BAB 11Heteroskedastisitas

Gina SafitriIlham Alpian

Nadya FebrianySeptia Ningsih

Pengantar

Salah satu asumsi yang penting dari CLRM adalah Homoskedastisitas, yang berarti varians dari error bersifat konstan (tetap).Kebalikannya, bila ternyata diperoleh kondisi varians error tidak konstan, maka disebut terjadi kasus heteroskedastisitas. 

Sifat Alamiah Heteroskedastisitas

HOMOSKEDASTISITAS

(varians error dari setiap nilai variabel bebas

konstan)E () = , i = 1,2,…n

HETEROSKEDASTISITAS

(varians error dari setiap nilai variabel tidak konstan)

E () = , i = 1,2,…n

Alasan varians ui bervariasi

1. Mengikuti Model belajar dari kesalahan. Semakin sering berlatih maka tingkat kesalahan semakin sedikit.

2. Seiring dengan meningkatnya pendapatan, manusia memliki lebih banyak discretionary income. Sehingga varians akan meningkat sejalan dengan peningkatan pendapatan.

3. Perbaikan teknik pengumpulan data akan menurunkan varians.

4. Sebagai hasil dari keberadaan data pencilan5. Kesalahan spesifikasi model: • Kesalahan spesifikasi model yg dikarenakan menghilangkan variable penting dalam model. • Kesalahan tranformasi data (mis. Rasio / first diff) • Kesalahan bentuk fungsi (mis. Linier vs log-linier model).6. Terdapat skewness (kemiringan/kecondongan) dalam distribusi satu atau lebih regresor atau model.

Estimasi OLS pada Heteroskedastisitas(apa yang terjadi jika kita memiliki

kondisi heteroskedastisitas?)

Yi = Var () = HeteroskedastisitasVar () = Homoskedastisitas (Pada bab 3)

Ingat merupakan estimator terbaik, linear, dan tidak bias (BLUE). Jika Heteroskedastisitas, apakah masih BLUE?

1. telah dibuktikan masih linear. (pada bab 3, lampiran 3.A.2)

2. Akan ditunjukkan masih tidak bias.- ui tidak perlu homoskedastik

- adalah estimator yang konsisten terlepas dari heteroskedastik..

jadi seiring dengan meningkatnya ukuran sampel , maka semakin mengerucut pada nilai yang sebenarnya. (Tidak bias).3. Apakah varians nya masih minimum?

Jawabannya adalah tidak.(Digunakan metode GLS untuk

menyelesaikan kasus ini.)

Dampak Heteroskedastisitas terhadap OLS

1. Akibat tidak konstannya variansi, maka salah satu dampak yang ditimbulkan adalah lebih besarnya variansi dari taksiran.

2. Lebih besarnya varians taksiran, tentunya akan berpengaruh pada uji hipotesis yang dilakukan (uji t dan F) karena kedua uji tersebut menggunakan besarnya variansi taksiran. Akibatnya kedua hipotesis tersebut menjadi kurang akurat.

3. Lebih besarnya varians taksiran akan mengakibatkan standard error taksiran juga lebih besar sehingga interval kepercayaan menjadi sangat besar.

4. Akibat adanya dampak tersebut, jika kita memaksakan menggunakan pengujian biasa maka kesimpulan yang diambil dari persamaan regresi yang dibuat dapat menyesatkan.