Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Agung Priyo Utomo - STIS1 MULTIKOLINIERITAS (Multicollinearity) Oleh: Agung Priyo Utomo atau

Presentasi serupa


Presentasi berjudul: "Agung Priyo Utomo - STIS1 MULTIKOLINIERITAS (Multicollinearity) Oleh: Agung Priyo Utomo atau"— Transcript presentasi:

1 Agung Priyo Utomo - STIS1 MULTIKOLINIERITAS (Multicollinearity) Oleh: Agung Priyo Utomo atau

2 Agung Priyo Utomo - STIS2 Pertanyaan yg Sering Muncul dalam Analisis Regresi Berganda Seberapa besar pengaruh variabel bebas terhadap variabel tak bebas? Dapatkah variabel bebas tertentu dihilangkan dari model karena pengaruhnya yg kecil (tidak ada) terhadap variabel tak bebas? Perlukah menambahkan variabel bebas yang belum masuk ke dalam model untuk memperoleh tambahan informasi?

3 Agung Priyo Utomo - STIS3 Hubungan Antar Variabel Bebas 1.Tidak berkorelasi dengan dirinya sendiri 2.Tidak berkorelasi dengan variabel bebas lain yang terkait dg variabel tak bebas namum belum/tidak masuk dalam model 3.Berkorelasi dengan dirinya sendiri 4.Berkorelasi dengan variabel bebas lain yang terkait dg variabel tak bebas namum belum/tidak masuk dalam model

4 Agung Priyo Utomo - STIS4 CONTOH Misalkan regresi pengeluaran untuk konsumsi makanan keluarga pada pendapatan keluarga, tabungan, usia kepala keluarga.  Variabel bebas akan saling berkorelasi  Variabel bebas juga berkorelasi dengan variabel sosial- ekonomi lain yang berpengaruh terhadap pengeluaran untuk konsumsi, misalkan ukuran keluarga → Terjadi Multikolinieritas (kolinieritas)

5 Agung Priyo Utomo - STIS5 MULTIKOLINIERITAS Ditemukan pertama kali oleh Ragnar Frisch (Institute of Economics, Oslo University) Pada awalnya, multikolinieritas berarti adanya hubungan yg linier sempurna atau pasti diantara beberapa atau semua variabel bebas dalam model regresi Misalkan pada model regresi dengan k variabel bebas X 1, X 2, …, X k (dimana X 1 = 1), suatu hubungan linier yg sempurna dikatakan ada jika memenuhi kondisi: 1 X X 2 +…+ k X k = 0 dimana 1, 2, …, k adalah konstanta sdmk shg tidak semuanya nol (0)

6 Agung Priyo Utomo - STIS6 MULTIKOLINIERITAS Perkembangannya, multikolinieritas juga berarti adanya hubungan yg linier kuat tetapi tidak sempurna diantara beberapa atau semua variabel bebas dalam model regresi Misalkan pada model regresi dengan k variabel bebas X 1, X 2, …, X k (dimana X 1 = 1), suatu hubungan linier yg kuat tapi tidak sempurna dikatakan ada jika memenuhi kondisi: 1 X X 2 +…+ k X k + v i = 0 dimana v i adalah unsur kesalahan yg bersifat stokastik

7 Agung Priyo Utomo - STIS7 Pengaruh pada Saat Variabel Bebas Tidak Saling Berkorelasi Data produktifitas kerja (halaman 296) Trial (i) Crew Size (X i1 ) Bonus pay (X i2 ) Crew Produktivity Score (Y i ) Lakukan analisis regresi secara parsial & overall

8 Agung Priyo Utomo - STIS8 Pengaruh pada Saat Variabel Bebas Saling Berkorelasi secara Sempurna CONTOH (halaman 299) Case (i) X i1 X i2 YiYi X i2 = 5 + 0,5 X i1

9 Agung Priyo Utomo - STIS9 KONSEKUENSI MULTIKOLINIERITAS 1.Meski penaksir OLS bisa diperoleh, standard error (kesalahan baku) cenderung semakin besar dengan meningkatnya korelasi antar variabel bebas Misal pada model regresi dimana dan maka

10 Agung Priyo Utomo - STIS10 KONSEKUENSI MULTIKOLINIERITAS Jika x i2 = x i1 + v i, dimana ≠ 0 dan Σ x i2 v i = 0, maka Penaksir β 2 dapat dicari secara analogi dengan pencarian penaksir β 1.

