N
143
143
143
143
143
* Correlation is significant at the 0.05 level (2-tailed).
** Correlation is significant at the 0.01 level (2-tailed).
Berdasarkan tabel korelasi di atas diketahui bahwa peubah yang memiliki korelasi terbesar adalah peubah X1. Sehingga dapat dikatakan bahwa yang penyebab adanya heterosksedastisitas adalah pada peubah X1.
Langkah 2:
Bagi pengamatan terurut menjadi dua sub sampel yang sama besar
c pengamatan di tengah dihilangkan
2 sub sampel beranggotakan ½(n - c) pengamatan
Sub sampel I beranggotakan pengamatan dengan nilai-nilai besar
Langkah 3:
Lakukan analisis regresi untuk Y terhadap semua variabel X, pada masing-masing sub sampel
Sub Sampel 1:
SUMMARY OUTPUT
Regression Statistics
Multiple R
0.392917
R Square
0.154383
Adjusted R Square
0.091745
Standard Error
0.944533
Observations
59
ANOVA
df
SS
MS
F
Significance F
Regression
4
8.79539
2.198848
2.464683
0.055852
Residual
54
48.17568
0.892142
Total
58
56.97107
Coefficients
Standard Error
t Stat
P-value
Lower 95%
Upper 95%
Lower 95.0%
Upper 95.0%
Intercept
1.691434
0.309251
5.469447
1.19E-06
1.071423
2.311446
1.071423
2.311446
X Variable 1
-1.48647
1.497575
-0.99258
0.32534
-4.48892
1.515989
-4.48892
1.515989
X Variable 2
0.000837
0.002014
0.415874
0.67915
-0.0032
0.004875
-0.0032
0.004875
X Variable 3
2.169978
2.815634
0.770689
0.44425
-3.47503
7.814983
-3.47503
7.814983
X Variable 4
1.683685
2.425574
0.694139
0.490571
-3.1793
6.546668
-3.1793
6.546668
Sub Sampel 2:
SUMMARY OUTPUT
Regression Statistics
Multiple R
0.221218
R Square
0.048938
Adjusted R Square
-0.02023
Standard Error
1.38065
Observations
60
ANOVA
df
SS
MS
F
Significance F
Regression
4
5.394647
1.348662
0.707515
0.59025
Residual
55
104.8407
1.906194
Total
59
110.2353
Coefficients
Standard Error
t Stat
P-value
Lower 95%
Upper 95%
Lower 95.0%
Upper 95.0%
Intercept
2.1944
0.90816
2.416315
0.019025
0.374407
4.014393
0.374407
4.014393
X Variable 1
0.195278
1.395989
0.139885
0.889262
-2.60235
2.992902
-2.60235
2.992902
X Variable 2
-0.00113
0.002389
-0.47174
0.638975
-0.00591
0.00366
-0.00591
0.00366
X Variable 3
7.751951
4.806837
1.612693
0.112535
-1.88117
17.38507
-1.88117
17.38507
X Variable 4
-5.92001
4.05997
-1.45814
0.150489
-14.0564
2.216353
-14.0564
2.216353
Langkah 4:
Hitung statistik uji F sbb:
Sedangkan titik kritis yang di dapat F0.05(54,55) = 1.56844. karena statistic uji F lebih besar dari titik kritis maka diputuskan untuk menolak H0 sehingga disimpulkan bahwa terdapat heteroskedastisitas.
