Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
UJI ASUMSI KLASIK
DENGAN EXCELLAgus Tri Basuki, M.Sc
REGRESI YANG BAIK• OLS merupakan metode regresi yang
meminimalkan jumlah kesalahan (error) kuadrat. Model regresi linier yang dipakai dengan metodeOLS tersebut, harus memenuhi asumsi BLUE (best Liniear Unbiased Estimator) :
a. Normalitas
b. Linearitas
c. Non Multikolinearitas
d. Homoskedastistas
e. Non Autokorelasi
MODEL REGRESI
MODEL PERSAMAAN REGRESI TANPA LOG
CONS = βo + β1 Impor + β2 GDP + ε
MODEL PERSAMAAN REGRESI DENGAN LOG
Log(CONS) = βo + β1Log(Impor) + β2Log(GDP) + ε
DATA EKONOMI MAKROTahun Kons Impor GDP Tahun Kons Impor GDP
1990 119,802 95,842 4,683,590 2003 1,372,078 1,097,662 9,305,540
1991 140,805 112,644 5,563,060 2004 1,532,888 1,226,311 10,564,420
1992 157,484 125,987 6,325,820 2005 1,785,596 1,428,477 12,318,260
1993 192,959 154,367 6,712,180 2006 2,092,656 1,674,125 13,476,850
1994 228,119 182,495 7,379,480 2007 2,510,504 2,259,453 14,628,180
1995 279,876 223,901 7,949,260 2008 2,999,957 2,699,961 16,022,750
1996 332,094 265,676 8,550,220 2009 3,290,996 2,961,896 14,470,120
1997 387,171 309,737 9,217,140 2010 3,858,822 3,472,940 16,679,180
1998 647,824 518,259 10,247,910 2011 4,340,605 3,906,545 19,142,680
1999 813,183 650,547 6,988,560 2012 4,858,331 3,886,665 19,450,640
2000 856,798 685,439 8,839,480 2013 5,456,626 2,359,212 20,261,200
2001 1,039,655 831,724 8,896,490 2014 6,035,674 2,580,527 20,467,400
2002 1,231,965 985,572 8,788,230
HASIL REGRESIvariabel gdp
memiliki pengaruh
secara signifikan
nilai prob <
0,05
MODEL PERSAMAAN REGRESI TANPA LOG
CONS = βo + β1 impor + β2 GDP + ε
Regression Statistics
Multiple R 0.9701
R Square 0.9410Adjusted R Square 0.9357
Standard Error 462003.7Observations 25
ANOVA
df SS MS F Significance F
Regression 2 7.49539E+13 3.74769E+13 175.579 0.000Residual 22 4.69584E+12 2.13447E+11Total 24 7.96497E+13
Coefficients Standard Error t Stat P-value
Intercept -2137355.465 350410.5956 -6.0996 0.0000
Impor 0.111084254 0.190044978 0.5845 0.5648GDP 0.335073485 0.049171337 6.8144 0.0000
HASIL REGRESISeluruh variabel
memiliki pengaruh
secara signifikan
nilai prob <
0,05
MODEL PERSAMAAN REGRESI DENGAN LOG
LogCONS = βo + β1 Logimpor + β2 logGDP + ε
Regression Statistics
Multiple R 0.9921R Square 0.9842
Adjusted R Square 0.9827Standard Error 0.0717
Observations 25
ANOVAdf SS MS F Significance F
Regression 2 7.0378 3.5189 684.5981 0.0000Residual 22 0.1131 0.0051
Total 24 7.1509
Coefficients Standard Error t Stat P-valueIntercept -2.9757 1.0787 -2.7586 0.0115LOGImpor 0.8299 0.0726 11.4332 0.0000
LogGDP 0.5820 0.2082 2.7949 0.0106
UJI ASUMSI KLASIK(Multikolinearitas)
Dalam
model
regresi
terjadi
Multikolinea
ritas karena
korelasi
anatar
variabel
diatas 0,9
MODEL TANPA LOG
Kons Impor GDPKons 1Impor 0.903661 1
GDP 0.969602 0.919742 1
MODEL DENGAN LOG
LOGKons LOGImpor LogGDP
LOGKons 1
LOGImpor 0.989228 1
LogGDP 0.943517 0.925011 1
UJI HETEROSKEDASTISITAS
Regression StatisticsMultiple R 0.586517125R Square 0.344002338
Adjusted R Square 0.284366187
Standard Error 1.97448E+11
Observations 25ANOVA
df SS MS F Significance F
Regression 2 4.49766E+23 2.24883E+23 5.76835245 0.009681111Residual 22 8.57685E+23 3.89857E+22Total 24 1.30745E+24
Coefficients Standard Error t Stat P-valueIntercept -2.91928E+11 1.49756E+11 -1.949358012 0.064114533Impor -241625.6511 81220.09793 -2.974949025 0.006988335GDP 71019.3347 21014.50339 3.379539045 0.002699909
MODEL PERSAMAAN REGRESI TANPA LOG
Ut = βo + β1 impor + β2 GDP + ε
Lihat t statistik Semuannya Signifikan sehingga
dalam model ini mengandung Heteroskedastisitas
UJI HETEROSKEDASTISITAS
MODEL PERSAMAAN REGRESI DENGAN LOG
Ut = βo + β1 log impor + β2 log GDP + ε
Lihat t statistik Semuannya Signifikan sehingga
dalam model ini mengandung
Heteroskedastisitas
Regression StatisticsMultiple R 0.647094R Square 0.418730Adjusted R Square 0.365888Standard Error 0.006600Observations 25
ANOVA
df SS MS F Significance FRegression 2 0.000690 0.000345 7.924090 0.002559Residual 22 0.000958 0.000044Total 24 0.001649
Coefficients Standard Error t Stat P-valueIntercept -0.333632 0.099309 -3.359547 0.002832LOGImpor -0.012410 0.006683 -1.856995 0.076752LogGDP 0.058574 0.019169 3.055632 0.005795
UJI AUTOKORELASI
DETEKSI AUTOKORELASI
DETEKSI AUTOKORELASI
• Karena Model tidak memenuhi
asumsi klasik, maka harus ada
tindakan perbaikan.
a. Terjadi Multikolinearitas
b. Terjadi Homoskedastistas
c. Terjadi Autokorelasi
TERIMA KASIH