3. Regresi bantuan Auxilary Regression, dengan cara meregresi masing-masing
peubah bebas pada peubah bebas lainnya. Apabila nilai yang diperoleh R
2
Pemecahan masalah kolinearitas jamak: 1 Mengurangi variabel independen dalam model, 2 Mengubah bentuk model, dan 3 Menambah data
atau memilih sampel baru yang sesuai. -nya
tinggi maka ada indikasi kebergantungan linier yang hampir pasti di antara kolom-kolom X.
4.9.2. Heteroskedastisitas
Heteroskedastisitas terjadi jika error dalam persamaan regresi memiliki varians yang tidak konstan. Heteroskedastis tidak menyebabkan penduga
parameter menjadi bias, tetapi menyebabkan penduga tersebut tidak efisien sehingga dapat menganggu pengujian hipotesis. Heteroskedastisitas biasanya
muncul pada data cross section dan tidak terjadi pada data time series deret waktu karena perubahan dalam variabel dependen dan perubahan-perubahan
dalam satu atau lebih variabel independen kemungkinan adalah sama besar. Efek dari heteroskedastisitas adalah pendugaan kuadrat terkecil membobot
lebih berat pada observasi yang memiliki varians galat lebih besar dibanding pada observasi yang memiliki varians galat lebih kecil. Hal ini terjadi karena jumlah
residual kuadrat dari galat yang memiliki varians yang lebih besar kemungkinan adalah lebih besar dari pada jumlah residual kuadrat dari galat yang mempunyai
varians yang lebih kecil. Karena pembobotan implisit ini, penduga-penduga parameter kuadrat terkecil biasa adalah tidak bias dan konsisten, tapi tidak efisien,
yaitu varians dugaannya bukanlah varians minimum. Selain itu, varians dugaan
dari parameter-parameter dugaan adalah penduga-penduga yang bias dari varians yang sebenarnya.
Untuk menguji ada tidaknya heteroskedastisitas dalam penelitian ini dapat digunakan Uji Breusch-Pagan dengan tahapan:
Model sederhana: , setelah melakukan estimasi dengan model di
atas kita memperoleh Least Squares residual εi. Selanjutnya kita hitung ,
dimana . Kemudian kita estimasi residual yang telah dinormalisasi
dengan variabel X semua variabel independen sesuai model di atas, yaitu: ............................................................................................22
Dari hasil estimasi tersebut diperoleh R
2
dan Error Sum of Squares ESS yang nantinya akan digunakan untuk memperoleh nilai Regression Sum of
Squares RSS. Dimana RSS = ESS1-R
2
2 1
. Selanjutnya RSS mengikuti
distribusi Chi-square. Jika
2 1
RSS nilai kritis dari Chi-square, kita terima Ho yang menyatakan homokedastis Pindyck, 1997
Pemecahan masalah heteroskedastisitas adalah Weighted Least Square, yaitu membobotkan setiap variabel dengan varians yang tidak konstan. Tujuannya
membuat varians jadi konstan. Selain itu, juga dapat dilakukan dengan mentransformasi model dalam bentuk logaritma natural.
4.9.3. AutokorelasiKorelasi Serial