan nilai statistik uji t atau F yang terlalu besar
Lebih sering menghasilkan penolakan H0
Cara mendeteksi
Secara grafis
Berdasarkan plot residual
Dengan uji statistik
1.
2.
3.
4.
5.
6.
Breusch-Pagan LM test
Glesjer LM test
Harvey-Godfrey LM test
Park LM test
Goldfeld-Quant test
White test
Pada 1, 2, 3, 4, 6, dibentuk auxiliary regression dengan residual sebagai peubah
endogen dan X sebagai peubah eksogen
Koefisien determinasi dari auxiliary regression dipakai sebagai statistik uji
Pada 5 dilakukan sub sampling berdasarkan nilai X yang menyebabkan
heterokesdastisitas
Pendeteksian Heteroskedastisitas secara grafis
u^2
no heteroscedasticity
u^2
yes
^
Y
u^2
yes
yes
^
Y
u^2
^
Y
u^2
yes
^
Y
u^2
^
Y
yes
^
Y
Breusch-Pagan LM test
Yi 1 2 X 2i 3 X 3i ... k X ki ui
Langkah 1: duga model regresi di atas dan dapatkan penduga
residualnya
uˆi Yˆi Yi
Langkah 2: menduga auxiliary regression berikut di mana peubah
bebas yang digunakan adalah peubah-peubah yang mungkin
mempengaruhi ragam galat
Peubah eksogen X
uˆi2 a1 a2 X 2i ... a2 X pi vi
Langkah 3: formulasikan hipotesis nol dan alternatif
Hipotesis nol: kasus homokesdastisitas, tidak ada hubungan
antara X dan residual
Hipotesis alternatif: kasus heterokesdastisitas, terdapat
hubungan antara X dan residual
H0 a1 a2 ... a p
H1 : palingsedikit satu ai 0
Langkah 4: Dapatkan statistik uji berdasarkan koefisien
determinasi dari auxiliary regression R2
LM nR ~
2
2
p 1
Derajat bebas adalah jumlah X
yang digunakan di dalam
auxiliary regression
Langkah 5: Tolak H0 jika ada bukti yang nyata dari statistik uji
Glesjer LM test
Yi 1 2 X 2i 3 X 3i ... k X ki ui
Langkah 1: duga model regresi di atas dan dapatkan penduga
residualnya
uˆi Yˆi Yi
Langkah 2: menduga auxiliary regression berikut di mana peubah
bebas yang digunakan adalah peubah-peubah yang mungkin
mempengaruhi ragam galat
Peubah eksogen X
uˆi a1 a2 X 2i ... a2 X pi vi
Langkah 3: formulasikan hipotesis nol dan alternatif
Hipotesis nol: kasus homokesdastisitas, tidak ada hubungan
antara X dan residual
Hipotesis alternatif: kasus heterokesdastisitas, terdapat
hubungan antara X dan residual
H0 a1 a2 ... a p
H1 : palingsedikit satu ai 0
Langkah 4: Dapatkan statistik uji berdasarkan koefisien
determinasi dari auxiliary regression R2
LM nR ~
2
2
p 1
Derajat bebas adalah jumlah X
yang digunakan di dalam
auxiliary regression
Langkah 5: Tolak H0 jika ada bukti yang nyata dari statistik uji
Harvey-Godfrey LM test
Yi 1 2 X 2i 3 X 3i ... k X ki ui
Langkah 1: duga model regresi di atas dan dapatkan penduga
residualnya
uˆi Yˆi Yi
Langkah 2: menduga auxiliary regression berikut di mana peubah
bebas yang digunakan adalah peubah-peubah yang mungkin
mempengaruhi ragam galat
Peubah eksogen X
ln uˆi2 a1 a2 X 2i ... a2 X pi vi
Langkah 3: formulasikan hipotesis nol dan alternatif
Hipotesis nol: kasus homokesdastisitas, tidak ada hubungan
antara X dan residual
Hipotesis alternatif: kasus heterokesdastisitas, terdapat
hubungan antara X dan residual
H0 a1 a2 ... a p
H1 : palingsedikit satu ai 0
Langkah 4: Dapatkan statistik uji berdasarkan koefisien
determinasi dari auxiliary regression R2
LM nR ~
2
2
p 1
Derajat bebas adalah jumlah X
yang digunakan di dalam
auxiliary regression
Langkah 5: Tolak H0 jika ada bukti yang nyata dari statistik uji
Park LM test
Yi 1 2 X 2i 3 X 3i ... k X ki ui
Langkah 1: duga model regresi di atas dan dapatkan penduga
residualnya
uˆi Yˆi Yi
Langkah 2: menduga auxiliary regression berikut di mana peubah
bebas yang digunakan adalah peubah-peubah yang mungkin
mempengaruhi ragam galat
Peubah eksogen X
ln uˆi2 a1 a2 ln X 2i ... a2 ln X pi vi
Langkah 3: formulasikan hipotesis nol dan alternatif
Hipotesis nol: kasus homokesdastisitas, tidak ada hubungan
antara X dan residual
Hipotesis alternatif: kasus heterokesdastisitas, terdapat
hubungan antara X dan residual
H0 a1 a2 ... a p
H1 : palingsedikit satu ai 0
Langkah 4: Dapatkan statistik uji berdasarkan koefisien
determinasi dari auxiliary regression R2
LM nR ~
2
2
p 1
Derajat bebas adalah jumlah X
yang digunakan di dalam
auxiliary regression
Langkah 5: Tolak H0 jika ada bukti yang nyata dari statistik uji
Goldfeld-Quant Test
Ide dasar: jika ragam sama untuk seluruh pengamatan
(homoskedastic) maka:
Uji dapat dilakukan jika diketahui peubah mana yang paling
berhubungan dengan galat residual
Ragam dari sub sampel pertama akan sama dengan ragam dari sub
sampel kedua
Dari plot antara residual dengan masing-masing peubah eksogen
Kelemahan:
Jika heteroskedastisitas disebabkan oleh lebih dari satu peubah
eksogen
Tidak dapat dilakukan pada data deret waktu
Lebih sesuai untuk regresi linier sederhana dengan satu peubah
eksogen
Langkah 1:
Tentukan peubah eksogen yang paling berhubungan dengan ragam
galat.
Urutkan pengamatan untuk peubah ini dari yang terbesar ke yang
terkecil
Langkah 2:
Bagi pengamatan terurut menjadi dua sub sampel yang sama besar
c pengamatan di tengah dihilangkan
2 sub sampel beranggotakan ½(n - c) pengamatan
Sub sampel I beranggotakan pengamatan dengan nilai-nilai besar
Sub sampel II beranggotakan pengamatan dengan nilai-nilai kecil
Langkah 3:
Lakukan analisis regresi untuk Y terhadap X yang digunakan di
langkah 1, pada masing-masing sub sampel
Dapatkan JK Residual untuk masing-masing model
Langkah 4:
Hitung statistik uji F sbb:
JKG1
F
~ F 1 n c k , 1 n c k
2
2
JKG2
JKG1 adalah JK Galat dengan
nilai terbesar.
k jumlah parameter yang
diduga
Langkah 5: Tolak H0 jika ada bukti yang nyata dari statistik uji
Bagaimana menentukan nilai c, jumlah pengamatan di
tengah yang dihapuskan?
Umumnya digunakan 1/6 atau 1/3 dari jumlah pengamatan
White’s test
Uji LM yang mempunyai kelebihan dari uji-uji yang lain
Tidak memerlukan pengetahuan awal tentang peubah eksogen
penyebab heteroskedastisitas
Tidak sensitif terhadap asumsi kenormalan
Dapat dipakai untuk regresi dengan k parameter (k-1 peubah
eksogen)
Untuk ilustrasi digunakan regresi dengan 2 peubah eksogen
White’s test
Yi 1 2 X 2i 3 X 3i ui
Langkah 1: duga model regresi di atas dan dapatkan penduga
residualnya
uˆi Yˆi Yi
Langkah 2: menduga auxiliary regression berikut
Semua peubah eksogen digunakan
Digunakan pangkat dua dari semua peubah eksogen
Interaksi yang mungkin antara semua peubah eksogen
uˆi2 a1 a2 X 2i a3 X 3i a4 X 22i a5 X 32i a6 X 2i X 3i vi
Langkah 3: formulasikan hipotesis nol dan alternatif
Hipotesis nol: kasus homokesdastisitas, tidak ada hubungan
antara X dan residual
Hipotesis alternatif: kasus heterokesdastisitas, terdapat
hubungan antara X dan residual
H0 a1 a2 ... a6
H1 : palingsedikit satu ai 0
Langkah 4: Dapatkan statistik uji berdasarkan koefisien
determinasi dari auxiliary regression R2
LM nR2 ~ 621
Langkah 5: Tolak H0 jika ada bukti yang nyata dari statistik uji
Metode mengatasinya
Weighted least square
White method
Weighted Least Square
Jika penyebab heterokesdastisitas diketahui, informasi ini dapat
digunakan untuk menerapkan metode Weighted Least Square (WLS)
Sebagai ilustrasi dari penerapan WLS: misalkan ragam galat
berhubungan dengan suatu peubah zi
varui 2 zi2
Bagi persamaan regresi dengan zt
yi
1
x2i
x3i
1 2
3
vi
zi
zi
zi
zi
vt
ut
zt
Dengan hubungan tersebut, dapat dibentuk ragam yang konstan, sbb:
ui varui 2 zi2
2
varvi var
2
2
z
z
z
i
i
i
Parameter diperoleh dari model dengan peubah yang sudah diboboti
oleh zt
White’s Method
Heteroskedasticity – consistent estimation method
Dipakai ketika penyebab heteroskedastisitas tidak
diketahui
Diberikan koreksi tertentu dari White, pada penduga
ragam dan simpangan baku dari metode OLS.
White’s heteroskedasticity – corrected standard errors ~
Robust Standard Errors.