Terkecil Dua Tahap 2SLS merupakan prosedur untuk menduga parameter model struktural yang overidentified. Metode ini menggunakan informasi yang tersedia
dari spesifikasi model sistem model simultan untuk memperoleh dugaan yang unik untuk masing-masing parameter struktural. Tahapan-tahapan metode 2SLS
adalah sebagai berikut : 1 Lakukan pendugaan koefisien bentuk tereduksi untuk semua peubah endogen
yang berada disebelah kanan dengan menggunakan metode OLS. 2 Menduga koefisien strukturalnya dengan menggunakan dugaan peubah
endogen yang diperoleh pada langkah pertama. Dalam 2SLS, peubah endogen diganti dengan nilai dugaannya sendiri
dengan memperhitungkan seluruh peubah-peubah eksogen, sehingga metode ini mengasumsikan bahwa peubah-peubah dalam model telah diketahui secara
lengkap. Metode 2SLS dapat juga diterapkan pada kasus exactly identified. Jika metode OLS dipaksakan untuk menduga sistem persamaan simultan, maka akan
menghasilkan nilai penduga yang bias dan tidak konsisten.
3.2.2.4. Pengujian Model
a Uji Kesesuaian Model 1
Uji Koefisien Determinasi R
2
Untuk menjelaskan presentase variasi total peubah tidak bebas yang disebabkan oleh peubah bebas yang digunakan pengujian R
2
. Nilai R
2
berkisar dari nol sampai satu 0 ≤ R
2
≤ 1 . Jika nilainya 0 maka tidak ada hubungan antara peubah bebas dengan tidak bebas. Namun jika nilainya mendekati 1, maka
terdapat hubungan yang erat antara peubah bebas dengan peubah tidak bebas.
2 P-Value
Untuk melihat pengaruh masing-masing peubah bebas terhadap peubah tidak bebas digunakan nilai P-Value. Tingkat kesalahan yang ditolelir adalah 15
persen α=0,15. Jika P-Value lebih kecil dari nilai α, maka peubah bebas berpengaruh nyata terhadap peubah tidak bebasnya. Namun jika nilai P-Value
lebih besar dari nilai α P-Value α , maka peubah bebas tidak berpengaruh terhadap peubah tidak bebas.
b Pengujian Autokorelasi Autokorelasi adalah korelasi sosial yang terjadi antara anggota serangkaian
observasi yang diurut menurut waktu time series atau ruang cross section. Autokorelasi mempunyai potensi untuk menimbulkan masalah yang serius,
sehingga menyebabkan varians residual yang diperoleh lebih rendah, sehingga nilai R
2
terlalu tinggi dan pengujian hipotesis t statistik dan F statistik menjadi tidak meyakinkan. Uji yang sering digunakan untuk mendeteksi apakah pada data
yang diamati terjadi autokorelasi atau tidak adalah uji Durbin-Watson. Uji ini juga dapat digunakan untuk data dengan jumlah pengamatan yang kecil. Hipotesis
yang digunakan dalam uji Durbin-Watson adalah sebagai berikut : H
: tidak terdapat autokorelasi H
1
: terdapat autokorelasi Untuk menguji ada tidaknya autokorelasi, dapat dilihat dari nilai statistik
Dubrin-Watson DW dengan perhitungan sebagai berikut : DW =
Ʃ e
t
− e
t−
Ʃ �
�
≈ 2 1- ρ ...........................................................3.13
Aturan penggunaan statistik Durbin-Watson adalah sebagai berikut : 1 4-d
L
DW 4, artinya tolak H ; ada autokorelasi negatif
2 4-d
U
DW 4-d
l
, artinya tidak terdeteksi autokorelasi, coba uji yang lain
3 d
u
DW 4-d
u
,artinya terima H ; tidak terdapat autokorelasi
4 d
L
DW d
U
, artinya tidak terdeteksi autokorelasi, coba uji yang lain 5 0 DW d
L
, artinya tolak H ; ada autokorelasi positif
IV. GAMBARAN UMUM