1 / 31

KELOMPOK 4

KELOMPOK 4. Mardha Tila Septiana 11.6767 Mega Ingga Melati 11.6778 Mega Thursina 11.6779 Miftahul Jannah 11.6784. Heteroskedastisitas. A. Pengertian B. Pengujian C. Cara Mengatasi. Pengertian.

charity-conley
Télécharger la présentation

KELOMPOK 4

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. KELOMPOK 4 MardhaTilaSeptiana11.6767 Mega Ingga Melati 11.6778 Mega Thursina 11.6779 MiftahulJannah 11.6784

  2. Heteroskedastisitas A. Pengertian B. Pengujian C. Cara Mengatasi

  3. Pengertian

  4. Salah  satu  asumsi  dalam  regresi  OLS  adalah distribusi  residual/eror  sama  (homoskedastis). Asumsi homoskedastisitas : Heteroskedastisitas adalah adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi.

  5. Dampak adanya heteroskedastisitas pada estimator OLS 1. Estimator masih tidak bias 2.Estimator masih konsisten 3. Estimator tidak efisien yaitu varians dari estimator tidakminimum (kehilangan estimator yang bersifat B.L.U.E), sehingga persamaan sulit diandalkan sebagai alat estimasi.

  6. Pengujian Heteroskedastisitas

  7. Melihat Grafik Uji Korelasi Spearman Uji ParkUji GlejserUji Goldfield

  8. 1. Melihat Grafik • Bersifat subyektif dalam melihat pola titik pada scatter plot, sehingga sangat tidak dianjurkan • Metodenya adalah dengan membuat grafik plot atau scatter antara "Standardized Predicted Value (ZPRED)" dengan "Studentized Residual (SRESID)".

  9. Uji hipotesis: H0: Tidak ada gejala heteroskedastisitas H1: Ada gejala heteroskedastisitas • Tidak ada gejala heteroskedastisitas apabila tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. • Ada gejala heteroskedastisitas apabila ada pola tertentu yang jelas, seperti titik-titik membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit).

  10. Dari gambar di atas, gambar a merupakan contoh homoskedastisitas, dan gambar b, c, d, dan e merupakan contoh heteroskedastisitas.

  11. 2. Korelasi Spearman Langkah-Langkah Pengujian : Hitung regresi Y terhadap X, dan hitung ei → (Yi – Ŷ) Hitung rank dari |ei| dan Xi, selanjutnya hitung korelasi Spearman dimanadi = selisih rank dari 2 karakteristik yang berbedayaitu rank X dan rank |ei|. Lakukan langkah-langkah pengujian hipotesis dengan statistik uji :  Tolak H0 apabila jika t* > t tabel (tα/2;n-2)

  12. Contoh soal

  13. 3. Uji Park • Uji park menggunakan fungsi : • Karena umumnya tidak diketahui, maka Park menyarankan untuk menggunakan shg persamaan regresinya menjadi

  14. Uji Park dilakukan dengan cara meregresikan nilai residual (Lnei2) dengan masing-masing variabel independen (Lnx1 dan Lnx2). • Uji hipotesis : H0: Tidak ada gejala heteroskedastisitas H1: Ada gejala heteroskedastisitas H0 diterima apabila |t hitung| > | t tabel|.

  15. Contoh soal EXCEL CARA

  16. 4. Uji Glejser • Uji Glejser dilakukan dengan cara meregresikan nilai absolute dari residual dengan masing-masing variabel independen. • Tidak terjadi heteroskedastisitas, jika nilai thitung lebih kecil dari ttabel dan nilai signifikansi lebih besar dari 0,05. • Uji Hipotesis: H0: Tidak ada gejala heteroskedastisitas H1: Ada gejala heteroskedastisitas H0 diterima apabila |t hitung| > | t tabel|.

  17. Contoh soal SPSS EXCEL

  18. 5. Uji Goldfield Langkah-langkah pengujian: 1. Urutkannilai X darikecilkebesar 2. Abaikanbeberapapengamatansekitar median, katakanlahsebanyak c pengamatan. Sisanya, masihada (n –c) pengamatan 3. Lakukanregresipadapengamatan 1, danhitung SSE1 4. Lakukanregresipadapengamatan 2 danhitung SSE 2 5. Hitungdf = jumlahpengamatandikurangijumlah parameter StatistikUji: Bila λ > Ftabel, kitatolakhipotesis yang mengatakan data mempunyaivarian yang homoskedastis

  19. Contoh soal HERE EXCEL

  20. Cara Mengatasi Heteroskedastisitas

  21. Metode Generalized Least Squares(GLS)Transformasidengan 1/XiTransformasidenganTransformasidengan1/E(Yi) = 1/Tarnsformasi dengan Logaritma

  22. Metode Generalized Least Squares(GLS) Perhatikan model berikut :Yi= β0+ β1Xi+ εidenganVar (εi) = σi2.. Masing-masingdikalikan ,sehingga menjadi: Makadiperoleh transformed model sebagaiberikut: Yi*= β0*+ β1Xi*+ εi*

  23. Pemeriksaan εi* homoskedastis Dengandemikianεi* homoskedastis. • Cara ini menjamin hilangnya heteroskedastisitas, akan tetapi, prosedur ini susah diimplementasikan karena tidak mudah mencari varians dari tiap-tiap pengamatan.

  24. Transformasidengan 1/Xi Asumsi : E(εi*2)=Xi2 Transformasimenghasilkan Ataudapatditulisdengan Buktivariantelahkonstan

  25. Secara grafik, ciri-cirinya:

  26. Transformasidengan Asumsi : • Transformasimenghasilkan • Buktivariantelahkonstan

  27. Secara grafik, ciri-cirinya:

  28. Transformasidengan1/E(Yi) = 1/ • Asumsi: • Secara grafik, ciri-cirinya:

  29. Tarnsformasi dengan Logaritma Transformasi ini ditujukan untuk memperkecil skala antar variabel bebas. Dengan semakin ‘sempitnya’ range nilai observasi, diharapkan variasi error juga tidak akan berbeda besar antar kelompok observasi. Model yang digunakan adalah : Ln Yi = β0 + β1 Ln Xi + εi

  30. Contoh soal ???

  31. TERIMA KASIH

More Related