Professional Documents
Culture Documents
t
u
-3.7
-6
-6.5
-6
-3.1
-5
-3
0.5
-1
1
4
3
5
7
8
7
+
-
Time
t
u
Negative Autocorrelation
Autokorelasi negatif, ditunjukkan dari pola yang alternating dari galat seiring
waktu
+
-
-
t
u
+
1
t
u
+
-
t
u
Time
No pattern in residuals
No autocorrelation
Tidak ada pola dari galat, tidak ada autokorelasi
+
t
u
-
-
+
1
t
u
+
-
t
u
Efek dari Autokorelasi
Penduga OLS untuk koefisien regresi tetap tidak bias akan
tetap tidak lagi efisien (ragam besar)
Tidak lagi BLUE
Penduga ragam bagi koefisien regresi menjadi bias dan tidak
konsisten
Uji hipotesis tidak lagi valid
Tidak mencerminkan hal yang sebenarnya
Overestimated R
2
:
Lebih besar dari yang sebenarnya
Model lebih sering dinyatakan a good fit daripada hubungan yang
sebenarnya
Uji t juga lebih sering dinyatakan nyata
Efek matematis terhadap ragam penduga
koefisien
Ragam peragam penduga koefisien OLS tanpa
autokorelasi:
( ) ( ) ( ) ( )
1 1
'
var
= X X' X uu X' X X' E
( ) ( ) ( )
1
2
1
var
= X X' IX X' X X' o
( ) ( ) ( ) ( )
1
2
1 1
2
var
= = X X' X X' X X' X X' o o
Jika terdapat autokorelasi, maka:
( ) uu =
(
(
(
(
(
(
1
1
1
1
'
3 2 1
3 2
2 2
1 2
2
n n n
n
n
n
E
o
( )
t t
u u E , ( )
1
,
t t
u u E ( )
2
,
t t
u u E
( )
( )
( ) ( ) ( )
1 1
1
'
var
= X X' X uu X' X X' E
AR
Ragam peragam penduga koefisien OLS dengan
autokorelasi:
( ) ( )
1 1
= X X' X X' X X'
Detecting Autocorrelation:The Durbin-
Watson Test
Uji Durbin-Watson (DW):
- Uji untuk first order autocorrelation AR (1)
u
t
= u
t-1
+ v
t
dengan v
t
~ N(0, o
v
2
).
Hipotesis uji:
H
0
: =0 and H
1
: =0
Statistik uji
( )
DW
u u
u
t t
t
T
t
t
T
=
=
=
1
2
2
2
2
The Durbin-Watson Test: Critical Values
Dengan penyederhanaan:
) 1 ( AR pada korelasi koefisien penduga :
1 s s
Sehingga:
( ) 1 2 ~ DW
4 0 s s DW
2 : 0 = = DW
Untuk DW 2, tidak akan ada cukup bukti untuk adanya autokorelasi
Terdapat dua nilai kritis bagi DW,
Upper critical value (d
u
)
Lower critical value (d
L
)
Terdapat pula daerah yang inconclusive
The Durbin-Watson Test: Interpretasi
hasil uji
Syarat agar uji dapat dilakukan secara sah:
1. Ada suku konstan pada model regresi
2. Peubah eksogen non stokastik (fixed)
3. Tidak ada lag pada peubah eksogen
Dapat dilakukan untuk menguji autokorelasi sampai
derajat ke r
Uji Breusch-Godfrey
t r t r t t t t
v u u u u u + + + + + =
3 3 2 2 1 1
( )
2
, 0 ~
v t
N v o
Hipotesis nol dan hipotesis alternatif:
H
0
:
1
= 0 dan
2
= 0 dan ... dan
r
= 0
H
1
:
1
= 0 atau
2
= 0 atau ... atau
r
= 0
Dengan mengkombinasikan sifat galat tsb dan model
regresi:
t r r t t kt k t t
v u u u X X Y + + + + + + + + =
1 2 2 1 1 2 2 1
| | |
Langkah-langkah uji Breusch-Godfrey
Langkah 1: Dapatkan penduga bagi model regresi
Langkah 2: Dapatkan penduga galat
t t t
Y Y u
=
Langkah 3: Dapatkan penduga auxiliary regression bagi
penduga galat sebagai fungsi dari seluruh peubah eksogen
dan galat sejumlah lag yang ingin diuji
p t p k t k kt k t t
u u X X u
+ +
+ + + + + + =
1 1 2 1 0
o o o o o
t kt k t t t
u X X X Y + + + + + = | | | |
3 3 2 2 1
Langkah 4: Dapatkan statistik uji berdasarkan koefisien
determinasi dari auxiliary regression R
2
( )
2 2
~
r
R r n LM _ =
Langkah 5: Tolak H
0
jika ada bukti yang nyata dari
statistik uji
Penentuan r tergantung dari periode data (bulanan,
mingguan dsb) dan sifat siklusnya.
Cara Mengatasi Autokorelasi
Berdasarkan pengetahuan tentang diketahui
diketahui atau
tidak diketahui
Mengatasi autokorelasi ketika diketahui
diketahui dan diasumsikan autokorelasi terjadi seusai AR(1)
model.
t kt k t t t
u X X X Y + + + + + = | | | |
3 3 2 2 1
t t t
u u c + =
1
Model yang sama berlaku pada waktu ke t-1
1 1 1 3 3 1 2 2 1 1
+ + + + + =
t kt k t t t
u X X X Y | | | |
Model pada t-1 dikalikan dengan
1 1 1 3 3 1 2 2 1 1
+ + + + + =
t kt k t t t
u X X X Y | | | |
(1)
(2)
Persamaan (1) dikurangi dengan persamaan (2)
t kt k t t t
u X X X Y + + + + + = | | | |
3 3 2 2 1
1 1 1 3 3 1 2 2 1 1
+ + + + + =
t kt k t t t
u X X X Y | | | |
( ) ( ) ( ) ( )
1 1 1 1 2 2 2 1 1
1
+ + + + =
t t kt kt k t t t t
u u X X X X Y Y | | |
t t k t t
X X Y c | | | + + + + =
*
3
*
2 2
*
1
*
1 ,
1 ,
| |
= =
= = =
i i
it it it t t t
X X Y Y
X X X Y Y Y
t t k t t t
X X Y c | | | + + + + =
*
3
*
2 2
* *
ke iterasi
j j