21 Mei 2017

Asumsi Klasik Uji Autokorelasi Pada Regresi Berganda

Uji autokorleasi (autocorrelation) ini bertujuan untuk menguji model  regresi Ordinary Least Square (OLS) terdapat korelasi (hubungan) antara kesalahan pengganggu pada periode t dengan kesalahan penganggu pada periode sebelumya (t-1). Autokorelasi lebih mudah terjadi pada data bersifat runtut waktu. Sedangkan data cross section sangat jarang terjadi autokorelasi. Autokorelasi yang terjadi dapat bersifat autokorelasi positif maupun negative. Autokorelasi positif terjadi karena variabel yang dianalisis memiliki kecenderungan meningkat. Demikian juga apabila memiliki kecenderungan menurun akan terjadi autokorelasi negatif.
 

Uji Autokorelasi dinyatakan :


Autokorelasi

Beberapa penyebab terjadi autokorelasi :
  1. Data mengandung pergerakan naik dan menurun secara musiman. Seperti data Indeks Harga Saham Gabungan (IHSG) dan Gross Domestic Product (GDP).
  2. Data tidak bersifat stasioner.
  3. Data bersifat runtut waktu karena ada hubungan antara data periode sekarang dengan data periode sebelumnya.
Jika data yang dianalisis mengandung autokorelasi maka model estimasi yang terjadi sebagai berikut :
  1. Estimasi model masih linier
  2. Estimasi model masih tetap tidak bias
  3. Estimasi  model tidak memiliki varian yang minimum (no longer best)
Sehingga model estimasi hanya bersifat Linear Unbiased Estimates (LUE) belum bersifat BLUE.

Ada beberapa cara pengujian untuk mendeteksi adanya autokorelasi :
1.   Uji Durbin Watson (DW test).   Uji ini hanya dapat digunakan untuk autokorelasi tingkat 1 (first order autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam model regresi serta tidak ada variabel lag diantara variabel  independen.
2.   Uji Lagrange Multiplier (LM). Uji ini lebih layak digunakan untuk sampel lebih dari 100 dan derajat autokorelasi lebih dari 1. Dibandingkan dengan DW test yang hanya digunakan untuk sampel kecil. Uji LM test menghasilkan statistik Breusch-Godfrey (BG Test) sehingga biasa dinamakan uji Breusch-Godfrey. Prosedur pengujian dengan meregres variabel pengganggu (residual) Ut menggunakan autoregressive.
 
Baca juga

Referensi :

Ghozali,I. (2013). Aplikasi Analisis Multivariate dengan Program SPSS 21. Universitas Diponegoro. Semarang

Ghozali, I dan Ratmono, Dwi. (2013). Analisis Multivariat dan Ekonometrika : Teori, Konsep dan  Aplikasi dengan Eviews 8. Semarang : Badan Penerbit Undip.

Griffiths, W.E., Hill, R.C and Lim, M.A. (2008). Using Eviews for Principles of Econometrics 3rd.London New York: John Wiley &  Sons

Gujarati, D. (2011). Econometrics by Example.New York: Palgrave MacMillan

Hill, R.C., Griffiths, W.E and Judge, G.G. (2001). Using Eviews for Undergraduate Econometrics 2nd. London New York: John Wiley &  Sons

Vogelvang, B. (2005). Econometrics : Theory and Application With Eviews.LOndon New York: Pearson Eduacation

Winarno. W.W. (2011). Analisis Ekonometrika dan Statistika dengan Eviews. STIM YKPN. Yogyakarta.

Tidak ada komentar: