3.3.1 Pemilihan Model Terbaik
Pemilihan model yang digunakan dalam sebuah penelitian perlu dilakukan berdasarkan pertimbangan statistik. Hal ini ditujukan untuk memperoleh dugaan
yang efisien. Untuk memutuskan apakah akan menggunakan fixed effect atau random
effect menggunakan uji Haussman. Hausman test dilakukan dengan hipotesis
sebagai berikut: H
: E τ
i
| x
it
= 0 atau REM adalah model yang tepat H
1
: E τ
i
| x
it
≠ 0 atau FEM adalah model yang tepat Sebagai dasar penolakan H
maka digunakan statistik Hausman dan membandingkannya dengan Chi square.
Jika nilai χ
2
statistik hasil pengujian lebih besar dari χ
2
tabel, maka cukup bukti untuk melakukan penolakan terhadap H
sehingga pendekatan yang digunakan adalah fixed effect, begitu juga sebaliknya.
3.3.2 Uji Asumsi
Setelah kita memutuskan untuk menggunakan suatu model tertentu FEM atau REM, maka kita dapat melakukan uji asumsi.
1 Uji Homoskedastisitas
Salah satu asumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE Best Linier
Unbiased Estimate maka var u
i
harus sama dengan σ
2
konstan, atau semua residual atau error mempunyai varian yang sama. Kondisi itu disebut dengan
homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskedastisitas.
Untuk mendeteksi adanya heteroskedastisitas dapat menggunakan metode White test
. Uji ini pertama kali diperkenalkan oleh White pada tahun 1980. Statistik uji white menyebar menurut sebaran Khi-kuadrat dengan derajat bebas
jumlah variabel bebas χ
2 α;db
. Secara manual, uji ini dilakukan dengan meregresi residual kuadrat e
2
dengan variabel bebas. Dapatkan nilai R
2
, kemudian
dapatkan nilai ObsR-squared. Kriteria yang digunakan adalah apabila ObsR- squared
lebih besar dari χ
2 α;db
maka dapat disimpulkan terdapat heteroskedastisitas dalam model.
Cara lain untuk mendeteksi adanya heteroskedastisitas dalam model dapat juga menggunakan hasil estimasi dengan General Least Square Cross section
Weights yaitu dengan membandingkan sum square Resid pada Weighted
Statistics dengan sum square Resid unweighted Statistics. Jika sum square Resid
pada Weighted Statistics lebih kecil dari sum square Resid unweighted Statistics, maka terjadi heteroskedastisitas dalam model Greene, 2002.
2 Uji Autokorelasi
Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu peubah atau korelasi antar error masa yang lalu dengan error masa sekarang. Uji
autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan. Autokorelasi dapat memengaruhi efisiensi dari estimatornya. Untuk
mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin Watson DW. Untuk mengetahui adatidaknya autokorelasi, maka dilakukan dengan
membandingkan DW-statistiknya dengan DW-tabel Widarjono 2009. Tabel 1 Kerangka identifikasi autokorelasi
Nilai statistik d
Hasil
4 – dl d 4
Ada autokorelasi negatif 4
– du d 4- dl Tidak ada keputusan
2 d 4 – du
Tidak ada autokorelasi du d 2
Tidak ada autokorelasi dl d du
Tidak ada keputusan 0 d dl
ada autokorelasi positif
Sumber: Widarjono 2009 Keterangan:
d = Statistik Durbin Watson ; dl = nilai kritis batas bawah ; du = nilai kritis batas atas
3.3.3 Evaluasi Model 1 Uji-F
Kategori