Analisis regresi berganda pengujian asumsi ols
This presentation is the property of its rightful owner.
Sponsored Links
1 / 23

Analisis Regresi Berganda & Pengujian Asumsi OLS PowerPoint PPT Presentation


  • 373 Views
  • Uploaded on
  • Presentation posted in: General

Analisis Regresi Berganda & Pengujian Asumsi OLS. Aloysius Deno Hervino [email protected] Analisis Regresi. Adakalanya model regresi sederhana tidak mencerminkan kondisi perilaku variabel ekonomi yang sebenarnya. Analisis regresi hanya bisa dilakukan terhadap suatu fungsi. Syarat Fungsi:

Download Presentation

Analisis Regresi Berganda & Pengujian Asumsi OLS

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Analisis regresi berganda pengujian asumsi ols

Analisis Regresi Berganda & Pengujian Asumsi OLS

Aloysius Deno Hervino

[email protected]


Analisis regresi

Analisis Regresi

  • Adakalanya model regresi sederhana tidak mencerminkan kondisi perilaku variabel ekonomi yang sebenarnya.

  • Analisis regresi hanya bisa dilakukan terhadap suatu fungsi.

  • Syarat Fungsi:

    • Persamaan

    • DV di kiri dan IV di kanan

    • Tidak bisa dibolak-balik

    • Hubungan tingkah laku, bukan hubungan pasti (identitas)

    • Pengaruh IV terhadap DV harus memiliki landasan teori [ekonomi].


Lanjut

Lanjut…

  • Properti Fungsi:

    • Intersep; Autonomous; Konstanta.

    • Parameter; Koefisien; Slope.

    • Average; Marginal; Elastisitas.


Prosedur analisis regresi

Prosedur Analisis Regresi

  • Menetapkan Model Ekonomi

    • Y = f (X1, X2, X3, …, )

  • Menetapkan Hipotesa dan Menyusun Landasan Teori Hipotesa

    • One tailH0 : i = 0 ; HA : i > 0 atau i < 0

    • Two tailH0 : i = 0 ; HA : i  0

  • Mencari Data

    • Data Primer

    • Data Sekunder


Prosedur analisis regresi1

Prosedur Analisis Regresi

  • Membuat Scatter Plot

  • Memilih Model Regresi

    • Model Linier

    • Model Non Linier [log-log; log-lin; lin-log]

  • Melakukan Regresi

  • [Uji Asumsi Klasik] Intepretasi Hasil dan Uji Diagnostik


Analisis regresi berganda pengujian asumsi ols

DV

DV

IV

IV

(2)

(1)

Membuat Scatter Plot dan Memilih Model Regresi

Gambar (1): Lebih tepat menggunakan model regresi non-linier

Gambar (2): Lebih tepat menggunakan model regresi linier

Dari Scatter Plot dapat terdeteksi kebutuhan akan Dummy Independent Variable


Analisis regresi1

Analisis Regresi

  • Metode estimasi koef. Regresi menggunakan OLS (BLUE), syaratnya:

    • Hubungan Y dan X adalah linier [parameter]

    • Nilai X tetap untuk observasi yang berulang-ulang (non-stokastik).

    • Tidak ada korelasi antar variabel bebas (multikol)

    • Nilai harapan atau rata-rata dari variabel gangguan (e) adalah nol.

    • Varian dari variabel gangguan adalah sama (homo).

    • Tidak ada korelasi antar variabel gangguan (korelasi serial = autokorelasi).

    • Variabel gangguan berdistribusi normal.


Lanjut1

Lanjut…

  • Model Umum

    Yi/t = b0 + b1 X1i/t + b2 X2i/t + … + bk Xki/t + ei/t

    • b0 intesep

    • bk parameter

    • Yi/t  DV

    • Xki/t  IV

    • ei/t  variabel gangguan/error term

    • i/t  Individu/Waktu


Lanjut2

Lanjut…

  • Mengartikan b1 dan b2 dalam model regresi berganda:

    • b1 mengukur perubahan rata-rata Y terhadap perubahan per unit X1 , sementara X2 diasumsikan tetap. Hal yang sama untuk b2.

    • Jika modelnya non linier misalnya model non linier log-log, maka intepretasi dari masing-masing parameter regresinya adalah elastisitas.


Lanjut3

Lanjut…

  • Pengujian yang diperlukan:

    • Uji t Koef. Regresi Parsial

    • Koef. Determinasi yang disesuaikan (tidak terkait banyaknya variabel independen).

    • Uji Hipotesis Koef. Regresi secara Menyeluruh (Uji F).

    • Uji Asumsi OLS/Klasik (multikolinieritas, heteroskedastisitas, otokorelasi, dan normalitas).

    • Uji Perubahan Struktural Model Regresi (Uji Chow).

    • Uji Stabilitas Model (CUSUM dan CUSUMQ).

