Mendeteksi Gelaja Awal Multikolinearitas Pada Hasil Regresi di Eviews
Gambar
: Cover Artikel
MENDETEKSI INDIKASI AWAL MUKTIKOLINEARITAS
Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.
Multikolinearitas terjadi karena adanya hubungan linear antara variabel independen di dalam persamaan regresi berganda. Sebagai contoh : misalkan didalam menganalisis masalah A, indikator yang mempengaruhinya (sesuai dengan teorinya) adalah faktor B dan faktor C yang mempengaruhi masalah A. Dari kedua faktor tersebut kita bisa memperkirakan atau menduga bahwa variabel independen B dan C memiliki hubungan yang erat. Pendugaan ini tentunya harus bisa dibuktikkan dengan hasil pengolahan. Apabila hasilnya yaitu faktor B dan C memiliki hubungan yang erat, maka kita bisa mengestimasi koefisien dalam persamaan tersebut untuk mendapatkan estimator yang tidak bias, linear, dan memiliki varian minimum atau biasa kita sebut dengan BLUE (Best Linear Unbaised Estimator). Estimator BLUE tidak memerlukan lagi asumsi terbebas multikolinearitas.
Walaupun model terjadi multikolinearitas namun masih bisa menghasilkan estimator yang BLUE. tetapi menyebabkan sebuah model memiliki varian yang besar.
Kali ini kita akan belajar cara mendeteksi multikolinearitas dengan melihat hasil dari persamaan regresi.
Dilihat dari hasil regresi :
Interpretasi Output :
Untuk mendeteksi sebuah model mengalami masalah multikolinearitas, yaitu :
1.Melihat nilai standar error dan t-statistic, indikatornya : semakin besar nilai standar error dan semakin kecil nilai t-statistik, maka dapat diduga adanya indikasi awal model mengalami masalah asumsi multikolinearitas.
2.Melihat nilai R-Squared dan nilai signifikansi variabel independen, indikatornya : semakin tinggi nilai R-Squared dan semakin sedikit variabel independen yang signifikan, maka dapat diduga adanya indikasi awal model mengalami masalah asumsi multikolinearitas.
Kita coba menggunakan indikator pertama yaitu nilai standar error dan t-statistik. Untuk nilai standar error atau kesalahan baku, indikatonya semakin kecil (mendekati 0) menunjukkan estimasi model regresi semakin benar yang artinya sedikit menggambarkan bahwa model tidak terjangkit multikolinearitas. Nilai dari standar error menunjukkan angka yang mendekati 0, artinya semakin kecil, sehingga dugaan masalah multikolinearitas tidak terbukti. Untuk nilai t-statistik, indikatornya semakin besar maka terbebas dari dugaan masalah multikolinearitas. Dari hasil ini terlihat bahwa nilai t-statistik dalam kategori besar. Sehingga dapat disimpulkan bahwa model terbebas dari dugaan masalah multikolinearitas.
Berikutnya kita coba indikator kedua yaitu nilai R-Squared dan nilai signifikansi variabel independen. Untuk nilai R-Squared, indikatornya semakin besar nilai R-Squared maka ada dugaan model mengalami masalah asumsi multikolinearitas, besaran dugaannya jika melebih 0.8. Nilai R-Squared pada hasil ini sebesar 0.671505, yang artinya tidak mendekati atau melampaui 0.8, sehingga masih tergolong kecil (ditengah-tengah), artinya tidak dapat diduga model terjangkit masalah multikolinearitas. Untuk nilai signifikansi variabel independen, indikatornya semakin sedikit varibael independen yang signifikan maka ada dugaan model mengalami masalah multikolinearitas. Dari hasil ini dapat dilihat bahwa ketiga variabel independen terbebas dari masalah multikolinearitas. Ini dikarenakan nilai dari probabilitas variabel independen lebih kecil dari tingkat alpha 0.05.
Lalu apa dampaknya jika model mengandung multikolinearitas ?
Mengutip dari buku karangan Bapak Agus Widarjono tentang Ekonometrika edisi kelima di halaman 103 yang menyebutkan bahwa ada 3 dampak dari multikolinearitas jika kita menggunakan teknik estimasi OLS namun masih mempertahankan asumsi lain, yaitu :
- Estimator masih bersifat BLUE, dengan kata lain, dengan adanya multikolinearitas namun estimator memiliki varian dan kovarian yang besar sehingga sulit mendapatkan estimasi yang tepat.
- Akibat dari dampak pertama yang tadi disebutkan maka interval estimasi akan cenderung lebih lebar dan nilai hitung uji t akan kecil sehingga membuat variabel independen secara statistik tidak signifikan mempengaruhi.
- Walaupun secara individu variabel independen tidak berpengaruh terhadap variabel dependen melalui uji statistik t, namun nilai koefisien determinasi atau R2 masih bisa relatif tinggi.
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 :-)
merkur 37c stainless steel - XN-O80b910a26eepc81il5g
ReplyDeleteMerkur 37C stainless steel choegocasino.com twitter The Merkur is a chrome 얀 카지노 finished 2.75" open comb double edge 메리트 카지노 주소 razor with 바카라 사이트 a chrome finish. A solid, very close shave. 메리트카지노총판 Rating: 5 · 3 reviews
Thank you for sharing useful information with us. please keep sharing like this. And if you are searching a unique and Top University in India, Colleges discovery platform, which connects students or working professionals with Universities/colleges, at the same time offering information about colleges, courses, entrance exam details, admission notifications, scholarships, and all related topics. Please visit below links:
ReplyDeleteAsian International University in Imphal East
Mahayogi Gorakhnath University in Gorakhpur
Kalahandi University in Kalahandi
Pandit Deendayal Energy University in Gandhinagar
Shri Kallaji Vedic Vishvavidyalaya in Chittorgarh