A. Analisis Kriteria Ekonometrika
Untuk dapat diterima sebagai model yang baik, suatu model ekonometrika harus dapat memenuhi kriteria ekonometrika. Pengujian tersebut
dilakukan melalui : 1.
Uji Heterokedastisitas Asumsi penting model regresi klasik adalah bahwa varians tiap unsur
disturbance μ
i
, tergantung pada nilai yang dipilih dari variabel yang menjelaskan, adalah suatu angka konstan Homoskedastisitas dan sebaliknya tidak terjadi
Heteroskedastisitas Gujarati, 1993. H
: =
γ H
1
: ≠
γ Kriteria uji :
probability ObsR-squared α maka tolak H
probability ObsR-squared α , maka terima H
Jika H
ditolak, maka terdapat gejala heteroskedastisitas pada model. Sebaliknya jika
H diterima, maka tidak terdapat gejala heteroskedastisitas.
Pendeteksian heteroskedastisitas mengunakan Eviews dilakukan dengan melihat hasil
White Heteroscedasticity test. Jika probabilitas ObsR-squared dari White Heteroscedasticity test lebih besar dari taraf nyata
α yang digunakan, maka model terbebas dari heteroskedastisitas.
Adanya heteroskedastisitas dapat mengakibatkan: 1 Estimasi mengunakan OLS tidak akan memiliki varians yang minimum atau tidak efisien.
2 Prediksi nilai Y dan X tertentu dengan estimator dari data yang sebenarnya
akan mempunyai varians yang tinggi sehingga prediksi menjadi tidak efisien. 3 Tidak dapat diterapkan uji nyata tidaknya koefisien atau selang kepercayaan
dengan menggunakan formula yang berkaitan dengan nilai varians. 2.
Uji Autokorelasi Autokorelasi dalam Gujarati 1993 adalah korelasi antara error masa
lalu e
i-t
dengan error masa sekarang e
t
. Untuk menguji ada tidaknya autokorelasi, dapat digunakan uji Durbin Watson, yakni :
d hit =
∑ ∑
−
−
2 2
1 t
t t
e e
e
Pada Eviews, uji autokorelasi dapat menggunakan uji Breusch-Godfrey Serial Correlation LM Test. Hal ini dapat dilihat pada nilai probabilitasnya, jika
nilai probabilitas obs squared lebih besar dari taraf nyata yang digunakan maka model persamaan tidak mengalami masalah autokorelasi dan sebaliknya.
Adanya autokorelasi dapat menyebabkan terjadinya : 1 dugaan perameter tak bias; 2 nilai galat baku terautokorelasi sehingga ramalan tidak
efisien; 3 ragam galat berbias; 4 terjadi pendugaan kurang pada ragam galat standar error underestimated sehingga Sb underestimate, maka t overestimate t
cenderung lebih besar dari yang sebenarnya dan tadinya tidak signifikan menjadi signifikan Gujarati,1993.
3. Uji Multikolinier
Multikolinier adalah situasi adanya korelasi variabel-variabel di antara satu dengan lainnya. Dalam hal ini kita sebut variabel-variabel bebas tidak
ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas
yang nilai korelasi diantara sesamanya sama dengan nol. Jika terdapat korelasi sempurna diantara sesama variabel bebas ini sama dengan satu, maka
konsekuensinya adalah koefisien-koefisien regresi menjadi tidak dapat ditaksir, nilai standar error setiap koefisien regresi menjadi tak terhingga Gujarati, 1993.
B. Analisis Kriteria Statistik
Kategori