11 Agung Priyo Utomo - STIS11 KONSEKUENSI MULTIKOLINIERITAS Perilaku varian jika koefisien korelasi meningkat 0 0,5 0,7 0,8 0,9 0,95 1,0∞

12 Agung Priyo Utomo - STIS12 KONSEKUENSI MULTIKOLINIERITAS 2.Besarnya standard error berakibat, selang keyakinan (confidence interval) untuk suatu parameter menjadi lebih lebar Misalkan maka CI 95% untuk β 1 dirumuskan sebagai berikut: 3.Kesalahan tipe II meningkat

13 Agung Priyo Utomo - STIS13 KONSEKUENSI MULTIKOLINIERITAS 4.Pada multikolinieritas yg tinggi tapi tidak sempurna, estimator koefisien regresi bisa diperoleh, tapi estimator & standard error menjadi sensitif terhadap perubahan data Contoh: Periksa signifikansi koefisien regresi, s.e., & R 2 YX1X1 X3X YX1X1 X3X

14 Agung Priyo Utomo - STIS14 KONSEKUENSI MULTIKOLINIERITAS 5.Pada multikolinieritas yg tinggi tapi tidak sempurna, bisa terjadi R 2 (koefisien determinasi) tinggi namun tidak satupun variabel signifikan secara statistik

15 Agung Priyo Utomo - STIS15 CARA MENDETEKSI MULTIKOLINIERITAS 1.Matriks korelasi antar variabel bebas Periksa apakah terdapat nilai korelasi yg tinggi (sempurna) antar variabel bebas 2.Kestabilan koefisien regresi parsial 3.Kesesuaian tanda koefisien regresi menurut suatu teori 4.Variance Inflation Factor (VIF) Petunjuk terjadinya kolinieritas jika VIF > 5 5.R 2 tinggi, tapi tidak ada/hanya sedikit variabel bebas yg signifikan secara statistik

16 Agung Priyo Utomo - STIS16 Alternatif Solusi Mengatasi Multikolinieritas 1.Informasi apriori Contoh: Pada model Y i = β 0 +β 1 X i1 +β 2 X i2 +ε i Misal Y = Konsumsi, X 1 = Pendapatan, X 2 = Tabungan Informasi apriori, misalkan β 2 = 0,10β 1 sehingga Y i = β 0 +β 1 X i1 +0,10β 1 X i2 +ε i = β 0 +β 1 X i +ε i dimana X i = X i1 +0,10X i2 Informasi apriori bisa berdasarkan suatu teori atau hasil penelitian sebelumnya

17 Agung Priyo Utomo - STIS17 Alternatif Solusi Mengatasi Multikolinieritas 2.Menghubungkan data cross-sectional dan data time series (panel data) 3.Mengeluarkan satu atau beberapa variabel bebas Beberapa metode yg dapat digunakan:  Principle Component Analysis  Factor Analysis  Stepwise Regression  dan sebagainya.

18 Agung Priyo Utomo - STIS18 Alternatif Solusi Mengatasi Multikolinieritas 4.Transformasi variabel (melalui first differencing) Untuk data time series, jika hubungan Y t = β 0 +β 1 X t1 +β 2 X t2 +ε t berlaku pd saat t, maka berlaku pula untuk t-1, shg ada Y t-1 = β 0 +β 1 X (t-1)1 +β 2 X (t-1)2 +ε t-1 Jika kedua persamaan di atas dikurangkan, maka diperoleh Y t – Y t-1 = β 1 (X t1 – X (t-1)1 ) + β 2 (X t2 – X (t-1)2 ) + v t dimana v t = ε t – ε t-1 5.Penambahan data baru

19 Agung Priyo Utomo - STIS19 LATIHAN 1.Berdasarkan data berikut, cocokkan model Y i = β 0 +β 1 X i1 +β 2 X i2 +ε i No.YX1X1 X2X No.YX1X1 X2X


Download ppt "Agung Priyo Utomo - STIS1 MULTIKOLINIERITAS (Multicollinearity) Oleh: Agung Priyo Utomo atau"

Presentasi serupa


Iklan oleh Google