Page 37 - MODUL PEMBELAJARAN EKONOMETRIKA
P. 37
lainnya. maupun estimasi terhadap persamaan (disebut dengan Feasible GLS)
makaprosedur koreksi yang dilakukan adalah suatu varian dari GLS Teknik
karekss seperti ini dikenal sebagai prosedur Cochrane Orcutt lihat Gujarati 2003
untuk araian lebih lanjut.
c. Serial Correlation Robust Standar Error Seperti yang telah diuraikan di atas
dampak dari adanya autokorelasi adalah standar error parameter menjadi bas
Dengan demikian salah satu cara untuk mengoreksi kondisi ini adalah dengan
membuat formulasi standar error parameter yang tidak bias (disebut dengan
serial correlation robust standard error).
B. Heteroskedastisitas
Asumsi penting (asumsi Gauss Markovs dalam penggunaan OLS adalah varians
residual yang konstan Varians dari residual tidak berubah dengan berubahnya satu atau lebih
vanabel bebas Jika asumsi ini terpenuhi, maka residual disebut homokedastis.
Secara formal homokedastisitas dinyatakan sebagai
Var (u I ,… … . ., )=
2
1, 2
Jika asumsi ini terlanggar maka terjadi heteroskedasitas yang dapat dinyatakan
Var (u I ,… … . ., )=
2
1, 2
Di mana indeks i menunjukkan bahwa varians berubah dari observasi ke observasi bersifat
variabel. Kondisi heterokedastis dapat diperlihatkan secara grafis sebagai berikut.
1. Penyebab heterokedastisitas
Terdapat beberapa alasan mengapa residual regresi dapat bersifat heterokedastis, di
antaranya (Gujarati. 2003 dan Pindyck dan Rubenfeld, 1997).
a. Situasi error learning, misalnya kita ingin mengetahui hubungan tingkat
kesalahan mengetik terhadap berbagai vanabel Jika kita menggunakan sampel
yang ber- sifat panel time series akan sangat mungkin model yang dimiliki akan
bersifat heterokedastis. Hal ini disebabkan kesalahan pengetikan akan menurun
dari waktu ke waktu dan terjadi konvergensi di antara elemen sampel (kesalahan
anggota sampel yang paling tidak terampil akan menurun mendekati mereka
yang awalnya sudah terampil)
b. Kemampuan diskrest. Hal ini tampak jelas pada penelitian dengan
menggunakan vanabel pendapatan Aktivitas oleh individu yang memiliki
pendapatan tinggi akan jauh lebih variatit dibandingkan mereka yang
34
