Uji Asumsi Klasik

Halo sobat kompasiana..

Saya akan melanjutkan sedikit tulisan tentang ekonometrika..

Kali ini saya akan membahas uji asumsi klasik yang mana sangat diperlukan ketika melakukan penelitian dengan metode regresi linear berganda.

Uji asumsi klasik ada lima, yaitu:

• 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.
• Heterokedastisitas: 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

Untuk uji normalitas dan heterokedastisitas saya akan memberikan tips bagaimana menentukan apakah data tersebut termasuk normalitas dan atau heterokedastisitas. Berikut output yang saya peroleh dari pengolahan suatu data dengan software Eviews.

jika probability <, maka data tidak berdistribusi normal. Jika probability >, maka data berdistribusi normal.  =0,05

jadi 0.416904 > 0,05 maka data berdistribusi normal.

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: 10:10

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

F-statistic

2.491545

Durbin-Watson stat

2.929299

Prob(F-statistic)

0.079755

Jika Prob. F Stat<, maka terjadi gejala heteroskedastisitas, sebaliknya jika Prob. F. Stat >, maka tidak terjadi gejala heteroskedastisitas (homoskedastisitas).

Jadi, 0.079755>0.05 maka tidak terjadi gejala heteroskedatisitas (homokedastisitas)