Breusch-Pagan LM test
Langkah 1: duga model regresi di atas dan dapatkan penduga residualnya
Langkah 2: menduga auxiliary regression berikut di mana peubah bebas yang digunakan adalah peubah-peubah yang mungkin mempengaruhi ragam galat
Peubah eksogen X
Coefficients
Standard Error
t Stat
P-value
Lower 95%
Upper 95%
Lower 95.0%
Upper 95.0%
Intercept
0.887799838
0.485985636
1.826803
0.06989
-0.07314
1.848741
-0.07314
1.848741
X Variable 1
1.424284949
0.952825437
1.494802
0.137249
-0.45974
3.30831
-0.45974
3.30831
X Variable 2
-0.000764596
0.002693203
-0.2839
0.776914
-0.00609
0.004561
-0.00609
0.004561
X Variable 3
4.203778467
4.699213251
0.894571
0.372574
-5.08799
13.49555
-5.08799
13.49555
X Variable 4
-4.833281001
4.149908664
-1.16467
0.246161
-13.0389
3.372348
-13.0389
3.372348
Langkah 3: formulasikan hipotesis nol dan alternatif
Hipotesis nol: kasus homokesdastisitas, tidak ada hubungan antara X dan residual
Hipotesis alternatif: kasus heterokesdastisitas, terdapat hubungan antara X dan
Residual
Langkah 4: Dapatkan statistik uji berdasarkan koefisien determinasi dari auxiliary regression R2
Sedangkan tiik kritis yang didapatkan χ0.05;4= 9.487. karena statistic uji LM lebih kecil daripada titik kritis, diputuskan untuk terima H0 sehingga disimpulkan bahwa tidak ada ksus heteroskedastisitas.
Pada kedua uji ini menghasilkan kesimpulan yang berbeda mungkin dikarenakan uji Goldfeld-Quant Test lebih sensitive mendeteksi adanya heteroskedastisitas.
Cara mengatasi
Weighted least square
Metode ini menggunakan pembobot Zi, di mana Zi adalah nilai Z score dari X1i karena X1 yang memiliki korelasi terbesar terhadap residu. Transformasi dilakukan dengan cara membagi persamaan regresi dengan zt
Dari transformasi ini didapatkan persamaan:
SUMMARY OUTPUT
Regression Statistics
Multiple R
0.957879
R Square
0.917532
Adjusted R Square
0.915142
Standard Error
3.334469
Observations
143
ANOVA
df
SS
MS
F
Significance F
Regression
4
17071.35
4267.837
383.8438
1.08E-73
Residual
138
1534.378
11.11868
Total
142
18605.73
Coefficients
Standard Error
t Stat
P-value
Lower 95%
Upper 95%
Lower 95.0%
Upper 95.0%
Intercept
0.091699
0.279582
0.327985
0.74342
-0.46112
0.644518
-0.46112
0.644518
X Variable 1
2.773063
0.222771
12.44806
2.57E-24
2.332577
3.213548
2.332577
3.213548
X Variable 2
0.001554
0.000666
2.332522
0.021119
0.000237
0.002871
0.000237
0.002871
X Variable 3
3.528977
1.924909
1.833321
0.06891
-0.27715
7.335107
-0.27715
7.335107
X Variable 4
0.394181
1.524809
0.258512
0.796397
-2.62083
3.409192
-2.62083
3.409192
Setelah didapatkan persamaan tersebut di atas maka dilakukan pengujian terhadap ada atau tidaknya heteroskedastisitas dengan menggunakan uji Goldfeld-Quant seperti pada langkah sebelumnya. Berikut adalah table ANOVA yang di dapat pada kedua sub sampel:
sub sampel 1
ANOVA
df
SS
MS
F
Significance F
Regression
4
8947.044
2236.761
425.6605
4E-40
Residual
54
283.7592
5.2548
Total
58
9230.803
sub sampel 2
ANOVA
df
SS
MS
F
Significance F
Regression
4
3445.141
861.2853
61.54516
1.16E-19
Residual
55
769.69
13.99436
Total
59
4214.831
Statistik uji F:
Sedangkan titik kritis yang di dapat F0.05(54,55) = 1.56844. karena statistic uji F lebih besar dari titik kritis maka diputuskan untuk menolak H0 sehingga disimpulkan bahwa terdapat heteroskedastisitas.jadi metode WLS yang digunakan belum dapat menangani kasus heteroskedastisitas pada data.