Page 35 - EKONOMETRIKA. ASUMSI KLASIK
P. 35

yang  berpendapatan  rendah.  Dengan  demikian  suatu  model  regresi


                                 dengan menggunakan variabel semacam ini akan mengalami peningkatan

                                 residual kuadrat dengan semakin besarnya pendapatan.



                             3.  Perbaikan teknik pengambilan data. Peneliti akan belajar untuk menarik

                                 informasi  dengan  benar,  dengan  demikian  kesalahan  akibat  proses

                                 ekstraksi data akan semakin menurun .



                             4.  Keberadaan  Outlier  .  outlier  adalah  data  yang  memiliki  karakteristik

                                 sengat berbeda dari kondisi yang umum. Misalnya kita memiliki suatu set


                                 data  pendapatan  dengan  kisaran  IDR  2-5  juta  per  bulan,  keberadaan

                                 individu dengan pendapatan 100 juta dapat dikatakan outlier.



                             5.  Masalah  spesifikasi.  Jika  model  pada  populasi  adalah  non-linier

                                 (misalnya  eksponensial)  namun  kita  memasaksa  menggunakan  model


                                 linier.  Di  sini,  kuadrat  residual  akan  meningkat  cepat  dengan

                                 meningkatnya nilai variabel bebas.


                        C.     Cara Mendeteksi Heteroskedastisitas

                               Model regresi dengan heteroskedastisitas mengandung konsekuensi serius

                        pada  estimator  metode  OLS  karena  tidak  lagi  BLUE.  Oleh  karena  itu,  sangat


                        penting bagi kita untuk mengetahui apakah suatu model regresi mengandung unsur

                        heteroskedastisitas  atau  tidak.  Beberapa  metode  untuk  mendeteksi  ada  tidaknya


                        masalah heteroskedastisitas bisa dilakukan menggunakan uji glejser.













                                                              27
   30   31   32   33   34   35   36   37   38   39   40