Regresi linier berganda adalah fungsi hubungan antara variabel terikat dan variabelvariabel. Fungsi regresi juga memuat parameter-parameter yang tidak diketahui β y = Xβ +ε . Regresi linier berganda bersifat heteroskedastisitas, jika memiliki varians yang variansi error berbeda. Sebaliknya, suatu regresi disebut homoskedastisitas jika memiliki variansi error yang konstan. Analisis regresi menggunakan data heteroskedastisitas masih akan memberikan estimasi tidak bias untuk hubungan antara variabel yang diestimasi dan hasilnya, tapi tidak efisien. Variansi error yang bias mengakibatkan kesimpulan yang bias, sehingga hasil tes hipotesis yang mungkin salah. Uji White adalah salah satu metode untuk menguji keberadaan heteroskedastisitas. Heteroskedastisitas dapat diatasi dengan transformasi, seperti membagi regresi dengan standar deviasi error dan menerapkan prosedur least squares untuk regresi hasil transformasi. Matriks kovariansi error pada regresi adalah ( ) T 2 E εε = Φ =σ Ψ, dimana Ψ adalah mariks simetri dan definit positif. sehingga kita bisa menggunakan invers dari matriks P untuk mentransformasi regresi, dimana T 2 PP = P = Φ , sehingga kita punya regresi tranformasi 1 1 1 P y P Xβ P ε − − − = + atau * * * y = X β +ε . Hasil estimasi parameter yang didapat dari OLS adalah ( ) 1 ˆ * T 1 T 1 β X X X y − − − = Ψ Ψ dan matriks kovariansi ( ) ( ) 1 ˆ 2 T ˆ 1 Var β σ X X − − = Φ , prosedur ini disebut Weighted Least Squares. Hal ini juga dapat meningkatkan pendekatan untuk normalitas.
1 comment:
https://abyathh.wordpress.com/
http://www.raxyzira.sitew.org/#Accueil.A
https://wallinside.com/post-64115308--.html
http://mycanadafitness.com/
https://www.quora.com/profile/Khairy-Ayman
https://www.tickaroo.com/ticker/5aa840c6e26d7037d7014d38
https://www.tickaroo.com/ticker/5aa840c6e26d7037d7014d38
Post a Comment