    • Uji validitas model (Ramsey Reset Test)


Analisis regresi berganda pengujian asumsi ols

CARA MEMBACA NILAI-NILAI STATISTIK DALAM REGRESI

Nilai t-statistik:


Analisis regresi berganda pengujian asumsi ols

Nilai F-statistik:

Jika nilai F-stat > F-tabel : Semua variabel independen memiliki joint impact terhadap variabel dependen

Nilai R2 :

Jika R2 = a artinya semua variabel independen yang ada dalam model dapat menerangkan (a*100) persen variasi dari variabel dependen


Pengujian asumsi ols

Pengujian Asumsi OLS

  • Multikolinieritas

    • Deteksi

      • Nilai R2 tinggi namun hanya sedikit variabel independen yang signifikan.

      • Korelasi parsial antar variabel independen.

      • Regresi Auxiliary  Membuat regresi antar variabel independen.

      • Metode Klien

        • Membandingkan nilai R2 regresi auxiliary dengan R2 regresi awal.

        • Rule of thumb-nya, jika R2 Auxiliary > R2 awal  mengandung unsur multikol, dan sebaliknya.


Lanjut4

Lanjut…

  • Penyembuhan

    • Doing nothing

      • BLUE tidak asumsi tidak adanya multikolinieritas

      • Adanya multiko akan berdampak sulitnya memperoleh standar error yang kecil.

    • Doing something

      • Menghilangkan variabel independen yang memiliki korelasi yang kuat.

      • Transformasi variabel

        • Bentuk diferensi pertama  kelemahannya mungkin terjadi korelasi serial (otokorelasi)  Melanggar asumsi OLS.

      • Penambahan Data


Lanjut5

Lanjut…

  • Heteroskedastisitas

    • Deteksi

      • Informal

        • Pola residual (Homo = tidak pasti; Hetero = tertentu)

      • Formal

        • Metode Park

        • Metode Glejser

        • Metode Korelasi Spearman

        • Metode GoldFeld-Quandt

        • Metode Breusch-Pagan

        • Metode White


Lanjut6

Lanjut…

  • Metode Park

    • Hetero muncul karena residual tergantung dari variabel independen.

    • Prosedur:

      • Estimasi regresi awal, lalu perolah residualnya.

      • Estimasi regresi antara residual kuadrat dengan variabel independen.

      • Jika variabel independen signifikan, maka mengandung heteroskedastisitas.


Lanjut7

Lanjut…

  • Metode Glejser

    • Hetero karena varian variabel gangguan nilainya tergantung dari variabel independen.

    • Prosedur:

      • Regresikan nilai absolut variabel gangguan dengan variabel independen.

      • Indikator simpulan sama dengan Park


Lanjut8

Lanjut…

  • Metode Korelasi Spearman

    • Prosedur:

      • Peroleh residual dari estimasi model awal.

      • Absolutkan nilai residualnya, lalu diurutkan. Lakukan hal yang sama untuk variabel X.

      • Cari korelasi antara keduanya.

      • Gunakan uji t  Jika t hitung > t tabel, maka terdapat heteroskedastisitas.


Lanjut9

Lanjut…

  • Metode GoldFeld-Quandt

    • Memperbaiki kelemahan Park dan Glejser

    • Hetero varian variabel gangguan merupakan fungsi positif dari variabel independen.

    • Prosedur:

      • Urutkan data sesuai dengan nilai X (kecil – besar)

      • Hilangkan observasi yang ditengah.

      • Membagi data yang tersisa (n – c)

      • Buat regresi pada masing-masing kelompok secara terpisah [(n – c)/2].

      • Peroleh nilai RSS1 dan RSS2.

      • Hitung rasionya [(RSS2/df)/(RSS1/df)] bandingkan dengan F tabel.


Lanjut10

Lanjut…

  • Autokorelasi

    • Adanya autokorelasi dalam regresi maka estimator

      • Metode OLS masih linier

      • Metode OLS masih tidak bias

      • Metode OLS tidak memiliki varian yang minimum lagi.

        • Menyebabkan perhitungan standard error tidak bisa dipercaya.

        • Uji t dan F tidak bisa digunakan sebagai evaluasi hasil regresi.


Lanjut11

Lanjut…

  • Deteksi

    • Metode Durbin-Watson (DW)

      • du = < d <= (4-du)

    • Metode Breusch-Godfrey

      • LM-test

  • Penyembuhan

    • Nilai rho atau koef. Model AR(1) diketahui.

    • Nilai rho tidak diketahui namun bisa dicari melalui estimasi.


Lanjut12

Lanjut…

  • Nilai rho diketahui

    • Transformasi persamaan  metode generalized difference equation.

    • Prosedur:

      • Model awal dan residual mengikuti pola AR(1).

      • Buat persamaan dengan lag satu dari model regresi awal.

      • Kalikan kedua sisi dengan rho yang diperoleh dari pers. AR(1)

      • Kurangi pers. Awal dengan pers. tadi.


Lanjut13

Lanjut…

  • Nilai rho tidak diketahui

    • Estimasi nilai rho

      • Metode Diferensi Tingkat Pertama  R2 > d

      • Berenblutt-Webb.

      • Statistik d Durbin Watson

      • Metode 2 langkah Durbin

      • Metode Cochrane-Orcutt


  • Login