Magister Manajemen Univ. Muhammadiyah Yogyakarta

Transkripsi

1 Wihandaru Sotya Pamungkas Linieritas 41

2 LINIERITAS 1. Pendahuluan Tujuan uji linieritas adalah untuk mengidentifikasi apakah spesifikasi model yang digunakan berbentuk fungsi linier, kuadrat atau kubik. Ada beberapa kritreria umum yang digunakan dalam pemilihan bentuk fungsi, yaitu: a. Kriteria pertama adalah bentuk fungsi harus sesuai dengan teori ekonomi. Jika pemilihan bentuk fungsi hanya berdasarkan faktor keindahan tanpa pembenaran secara teoritis maka yang diperoleh hanya sekedar suatu pengukuran tanpa teori. Cara seperti ini tidak menghasilkan manfaat atau hanya sekedar latihan statistik Wihandaru Sotya Pamungkas Linieritas 42

3 namun bukan analisis ekonometri. b. Bila ada dua bentuk yang bisa menjelaskan dengan sama baiknya maka sebaiknya memilih bentuk yang lebih sederhana. Bentuk yang lebih sederhana dapat dilihat dari banyaknya parameter yang ada dalam fungsi (model estimasi). c. Bentuk fungsi harus dapat menghasilkan prediksi yang baik. Kriteria ketiga ini disebut dengan goodness of fit yang didasarkan pada nilai R 2 (koefisien determinasi). Semakin besar nilai R 2 maka semakin banyak proporsi variasi variabel tergantung (dependent variable) yang bisa dijelaskan oleh variasi variabel variabel bebasnya (independent variables). Catatan: Ukuran goodness of fit dengan R 2 bisa menyesatkan bila regressand sudah ditransformasikan, misal, jika bentuk fungsi yang diplih: LOG LOG. Wihandaru Sotya Pamungkas Linieritas 43

4 2. Uji Linieritas Pada tulisan disini akan membahas: a. Uji Ramsey (Ramsey RESET Test). b. Uji Lagrange Multiplier (Lagrange Multiplier (LM) Test). Model Estimasi Y = b0 + b1x1 + b2x2 + e 2.1. Uji Ramsey (Ramsey RESET Test) Uji ini dikembangkan oleh Ramsey pada tahun Uji ini disebut dengan general test of spesification error atau lebih dikenal dengan RESET, karena uji ini berkaitan dengan masalah spesifikasi kesalahan. Wihandaru Sotya Pamungkas Linieritas 44

5 Langkah langkah: a. Meregres fungsi empirik yang sedang diamati, dan diperoleh nilai residual R 2 old dan Yprediksi, selanjutnya dikuadratkan (Yprediksi^2 ). Y = b0 + b1x1 + b2x2 + e b. Meregres fungsi empirik tersebut di bawah ini, dan R 2 new. Y = b0 + b1x1 + b2x2 + b3yprediksi^2 + e c. Mencari nilai Fhitung dengan rumus: (R 2 new R 2 old) / m Fhitung = (1 R 2 new) / (n k) Keterangan: m: Jumlah variabel bebas yang baru masuk. n: Jumlah data (observasi). Wihandaru Sotya Pamungkas Linieritas 45

6 k: banyaknya parameter dalam persamaan baru. d. Mencari nilai Ftabel (α=5% ; df1=k ; df2=n k 1) ; Nilai Ftabel = e. Kesimpulan: Fhitung < Ftabel fungsi empiris linier Uji Lagrange Multiplier (LM) Uji ini dikembangkan oleh Engle pada tahun Uji ini merupakan uji alternatif dari uji Ramsey RESET. Langkah langkah: a. Meregres fungsi empirik yang sedang diamati, dan diperoleh nilai residual. Y = b0 + b1x1 + b2x2 + e b. Meregres fungsi empirik tersebut di bawah ini: e = b0 + b1x1 + b2x2 + b3x1^2 ^2 +b4x2^2 ^2 + v Wihandaru Sotya Pamungkas Linieritas 46

7 c. d. e. Mencari nilai X 2 hitung = [n] x [R 2 ]. Mencari nilai X 2 tabel(α=5% ; df=k) ; X 2 tabel = Kesimpulan: X 2 hitung < X 2 tabel fungsi empiris linier. 3. Contoh Uji Linieritas Model Penelitian RETURN = b0 + b1der + b2dpr + b3eps + b4npm + b5roa + e 3.1. Uji Ramsey (Ramsey RESET Test) Langkah langkah: a. Meregres fungsi empirik yang sedang diamati, dan diperoleh nilai residual R 2 old dan RETURNprediksi, Wihandaru Sotya Pamungkas Linieritas 47

8 selajutnya dikuadratkan (RETURNprediksi^2 ). RETURN = b0 + b1der + b2dpr + b3eps + b4npm + b5roa + e b. Meregres fungsi empirik tersebut di bawah ini, dan R 2 new. RETURN = b0 + b1der + b2dpr + b3eps + b4npm + b5roa + b6returnprediksi prediksi^2 + e c. d. Mencari nilai Fhitung = Mencari nilai Ftabel α=5% ; df1 = 6 ; df2 = 33 Ftabel = e. Kesimpulan: Fhitung < Ftabel fungsi empiris linier. Wihandaru Sotya Pamungkas Linieritas 48

9 R 2 old Model Summary Model R R Square Adjusted R Square a. Predictors: (Constant), ROA, DPR, DER, EPS, NPM R 2 new Model Summary Model R R Square Adjusted R Square a. Predictors: (Constant), RETURNPREDISKI^2, ROA, DPR, DER, EPS, NPM Wihandaru Sotya Pamungkas Linieritas 49

10 3.2. Uji Lagrange Multiplier (LM) Langkah langkah: a. Meregres fungsi empirik yang sedang diamati, dan diperoleh nilai residual (e). RETURN = b0 + b1der + b2dpr + b3eps + b4npm + b5roa + e b. Meregres fungsi empirik tersebut di bawah ini, dan diperoleh nilai R 2. e = b0 + b1der + b2dpr + b3eps + b4npm + b5roa + b6der^2 + b7dpr^2 +b8eps^2 b9npm^2 + b10 10ROA^2 + v ^2 + Wihandaru Sotya Pamungkas Linieritas 50

11 c. Mencari nilai X 2 hitung = [n] x [R 2 ]. Nilai X 2 hitung = [40] x [0.181] = d. e. Mencari nilai X 2 tabel = α=5% ; df = k = 10 ; X 2 tabel = Kesimpulan: X 2 hitung < X 2 tabel fungsi empiris linier. Model Summary Model R R Square Adjusted R Square a. Predictors: (Constant), ROA^2, DPR, DER, EPS^2, NPM^2, NPM, DPR^2, DER^2, ROA, EPS Wihandaru Sotya Pamungkas Linieritas 51

12 Daftar Pustaka Ghozali, Imam (2007), Edisi 4, Aplikasi Analisis Multivariate dengan Program SPSS, BP Universitas Diponegoro, Semarang. Gujarati, Damodar N. (1995), Third Edition, Basics Econometrics, McGraw Hill, New York. Sumodiningrat, Gunawan (1998), Edisi I, Ekonometrika Pengantar, BPFE, Yogyakarta. Wihandaru Sotya Pamungkas Linieritas 52