4.10.2. Heterokedastisitas
Heteroskedastisitas terjadi apabila variabel pengganggu error term tidak mempunyai varian yang konstan sama untuk semua observasi sehingga
residual pengganggu tidak bernilai nol atau Eµi
2
≠ σ
2
. Untuk menguji keberadaan heteroskedastisitas dilakukan dengan cara Uji
Formal yaitu Uji White White’s General Heterocedastisity Test. Uji White memulai pengujiannya dengan membentuk model :
Yi = βo + β1X1 + β2X2 + µ Kemudian persamaan diatas, dimodifikasi dengan membentuk bantuan
auxiliary regression sehingga model menjadi : µi2 = α0 + α1X1 + α2X2 + α3X12 + α4X22 + α5X1X2 + υi
Tabel 4.3 Hasil Uji White Heterokedastisitas
Nilai ObsR Square Probabilitas
Kesimpulan
59.43703 0.00000
Terdapat heteroskedastisitas
Berdasarkan hasil uji white diatas dapat dilihat bahwa nilai probabilitas chi squares lebih kecil dari 0,05, yang berarti signifikan sehingga mengandung
penyakit heteroskedastisitas pada hasil estimasi. Untuk itu agar model tidak lagi terdapat masalah heteroskedastisitas, maka
perlu dilakukan penyembuhan penyakit heteroskedastisitas. Cara mengobati masalah heteroskedastisitas dengan varians diketahui :
Apabila varians σ
2
dapat diketahui atau dapat diestimasi, untuk mengatasi masalah heteroskedastisitas adalah dengan menggunakan metode
kuadrat terkecil tertimbang weighted least squares = WLS. Wahyu Ario Pratomo dan Paidi Hidayat, 2007:103
Universitas Sumatera Utara
Dengan rumus sebagai berikut : Bagilah semua data dengan nilai prediksi Y
Yˆ
Y Y
ˆ = a
Yˆ 1
+ b1 Y
ˆ e
ˆ 2
ˆ
2 1
+ +
Y X
b Y
X
Model ini disebut WLS Weighted Least Squares. Dalam model ini terdapat variabel baru yaitu 1
Yˆ
. Buatlah data baru dengan membagi angka 1 dengan
Yˆ
. Gujarati 1995:383 Nilai varians σ
i
dalam ekonometrika disebut sebagai Sum Squared Residual = RSS dibagi dengan jumlah variabel penjelas k. Lihat hasil
estimasi diatas diperoleh nilai RSS atau Sum Squared Residual sebesar 1.147779 dan k = 3
ada variabel yang diestimasi, sehingga nilai varians σ
i
= 1.147779 2 =0.5738895
. Nilai varians σ
i
kemudian ditransformasikan ke dalam masing-masing variabel.
Untuk melihat apakah hasil regresi telah lolos dari masalah heteroskedastisitas dapat dilihat melalui perubahan nilai sum squared resid.
Apabila angka sum squared resid cenderung menurun, maka dapat dikatakan bahwa model yang diestimasi lolos dari masalah heteroskedastisitas. Hasil
estimasi menunjukkan bahwa nilai varians σ
i
semakin kecil. Dari hasil estimasi regresi dengan menggunakan metode kuadrat terkecil
tertimbang weighted least squares = WLS diperoleh dari nilai sum squared resid yang cenderung menurun yaitu 0.007793, maka dapat dikatakan bahwa
model yang diestimasi lolos dari masalah heteroskedastisitas.
Universitas Sumatera Utara
4.10.3. Multicollinearity kolinearitas ganda
Kategori