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
Salah satu asumsi dasar dari penerapan metode regresi dengan kuadrat terkecil adalah tidak adanya korelasi antar gangguan. Adanya masalah
autokorelasi ini akan menghasilkan hasil estimasi koefisien yang konsisten dan tidak bias tetapi dengan varians yang besar, atau dengan perkataan lain hasil tidak
efisien. Korelasi serial terjadi jika galat-galat dari observasi yang berbeda
berkorelasi, dengan kata lain terjadi korelasi galat antar waktu. Jika galat-galat dari periode-periode waktu yang berbeda biasanya berdekatan berkorelasi,
dikatakan bahwa galat itu berkorelasi serial. Korelasi serial biasanya terjadi pada data time series.
Cara yang paling sering digunakan untuk mendeteksi adanya autokorelasi
adalah Uji Durbin Watson DW,
meliputi perhitungan uji statistik yang didasarkan pada residual-residual dari prosedur regresi kuadrat terkecil biasa.
Statistiknya didefinisikan sebagai:
.........................................................................................23
atau …………………………………………………………...…24
Dimana ρ adalah koefisien autokorelasi derajat pertama dari sampel yang nilainya 0 –
1. Jika ρ = 0, maka d = 2, dan jika ρ = +1, maka terjadi autokorelasi sempurna sehingga diharapkan d berada disekitar 2. Uji DW ini hanya dapat
digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intersep dalam model regresi dan tidak ada variabel lag di
antara variabel penjelas. Hipotesis yang akan diuji adalah: Ho : ρ = 0 tidak ada autokorelasi
H
1
: ρ 0 ada autokorelasi Keputusan ada tidaknya autokorelasi adalah dengan melihat selang kepercayaan
yang didapat dari hasil pengujian yang mencakup lima daerah yaitu : 1.
Bila nilai kurang dari DW1 terjadi korelasi serial positif . 2.
Bila nilai antara DW1 dan DWu tidak dapat ditentukan apakah ada atau tidak korelasi serial.
3. Bila nilai antara DW1 dan 4 – Dwu maka bebas korelasi serial.
4. Bila nilai antara 4 – DW1 dan 4 – Dwu maka tidak dapat ditentukan apakah
ada korelasi serial. 5.
Bila lebih dari 4 – DW1 Korelasi serial negatif. Sementara koreksi terhadap korelasi serial dalam penelitian ini akan
digunakan adalah Prosedur Hidreth-Lu. Prosedur ini menspesifikasikan nilai-
nilai untuk ρ, yaitu nilai-nilai ruang yang mengakomodasi taksiran-taksiran
nilai ρ, yaitu:
...........................................................................................25
Kemudian model awal ditransformasi dengan rumus: .............................................26
Jadi, semua observasi ditransformasi. Untuk menghindari kehilangan observasi awal kita trransformasi dengan
dan setelah itu
diestimasi dengan panel data. Hasilnya DW meningkat dan tidak ada autokorelasi Gujarati, 1995
4.10. Proses Estimasi dengan Model Regresi Data Panel
