Deteksi Heterokedastisitas Dengan Uji White Pada Eviews

Masalah heterokedastistis pada umumnya terjadi pada data cross section dibandingkan dengan data runtun waktu (time series). Penyebab Heterokedastisitas karena dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainya. 

 

 Model regresi yang baik adalah homokedastisitas atau tidak terjadi heterokedastisitas. Salah satu uji untuk mendeteksi adanya heterokedastisitas dengan melakukan uji White. Dalam uji White ini hampi mirip dengan uji Glejser. Uji White dilakukan dengan meregres nilai residual kuadrat (U²i) dengan independennya. Jika sebuah model memiliki 3 variabel independen X1 (VACA), X2 (VAHU) dan X3 (STVA) maka persamaan regresi dapat dibuat sebagai berikut :

Rumus Uji White

Perhatikan pada rumus diatas, dari 3 variabel independen (X1, X2 dan X3) kemudian dibuatkan dan ditambahkan 3 variabel X1², X2², X3².,dan 3 variabel perkalian X1X2X3, variabel X1X2 dan X1X3. Hasil variabel  independen yang baru kemudian diregresikan dengan nilai erornya. Pada aplikasi Eviews untuk Uji White sudah tersedia tanpa perlu melakukan perhitungan lagi untuk nilai X1², X2², X3², X1X2X3, X1X2 dan X2X3. 

Hasil estimasi diperoleh nilai R² untuk menghitung c² yang mana c² = n X R². Jika nilai Ob*R squared diperoleh nilai probabilitas chi-square yang signifikan (< 0.05) maka terjadi gangguan heterokedastisitas begitu juga sebaliknya jika nilai probabilitas ch-square tidak signifikan (> 0.05) maka tidak ada gangguan heterokedastisitas. Aplikasi Eviews sudah menfasilitasi langsung uji White pada model regresi, tetapi sebelum menguji  White, model harus diestimasi regresi terlebih dahulu.

Langkah uji White dengan Eviews :

View > Residual Diagnostics > Heterokedasticity Test

Langkah Uji Heterokedastisitas

Pada menu Heterokedasticity test,  pilih White kemudian OK.

Uji White

Hasil pengujian White dengan Eviews selengkapnya sebagai beikut :

Heterokedasticity test : White

Hasil output uji White di atas memberikan nilai Obs*R-squares probabilitas chi-square sebesar 0.1613. Oleh karena nilai probabilitas chi-square tidak signifikan yaitu 0.1613 > 0.05 maka dapat disimpulkan tidak terjadi pelanggaran asumsi heterokedastisitas pada model.

Baca Juga :

1. Deteksi Heterokedastisitas dengan Breusch Pagan Godfrey (BPG) Pada Eviews
2. Uji Autokorelasi Durbin Watson
   
3. Cara Deteksi Multikolinieritas Model Regresi Pada Eviews
   

Referensi :

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 Edisi 3. Yogyakarta: STIM YKPN.