Transcript Pert-6 Pengujian Asumsi OLS Heteroskedastisitas

Pengujian Asumsi OLS
Heteroskedastisitas
Muchdie, Ir, MS, Ph.D.
FE-Uhamka
Pokok Bahasan
Sifat dan Konsekuensi
Heteroskedastistias
 Deteksi Heteroskedastisitas :

Metode Informal, Metode Park, Metode
Glejser, Metode Korelasi Spearman, Metode
GoldFeld-Quandt,Metode Breusch-Pagan,
Metode White

Penyembuhan Heteroskedastisitas
: Metode White, Pola Heteroskedastisitas,
Metode Transformasi

Lampiran-Lampiran
Sifat Heteroskedastisitas
Asumsi bahwa gangguan bersifat sama
(homoskedastisitas) berarti gangguan bersifat
seragam, jika tidak seragam
(heteroskedastisitas).
 Heteroskedastisitas terjadi pada data crosssection karena berbedanya ukuran
menyebabkan varian yang beragam.
 Contoh dgn ukuran perusahaan yang berbeda
akan mengakibatkan beragamnya nilai serapan
tenaga kerja karena outputnya juga beragam.
Ukuran rumah tangga yang berbeda akan
menyebabkan beragamnya pendapatan dan
tabungan.

Akibat Heteroskedastisitas


Jika terdapat heteroskedastisitas, apakah masih
dihasilkan estimator yang BLUE ?
Jika terjadi Heteroskedastisitas :
◦ Estimator masih linier
◦ Estimator masih tidak bias
◦ Estimator TIDAK LAGI mempunyai varian yang
minimum, tak lagi Best
◦ Jadi, jika terdapat heteroskedastisitas, estimator dgn
metode OLS tidak lagi BLUE, tetapi LUE.

Apa konsekuensinya ?
◦ Jika Varian TIDAK MINIMUM  Standar Error
tdk dapat dipercaya lagi.
◦ Akibatnya, Interval Estimasi dan Uji Hipotesis
tidak lagi bisa dipercaya..
Deteksi Heteroskedastisitas


Metode Informal melalui Scatter Diagram,
antara Residual dengan Variabel Independennya
Metode Park, masalah heterogennya variabel
gangguan berhubungan dgn variabel
independennya. Tahapan Metode Park :
◦ Melakukan regresi terhadap model yang ada
dan dapatkan residualnya.
◦ Lakukan regresi terhadap residual kuadrat
terhadap variabel independen
◦ Jika t-hitung < t-tabel artinya tidak ada
masalah heteroskedastisitas dan sebaliknya.
◦ Contoh, penyerapan tenaga kerja industri
Deteksi Heteroskedastisitas

Metode Glejser, sebesarnya berpendapat sama
dengan Park dan akhli ekonometrika lainnya.
◦ Gejser melakukan regresi nilai absolut residual dengan
variabel independennya.
◦ Sebagaimanahalnya dengan Park, Glejser menyatakan
jika uji t tdk signifikan berarti tidak ada
heteroskedastisitas.

Metode Korelasi Rank Spearman, dgn tahapan :
◦ Lakukan regresi dan dapatkan residualnya.
◦ Nilai absolut residual diranking, juga nilai variabel
independen-nya. Korelasinya keduanya
◦ Jika t-hitung lebih besar dari t-tabel maka terdapat
heteroskedastisitas (Gunakan rumus Spearman utk
mendapatkan nilai t-hitung)
◦ Contoh : Penyerapan tenaga kerja sektor industri
Deteksi Heteroskedastisitas


Metode GoldFeld-Quant : bahwa
heteroskedastisitas merupakan fungsi positif
dari variabel independend. Jika variabel
gangguan terus naik, maka akan ada masalah
heteroskedastisitas.
Metode GoldFeld-Quant meliputi perhitungan
dua regresi :
◦ Regresi pertama, kelompok data dengan gangguan yang
rendah
◦ Regresi kedua, kelompok data dengan gangguan yang
tinggi
◦ Jika varian variabel gangguan di kedua kelompok
tersebut sama, maka tidak ada heteroskedastisitas
Deteksi Heteroskedastisitas

Tahapan Metode GoldFeld-Quant :
◦ Mengurutkan data Y dan X dari yang terendah ke
tertinggi
◦ Menghilangkan nilai observasi yang di tengah,
jumlahnya tergantung n
◦ Regresikan masing-masing kelompok data tersebut
◦ Dapatkan RSS1 dengan nilai X yang kecil, dan RSS2
dengan nilai X yang besar
◦ Hitung Rasio = (RSS2/df)/(RSS1/df)
◦ Jika nilai hitung (sesuai distribusi F) lebih besar dari
nilai tabel, maka tidak ada masalah
HETEROSKEDASTISITAS
◦ Contoh Analisis Industri dengan ISIC 3 Digit
Deteksi Heteroskedastisitas


Metode White : tidak memerlukan asumsi
normalitas pada variabel gangguan
Tahapan Metode White :
◦ Estimasi persamaan regresi dan dapatkan
residualnya
◦ Lakukan regresi Auxiliary tanpa perkalian
antar variabel independen
◦ Lakukan regresi dengan perkalian antar
variabel independen
◦ Pengujian didasarkan Chi-square (n x R2)
◦ Jika Ch-Square hitung > Chi-Square tabel
berarti ada heteroskedastisitas pada model
Penyembuhan Heteroskedastisitas



Penyembuhan masalah heteroskedastisitas
tergantung kpeda pengetahuan kita tentang
variabel gangguan.
Jika varian diketahui, diatasi dengan WLS
(Weigthed Least Squares), dengan cara
membagi semua suku persamaan regresi
dengan nilai variannya.
Seringkali varian tdk diketahui, sehingga perlu
diketaui pola dari varian variabel gangguan
Penyembuhan Heteroskedastisitas

Metode White
Penyembuhan Heteroskedastisitas

Pola Heteroskedastisitas