Analisis Regresi Berganda

Assalamu'alaykum Warrahmatullahi Wabarakatuh ...

 Apa kabar Kawan-kawan metrica  semua ? Semoga masih selalu dalam lindungan Allah SWT .Aamiin J

Alhamdulillah, saya masih diberikan kesempatan dan kesehatan  sehingga bisa terus tayang di layar leptop saya :D dalam rangka untuk memberikan sedikit pembahasan-pembahasan terkait Ekometrika yang semakin hari semakin Wow dan mudah di pelajari , gak memperpanjang sapaan deh, Check In aja ke sini ya :

• UJI ASUMSI KLASIK
• PENGGUNAAN MODEL REGRESI OLS MENSYARATKAN PEMENUHAN BEBERAPA ASUMSI (ASUMSI KLASIK -- GAUSS --MARKOV)

JIKA ASUMSI TERPENUHI MAKA PARAMETER YANG DIPEROLEH DENGAN OLS ADALAH BERSIFAT BEST LINIER UNBIASED ESTIMATOR (BLUE)

PADA  PRAKTIKNYA SATU ATAU LEBIH ASUMSI TERSEBUT TIDAK DAPAT DIPENUHI, PELANGGARAN ASUMSI KLASIK YANG SERING TERJADI YAKNI AUTOKORELASI, HETEROKEDASTISITAS DAN MULTIKOLINEARITAS

Persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis Ordinary Least Square (OLS)

Analisis Regresi yang tidak berbasis OLS tidak memerlukan uji asumsi klasik (eg regresi logistik atau regresi ordinal.

 Analisis regresi sederhana tidak memerlukan uji multikolinearitas dan analisis regresi dengan data cross sectional tidak memerlukan uji autokorelasi.

•  5 UJI ASUMSI KLASIK
• Normalitas
• Melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik memiliki nilai residual yang terdistribusi normal.
• Multikolinearitas
• Melihat ada atau tidaknya korelasi yang tinggi antar variabel -- variabel beas dalam suatu model regresi.
• Heteroskedastisitas
• Melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain.
• Autokorelasi
• Melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t-a)
• Linearitas
• Melihat model  yang dibangun memliki hubungan yang linear atau tidak.

Mengapa penting menggunakan Uji Asumsi Klasik ?

Model regresi lienar berganda (multiple regression) dapat disebut sebagai model yang baik jika model tersebut memenuhi kriteria BLUE (Best Linear Unbiased Estimator). Kriteria BLUE dipenuhi jika 5 uji asumsi klasik dipenuhi.

Contoh aplikasi yang digunakan adalah kasus permintaan ayam di AS selama periode 1960 -- 1982 (Gujarati)

Variabel yang digunakan adalah

Y = Konsumsi Ayam per kapita

X1 = Pendapatan riil per kapita

X2 = harga ayam eceran riil per unit

X3 = harga babi eceran riil per unit

X4 = harga sapi eceran riil per unit

TEORI yang digunakan adalah teori ekonomi mikro dimana permintaan suatu barang dipengaruhi oleh pendapatan konsumen, harga barang itu sendiri, harga barang substitusi dan harga barang komplementer.

Fungsi permintaannya adalah sebagai berikut:

• Uji Normalitas
• Cara yang sering digunakan dalam menentukan apakah suatu model berdistribusi normal atau tidak hanya dengan melihat pada histogram residual apakah memiliki bentuk seperti "lonceng"atau tidak. Cara ini menjadi fatal karena pengambilan keputusan data berdistribusi normal atau tidak hanya berpatok pada pengamatan gambar saja.
• Dalam Eviews, uji Normalias dapat dilakukan dengan uji Jerque-Bera(JB-Test), Caranya pada jendela equation, klik View, klik Residual Diagnostics, lalu klik Histogram -- Normality Test
• Layar Equestion

Dependent Variable: Y

Method: Least Squares

Date: 11/21/17   Time: 09:16

Sample: 1960 1982

Included observations: 23

Variable

Coefficient

Std. Error

t-Statistic

Prob.

