Cara Membaca Hasil Regresi Uji Chow, Uji LM Test, dan Uji Hausman di Eviews 9
MEMBACA HASIL REGRESI PEMILIHAN MODEL
Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.1. Redundant Fixed Effects atau Likelihood ration (Uji Chow)
Uji chow digunakan untuk menentukan apakah model terpilih pooled least square atau fixed effects. H0 ditolak jika nilai dari probabilitas F lebih kecil dari alpha, yaitu lebih kecil dari 0.05, dimana H0 merupakan model pooled least square dan H1 adalah model fixed effects.
Gambar : Hasil Output Pengolah Data Eviews 9
Interpretasi Output :
Hipotesa :H0 : Common Effects
H1 : Fixed Effects
Hasil redundant fixed effect atau likelihood ratio untuk model ini memiliki nilai probabilitas F sebesar 0.0000 lebih kecil dari alpha 0.05, sehingga H0 ditolak dan H1 diterima, model yang sesuai dari hasil ini adalah fixed effects.
2. Langrange Multiplie (LM)
Langrange Multiplier (LM) adalah uji untuk mengetahui apakah model yang tepat digunakan random effects atau common effects. Uji ini dikembangkan oleh Breusch Pagan. Metode Breusch Pagan untuk uji signifikansi random effect didasarkan pada nilai residual dari metode OLS.
Gambar : Hasil Output Pengolah Data Eviews 9
Interpretasi Output :
Hipotesa :H0 : Common Effects
H1 : Random Effects
Hasil output diatas menunjukkan nilai Probabilitas Breush-Pagan (BP) sebesar 0.0000. Hipotesa nya adalah jika Probabilitas Breush-Pagan (BP) lebih kecil dari alpha (0.0000 < 0.05) maka H0 ditolak dan H1 diterima, jadi model yang tepat pada hasil diatas adalah random effects.
3. Hausman Test (Uji Hausman)
Uji hausman adalah uji yang digunakan untuk melihat apakah fixed effects ataukah random effects sebagai metode yang terbaik.
Gambar : Hasil Output Pengolah Data Eviews 9
H0 : Model mengikuti random effects
H1 : Model mengikuti fixed effects
Berdasarkan hasil uji hausman menunjukkan nilai signifikansi 0.1837 (signifikansi > 0.05), maka H0 ditolak dan H1 diterima, sehingga dapat diartikan bahwa model random effects lebih baik dari model fixed effects.
Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel
Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)
Interpretasi Output :
Hipotesa :H0 : Model mengikuti random effects
H1 : Model mengikuti fixed effects
Berdasarkan hasil uji hausman menunjukkan nilai signifikansi 0.1837 (signifikansi > 0.05), maka H0 ditolak dan H1 diterima, sehingga dapat diartikan bahwa model random effects lebih baik dari model fixed effects.
Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel
Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)
mas itu yang breusch pagan kayaknya hipotesisnya harusnya h0: common effect model, h1: random effect model
ReplyDeleteOh ya. Terima Kasih Sudah Mengingatkan. Boleh minta refrensinya ?
DeleteLalu xlo hasilnya seperti diatas, metode mana yang paling baik digunakan???? Fixed, random,atau common???
ReplyDeleteCommon Efect
DeletePke data panel mas.tetap gak ada pilihan utk uji LM
ReplyDeleteAda kok sudah saya cek,,, mungkin anda salah dalam melakukan langkah langkahnya
DeleteApa memang klau pke eviews 10 gak bisa uji LM ya
ReplyDeleteAda kok, coba ulangi langkah langkahnya,,, pake langkah langkah yang sudah saya ajarkan di bog ini
DeleteJadi bingung, soalnya yg terpilih di uji hausman itu random. Sedangkan random ini prob nya lebih besar dri 0.05
ReplyDeleteJdi penelitian sy hasilnya gak ada pengaruh secara simultan maupun parsial nya
Coba cek ulang langkah langkahnya
Deleteapakah nilai minus (-) dalam probabilitas di uji LM diabaikan? bagaimana hipotesisnya jika nilai probabilitasnya - 3,783?
ReplyDeleteArtinya nilai lebih kecil dari tingkat alpha 0.05. Sehingga model yang dipilih common effect
Deleteuji hausman menunjukkan nilai signifikansi 0.1837 (signifikansi > 0.05), berarti gagal ditolak Ho, mas..kesimpulannya benar, REM lebih baik dr FEM
ReplyDelete