Skip to content Skip to sidebar Skip to footer

Widget Atas Posting

Membaca Hasil Pengujian Langrange Multiplier (LM test) di Hasil Eviews


Gambar : Cover Artikel

MEMBACA HASIL PENGUJIAN LANGRANGE MULTIPLIER

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

Pada kesempatan kali ini saya akan membahas mengenai pengujian langrange multiplier (LM test). LM test ini sudah pernah saya buatkan tutorialnya, namun sudah saya hapus dan di versi fullnya juga sudah saya cut, dikarenakan ada kekeliruan dalam interpretasi. Maka dari itu kali ini saya akan membahasnya kembali, sekaligus memberikan sumber yang bisa kalian cantumkan di referensi kalian. 

Berikut adalah hasil uji LM test yang sudah pernah saya lakukan :

Gambar : Hasil Langrange Multiplier

Oiya, untuk langkah-langkah pengujiannya, kalian masih tetap bisa melihatnya di video saya yang berjudul “Cara Regresi + Uji Asumsi Klasik Data Panel Menggunakan Eviews 9 (Versi Lengkap)”. Di video tersebut tidak saya hapus semua, melainkan hanya interpretasi hasil, untuk cara mengujinya masih tetap ada.

Interpretasi Output :

Uji LM test atau Langrange Multiplier merupakan pengujian yang digunakan untuk mengetahui apakah model random effect lebih baik dari metode OLS. Dengan kata lain kita membandingkan random effect dengan common effect. Bagi kalian yang sering bertanya sumber dari video-video saya, kalau kalian jeli, hampir semua video saya yang terbaru sudah disertakan sumber buku. Namun bukan berarti di video-video lama saya tidak memiliki sumber. Semua video saya memiliki sumber, hanya saja tidak semua disertakan di video. Dan sumber yang saya ajarkan tidak semua dari buku, ada ilmu yang didapat di bangku perguruan tinggi, ada yang dari dosen, dan lain sebagainya.

Kembali lagi ke pembahasan, menurut buku “Ekonometrika karangan Bapak Agus Widarjono dihalaman 374, yang membahas mengenai pengujian Langrange Multiplier”, disebutkan bahwa pengujian ini didasarkan pada distribusi chi-squares dengan degree of freedom sebesar jumlah variabel independen. Jika nilai LM statistik lebih besar dari nilai kristis statistik chi-squares maka kita menolak hipotesis nol. Artinya estimasi yang tepat untuk model regresi data panel adalah metode random effect daripada metode OLS. Sebaliknya, jika nilai LM statistik lebih kecil dari nilai statistik chi-squares sebagai nilai kristis maka kita gagal menolak hipotesis nol. Estimasi random effect dengan demikian tidak bisa digunakan untuk regresi data panel, tetapi digunakan metode OLS. Atau bisa kita sebut, common effect lebih baik daripada random efect.

Untuk interpretasinya kita buat hipotesanya terlebih dahulu :

H0 = Common Effect

H1 = Random Effect

Kemudian kita buat kerangka penilaian :

1.Jika nilai LM statistik lebih besar dari nilai kristis statistik chi-squares maka kita menolak hipotesis nol. Artinya estimasi yang tepat untuk model regresi data panel adalah metode random effect daripada metode OLS.

2. jika nilai LM statistik lebih kecil dari nilai statistik chi-squares sebagai nilai kristis maka kita gagal menolak hipotesis nol. Estimasi random effect dengan demikian tidak bisa digunakan untuk regresi data panel, tetapi digunakan metode OLS. Atau bisa kita sebut, common effect lebih baik daripada random efect.

Dari hasil ini dapat dilihat nilai LM statistik sebesar 82.18548, dengan df 1 (karena jumlah variabel independen hanya 1), pada tingkat alpha 1% dan 5%. Kita lihat terlebih dahulu untuk nilai pembanding atau nilai kristisnya di tabel chi-squares :

Gambar : Tabel Distribusi Chi Square

Pada hasil ini didapat nilai untuk tingkat alpha 1% sebesar 6.6349 dan 5% sebesar 3.8415.

Kita bandingkan nilai kristis ini dengan nilai LM statistik :

82.18548 (LM statistik) > 6.6349  (Nilai kritis) => Untuk tingkat alpha 1%

82.18548 (LM statistik) > 3.8415 (Nilai Kritis) => Untuk tingkat alpha 5%

Dari hasil ini dapat kita tarik kesimpulan bahwa, nilai LM statistik lebih besar dari nilai kristis statistik chi-squares maka kita menolak hipotesis nol. Artinya estimasi yang tepat untuk model regresi data panel adalah metode random effect daripada metode OLS.

Selain membandingkan nilai LM statistik dengan nilai kristis chi-squares, ada cara lain yang lebih mudah yaitu dengan melihat nilai p-value di bagian cross section Breusch-Pagan.

Kriteria penilaiannya :

1.Bila nilai p-value > tingkat alpha (sesuaikan dengan tingkat signifikansi masing-masing peneliti), maka hipotesis nol diterima dan model yang dipilih common effect.

2. Bila nilai p-value < tingkat alpha (sesuaikan dengan tingkat signifikansi masing-masing peneliti), maka hipotesis nol ditolak dan model yang dipilih random effect.

Yang dilihat adalah nilai p-value di bagian Breusch-Pagan, untuk nilai p-value sebesar 0.0000, artinya jika kita bandingkan dengan tingkat alpa 0.05 (lebih kecil). Kita lihat kembali ke kerangka penilaian :

Karena ini lebih kecil dari tingkat alpha maka hipotesis nol ditolak yang artinya model yang terpilih random effect.

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 :-)

Post a Comment for "Membaca Hasil Pengujian Langrange Multiplier (LM test) di Hasil Eviews"