n = Jumlah pengamatan k = Jumlah parameter regresi
Kriteria uji: F hitung F tabel: maka tolak H
artinya secara besama-sama peubah bebas berpengaruh nyata terhadap peubah tak bebas.
F hitung F tabel: maka terima H artinya secara besama-sama peubah
bebas tidak berpengaruh nyata terhadap peubah tak bebas.
4.4.3. Kriteria Ekonometrika
Asumsi-asumsi utama yang harus dipenuhi dalam model regresi linier adalah sebagai berikut:
a. Asumsi Kenormalan
Uji kenormalan diperlukan pada pengujian hipotesis dan penyusunan selang kepercayaan bagi parameter. Pengaruh ketidaknormalan sisaan terhadap
pengujian dan penyusunan selang kepercayaan adalah bahwa taraf nyata yang berkaitan dengan pengujian dan selang kepercayaan tidak lagi sesuai dengan yang
ditentukan. Secara eksplorasi, pemeriksaan terhadap asumsi kenormalan dapat dilakukan dengan histogram sisaan maupun plot normal. Apabila bentuk sebaran
uji kenormalan berbentuk garis lurus atau tidak setangkup, maka sisaan dapat dikatakan menyebar normal.
b. Heteroskedastisitas
Menurut Gujarati 1993 suatu model regresi linier harus memiliki varians penyebaran yang sama. Menurutnya, jika asumsi ini tidak dipenuhi maka akan
terdapat masalah heteroskedastisitas. Heteroskedastisitas tidak merusak sifat
ketakbiasan dan konsistensi dari penaksir OLS, tetapi penaksir yang dihasilkan tidak lagi mempunyai varians minimum efisien.
Konsekuensi bila terjadi heteroskedastisitas, maka akan berakibat: 1.
Estimasi dengan menggunakan OLS tidak akan memiliki varians yang minimum atau estimator tidak efisien. Dalam penyampelan berulang penaksir
OLS secara rata-rata sama dengan nilai populasi sebenarnya sifat tak bias dan dengan meningkatnya ukuran sampel sampai tak terhingga penaksir OLS
mengarah pada nilai sebenarnya sifat konsistensi tetapi variansnya tidak lagi minimum bahkan jika besarnya sampel meningkat secara tak terbatas.
2. Tidak dapat diterapkannya uji nyata tidaknya koefisien atau selang
kepercayaan dengan menggunakan formula yang berkaitan dengan nilai varians penyebaran.
Pengujian heteroskedastisitas bertujuan untuk melihat apakah ada variabel yang diamati mengandung informasi yang lebih dibandingkan dengan variabel
yang lainnya. Dengan demikian, pengamatan ini seharusnya mendapatkan bobot yang lebih besar dibandingkan yang lain. Hal ini dapat diketahui dengan
menggunakan metode kuadrat terkecil terboboti. Plot sisaan yang dapat dipergunakan untuk pengujian heteroskedastisitas
adalah plot antara sisaan dengan dugaan respon. Apabila ragam sisaan homogen, maka seharusnya plot antara sisaan tersebut tidak memiliki pola apapun.
Sedangkan apabila ragam sisaan tidak homogen, maka plot sisaan tersebut akan berpola. Solusi dari masalah heteroskedastisitas adalah mencari transformasi
model asal sehingga model yang baru akan memiliki error-term dengan varians yang konstan.
c. Multikolinearitas
Pada mulanya model regresi yang baik seharusnya tidak ada hubungan linier yang sempurna di antara beberapa atau semua variabel bebas. Tetapi dalam
pengertian luas di kenal multikolinearitas yang kurang sempurna yaitu menunjukkan bahwa variabel bebas X tidak merupakan kombinasi linier yang
pasti dari X lainnya karena juga ditentukan oleh unsur kesalahan Gujarati, 1993. Untuk mengetahui adatidaknya masalah multikolinearitas dalam model, dapat
dilakukan dengan melihat nilai Variance Inflaton Factor VIF pada masing- masing variabel bebasnya.
1 Rumus VIF adalah ; VIF =
1 - R
i
²
Dimana: R
i
²
adalah koefisien determinasi yang dihasilkan dengan meregresikan variabel X
i
dengan variabel lainnya, yaitu X
j
j ≠ i Jika nilai VIF kurang dari sepuluh maka dapat disimpulkan bahwa dalam model
tidak terdapat multikolinieritas. Sebaliknya jika nilai VIF lebih dari sepuluh maka dapat disimpulkan terdapat masalah multikolinieritas dalam model. Selain itu
untuk melihat korelasi antar peubah bebas dalam model dapat digunakan uji korelasi Pearson, di mana nilai yang semakin mendekati satu berarti korelasi antar
peubah bebas semakin kuat, dan sebaliknya.
d. Autokorelasi