X1

0.002101

0.003190

0.658788

0.5184

X2

-0.636353

0.164748

-3.862585

0.0011

X3

0.217663

0.058102

3.746221

0.0015

X4

0.097555

0.041223

2.366548

0.0294

C

36.30322

3.867471

9.386812

0.0000

R-squared

0.939196

Mean dependent var

39.71304

Adjusted R-squared

0.925683

S.D. dependent var

7.449668

S.E. of regression

2.030858

Akaike info criterion

4.444454

Sum squared resid

74.23895

Schwarz criterion

4.691301

Log likelihood

-46.11123

Hannan-Quinn criter.

4.506536

F-statistic

69.50775

Durbin-Watson stat

1.387410

Prob(F-statistic)

0.000000

• Setelah itu jendela Equation akan otomatis berUbah menjadi output Histogram Normality
• Test.
• Pengambilan Keputusan

Untuk mengambil keputusan, fokuslah pada Jerque-Bera dan Probability. Tips nya begini, Penelitian Ekonomi dan Bisnis pada umumnya menggunakan =0.05 (5%), jika probability <, maka data tidak berdistribusi normal. Jika probability >, maka data berdistribusi normal. Pada tutorial kali ini, data penelitian ............................., karena .......................... 0.05. Maka H0 ditolak atau diterima?

• Apa yang dilakukan jika Uji tidak terpenuhi?
• Melakukan transformasi data
• Melakukan trimming data outliers
• Menambah data observasi
• Uji Heteroskedastisitas
• Pada jendela equation, klik View; Klik Residual Diagnostics; Klik Heteroskedasticity Tests...; Muncul jendela Heteroskedasticity Tests, pilih Test type. Eviews menyediakan berbagai macam pilihan. Pada tutorial kali ini, kami menggunakan Uji Glejser, maka pilih Glejser; Terakhir, klik OK. Lalu jendela equation akan memperlihatkan output uji heteroskedastisitas

Heteroskedasticity Test: Glejser

F-statistic

2.491545

Prob. F(4,18)

0.0798

Obs*R-squared

8.196406

Prob. Chi-Square(4)

0.0846

Scaled explained SS

3.125420

Prob. Chi-Square(4)

0.5371

Test Equation:

Dependent Variable: ARESID

Method: Least Squares

Date: 11/21/17   Time: 09:24

Sample: 1960 1982

Included observations: 23

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-1.147792

1.305562

-0.879156

0.3909

X1

0.000105

0.001077

0.097860

0.9231

X2

0.089667

0.055615

1.612281

0.1243

X3

-0.011579

0.019614

-0.590360

0.5623

X4

-0.004701

0.013916

-0.337824

0.7394

R-squared

0.356365

Mean dependent var

1.629814

Adjusted R-squared

0.213336

S.D. dependent var

0.772957

S.E. of regression

0.685567

Akaike info criterion

2.272520

Sum squared resid

8.460045

Schwarz criterion

2.519366

Log likelihood

-21.13398

Hannan-Quinn criter.

2.334601

Estimation Command:
=========================
LS Y X1 X2 X3 X4  C
Estimation Equation:
=========================
Y = C(1)*X1 + C(2)*X2 + C(3)*X3 + C(4)*X4 + C(5)
Substituted Coefficients:
=========================
Y = 0.00210145736311*X1 - 0.636353436773*X2 + 0.217662563342*X3 + 0.097555258358*X4 + 36.3032186495

• Untuk mengambil keputusan hasil uji heteroskedastisitas, fokus terhadap bagian F-statisticdan Obs * R-squared
• Pengambilan kesimpulan dilakukan dengan caramembandingkan Prob. F atau Prob. Chi-Square dengan .
• Jik a Prob. F .stat <, maka terjadi gejala heteroskedastisitas, sebaliknya jika Prob. F.Stat >, maka tidak terjadi gejala heteroskedastisitas (homoskedastisitas). Pada data excel, dapat disimpulkan .......................
• atau tidak terjadi/terjadi gejala heteroskedastisitas.
• Karena ................. 0.05.
•