Analisis Regresi. Solusi ini dapat menggunakan uji Durbin Watson (DW) dan Uji Breusch Godfrey Langrange Multiplier (BGLM). Solusinya Metode WLS

Transkripsi

1 1 Analisis Regresi Analisis Regresi adalah suatu analisis statistic yang digunakan untuk menjelaskan suatu variable respons (output, dependen atau endogen) Y menggunakan satu atau lebih variable input atau independen ( X1,, Xn ), jika n 1 maka regresi yang terbentuk disebut simple regression (regresi sederhana), sedangkan jika n 1 maka regresi yang terbentuk disebut multiple regression (regresi berganda). Bentuk umum model regresi diberikan sebagai berikut : Y X X X i m n m 1,2,, k dan n 1,2,, k Untuk menganalisis data dengan menggunakan analisis regresi perlu diperhatikan mengenai uji asumsi klasik dari model regresi. Uji asumsi klasik yaitu sebagai berikut : 1. Uji Multikolineritas Jika terjadi hubungan dependesi yang kuat di antara variael independen maka problem dinamakan Multikolinearitas. Hal ini akan berakibat nilai standar eror dari koefisien menjadi tidak valid sehingga uji signifikansi koefisien dengan uji t tidak valid. Multikolinearitas ditunjukkan dengan informasi sebagai berikut : 2 a. Nilai R tinggi, tetapi variable independen banyak yang tidak signifikan b. Koefisien Korelasi antar variable bebas lebih dari 0,8 F F c. hitung kritis Solusinya yaitu : a. Menambah data observasi b. Menghilangkan salah satu atau lebih data observasi yang memiliki hubungan korelasi yang kuat. c. Transformasi variable/ differensiasi 2. Uji Heteroskedastisitas Uji ini untuk menganalisis apakah variansi dari error bersifat tetap/konstan atau berubahubah(heteroskedasik). Hal ini akan mengakibatkan nilai standar error dari koefisien hasil estimasi yang dihasilkan dengan metode OLS (regresi) tidak akurat. Heteroskedastisitas ditunjukkan dengan informasi sebagai berikut : a. Dengan uji white, nilai probabilitas dari Obs.R-squard lebih kecil 5% Solusinya : a. Estimasi dengan metode Weight Least Square/WLS b. Transformasi Variabel independen c. Estimasi dengan metode White yang bersifat Heteroscedasticity Consisten (HC) 3. Uji otokorelasi dari Error Uji ini digunakan untuk mengetahui residual bersifat independen satu dengan yang lain. Uji ini dapat diidentifikasi dengan uji Durbin Watson (DW). Solusi ini dapat menggunakan uji Durbin Watson (DW) dan Uji Breusch Godfrey Langrange Multiplier (BGLM). Solusinya Metode WLS 1

2 2 4. Uji Normalitas Regresi harus memenhui asumsi normalitas dari eror. Identifikasi dari : a. Bila Jarque Bera tidak signifikan (lebih kecil dari 2), maka data berdistribusi normal b. Bila probabilitas lebih besar dari 5%(bila menggunakan tingkat signifikan tersebut) maka data berdistribusi normal. Salah satu solusinya transformasi data. Contoh : Mengunakan Software EVIEWS 1. Uji otokorelasi Blok data independen dan dependen kemudian open as/group seperi berikut: Klik Equation dan klik model regresinya sebagai berikut : Klik OK akan mengahsilkan : 2

3 3 Dari outpu dapat dilihat bahwa Durbin-Watson (DW) =0, lebih kecil dari 1,10 maka model ini terdapat autoorelasi. Solusi dapat digunakan metode Weighted least square menggunakan two-step Durbin Watson D Statistic sebagai berikut : d Nilai statistic 1, dengan d DurbinWatson 2 * * Estimasi Model regresi Yi 0 mxn dengan Yi Yi Yi 1 dan Xi Xi Xi 1. d 0, Sehingga 1 1 0, Jadi model regresinya menjadi : 2 2 Y 0, Y Y 0, Y i i i i 1 Dengan eviews sebagai berikut : Kemudian klik OK : 3

4 4 Jadi sekarang DW= 1, berada di anatara 1,54 dan 2,46 jadi model sekarang sudah tidak mengalami autokorelasi. Jadi model regresi yang digunakan adalah : Y 0, Y 3, , Y 0, Y i i 1 i i 1 2. Uji Heteroskedastisitas Data yang digunakan yang beisikan data 81 mobil, terdiri dari varibael MPG( rata-rata mil/ gallon), HP (engine horsepower), VOL(volume mesin), SP(kecepatan tertinggi dalam satuan mil/jam), dan WT (berat kenderaan). Langkah pertama bentuk model regresinya dengan menglik semua variable, yang ouptnya : Uji heterosedastisitas dengan menggunakan uji white.dari output di atas Pilih menu View/residul, test/white heterosdakitisitas pilih no cros term (pengujia murni) : 4

5 5 Dari ouput di atas dilihat pada obs*r squard memiliki probalility 0,0002 lebih keci dari tingkat signifikan uji alpha= 5%, maka disimpulkan adanya heteroskedastisitas. Solusi : 5

6 6 3. Uji Multikolinearitas 6

7 7 Data di estimasi regreniya sebagai seperti sebelumnya : Untuk mengecek multikolinearitas, pilih objek independent kemudian pilih quick trus group statistics kemudian correlation, outputnya yaitu : 7

8 8 Solusi menghilangkan beberapa variable atau transformasi, namun lebi cenderung menghilangkan berapa varabel. 4. Uji Normaitas Bila Jarque Bera tidak signifikan (lebih kecil dari 2), maka data berdistribusi normal Bila probabilitas lebih besar dari 5%(bila menggunakan tingkat signifikan tersebut) maka data berdistribusi normal. Data yang digunakan data x1 pada uji multikolinearitas, langkhnya tampilkan data Dari outpu jelas terlihat bahwa : Jarque Beta lebih kecil dari 2 dan Probality lebih dari 5%=0,05, maka data berdistribusi normal. 8