ASUMSI KLASIK (Modul 5) - Hallo sahabat Magister Akuntansi , Pada Artikel yang anda baca kali ini dengan judul ASUMSI KLASIK (Modul 5) , kami telah mempersiapkan artikel ini dengan baik untuk anda baca dan ambil informasi didalamnya. mudah-mudahan isi postingan Artikel Metodologi Penelitian , yang kami tulis ini dapat anda pahami. baiklah, selamat membaca.

Judul : ASUMSI KLASIK (Modul 5)
link : ASUMSI KLASIK (Modul 5)

ASUMSI KLASIK (Modul 5)

Formula atau rumus regresi diturunkan dari suatu asumsi data tertentu. Dengan demikian tidak semua data dapat diterapkan regresi. Jika data tidak memenuhi asumsi regresi, maka penerapan regesi akan menghasilkan estimasi yang bias. Jika data memenuhi asumsi regresi maka estimasi (β) diperoleh akan bersifat BLUE yang merupakan singkatan dari: Best, Linear, Unbiased, Estimator. 

Best artinya yang terbaik, dalam arti garis regresi  merupakan estimasi atau ramalan yang baik dari suatu sebaran data. Garis regresi merupakan cara memahami pola hubungan antara dua seri data atau lebih. Garis regresi adalah best jika garis itu menghasilkan error yang terkecil. Error itu sendiri adalah perbedaan antara nilai observasi dan nilai yang diramalkan oleh garis regresi. Jika best disertai sifat unbiased maka estimator regresi disebut efisien.

Linear. Estimator β disebut linear jika estimator itu merupakan fungsi linear dari sampel. 

Rata-rata 

                                           

Adalah estimator  yang linear, karena merupakan fungsi linear dari  nilai-nilai X. Nilai2 OLS juga merupakan klas estimator yang linear.

Unbiased. Suatu estimator dikatakan unbiased jika nilai harapan dari estimator β sama dengan nilai yang benar dari β.

Rata-rata β = β

Bias = Rata-rata β - β

Metode OLS (Ordinary Least Square) yang dirumuskan di atas merupakan klas penaksir yang memiliki sifat BLUE. OLS akan memiliki sifat BLUE jika memenuhi asumsi-asumsinya, dari mana penurunan formula OLS diturunkan. Gujarati (1995) mendaftar 10 asumsi yang mejadi syarat penerapan OLS.

Asumsi 1: Linear Regression Model. Model regresi merupakan hubungan linear dalam parameter.

Y = a + b X + e

Untuk model regresi Y = a + b X + c X² + e

Walaupun variabel X dikuadratkan tetap merupakan regresi yang linear dalam parameter, sehingga OLS masih dapat diterapkan.

Asumsi 2: Nilai  X adalah tetap dalam sampling yang diulang-ulang (X fixed in repeated sampling). Tepatnya bahwa nilai X adalah nonstochastic (tidak random).

Asumsi 3: variabel pengganggu e memiliki rata-rata nol (zero mean of disturbance). Ini berarti garis regresi pada nilai X tertentu tepat di tengah-tengah sehingga rata-rata error yang di atas regresi dan di bawah garis regresi kalau djumlahkan hasilnya nol.

Asumsi 4: Homoscedasticity atau  variabel pengganggu e memiliki variance yang sama sepanjang observasi dari berbagai nilai X. Ini berarti data Y pada setiap nlai X tertentu memiliki rentangan yang sama.

Homoscedasticity

Demikianlah Artikel ASUMSI KLASIK (Modul 5)

Sekianlah artikel ASUMSI KLASIK (Modul 5) kali ini, mudah-mudahan bisa memberi manfaat untuk anda semua. baiklah, sampai jumpa di postingan artikel lainnya.

Anda sekarang membaca artikel ASUMSI KLASIK (Modul 5) dengan alamat link https://magisterakutansi.blogspot.com/2012/11/modul-5-asumsi-klasik.html

Tweet