Autokorelasi Heteroskedastisitas Evaluasi Model 1. Multikolinearitas
it it
it t
i
tpt pp
amh tkm
3 2
1 ,
semua varian mempunyai variasi yang sama. Pada umumnya, heteroskedastisitas diperolah pada data cross section. Jika pada model dijumpai heteroskedastisitas,
maka model menjadi tidak efisien meskipun tidak bias dan konsisten. Dengan kata lain, jika regresi tetap dilakukan meskipun ada masalah heteroskedastisitas maka
pada hasil regresi akan terjadi “misleading” Gujarati, 1995. Untuk menguji adanya pelanggaran asumsi Heteroskedastisitas, digunakan
uji White-heteroskedasticity yang diperoleh dalam program Eviews. Dengan uji white
, membandingkan Obs R-Squared dengan
2
Chi-Squared tabel, jika nilai Obs R-Squared lebih kecil daripada
2
-tabel maka tidak ada heteroskedastisitas pada model. Dalam pengolahan data panel dalam Eviews 4.1
yang menggunakan metode General Least Square Cross Section Weights, maka untuk mendeteksi adanya heteroskedastisitas adalah dengan membandingkan Sum
Square Resid pada Weighted Statistics dengan Sum Squared Resid Unweighted
Statistics . Jika Sum Square Resid pada Weighted Statistics Sum Squared Resid
Unweighted Statistics , maka terjadi heteroskedastisitas. Perlakuan untuk
pelanggaran tersebut adalah dengan mengestimasi GLS dengan White
Heteroscedasticity .