Clr model

303 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
303
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
1
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Clr model

  1. 1. Classical Linier Regression Model: Asumsi yang Mendasari Metode Kuadrat TerkecilAZZA AUNILLAHFAHMI ANGGRIAWANNADIA AMANTA REISASELVA ULZANA
  2. 2. Asumsi 1Model Regresi Linear: Model regresi ini lineardalam parameter-parameternya, seperti yangditunjukkan pada persamaan: Yi = β1 + β2Xi + uiSeperti yang akan dibahas dalam bab 7, modelini dapat diperluas untuk lebih banyakmerangkum variabel-variabel penjelas.
  3. 3. Asumsi 2Nilai X Selalu Tetap atau Nilai X yang IndependenTerhadap Faktor Kesalahan: Nilai regresor Xselalu dianggap tetap dalam pengambilansampel yang berulang (regresor selalu tetap)atau pengambilan sampel sejalan denganpengumpulan variabel Y (regresor stokastik).Pada contoh berikutnya hal tersebutmenunjukkan bahwa variabel-variabel x danfaktor kesalahan yang “independen”, yaitu cov(xi, ui) = 0
  4. 4. Asumsi 3• Nilai rerata 0 dari faktor gangguan ui : untuk setiap nilai Xi tertentu, nilai rerata atau nilai ekspektasi dari faktor gangguan acak ui bernilai 0.• Secara simbolis, kita peroleh E(ui | Xi) = 0 atau jka X bersifat tidak stokastik E(ui) =0
  5. 5. Asumsi 4Homoskedastisitas atau keseragaman variansdari ui: nilai varians faktor kesalahan ataugangguan adalah sama dengan mengabaikannilai X. Secara simbolis, Var (ui) = E[ui - E(ui | Xi)]2 = E(ui2 | Xi), karena asumsi 3 = E(ui2), jika Xi bersifat nonstokastik = σ2Dimana var adalah kependekan dari varians.
  6. 6. Asumsi 5Tidak Adanya Otokorelasi Diantara Gangguan:Untuk setiap 2 nilai X yang ada, Xi dan Xj (itidak sama dengan j ), korelasi antara nilai uidan uj manapun (i≠j) adalah nol. Secarasimbolis, Cov(ui, uj|Xi, Xj) = 0 Cov(ui, uj) = 0, jika Xi bersifatnonstokastikDimana i dan j merupakan dua observasi yangberbeda, serta dimana cov berarti covarians.
  7. 7. Asumsi 6Jumlah Observasi n Harus LebihBesar Daripada Jumlah Parameteryang Akan Diestimasi: Dengan katalain, jumlah observasi harus lebihbesar daripada jumlah variabel-variabel penjelasnya.
  8. 8. Asumsi 7Kriteria Dasar Pada Variabel x: Nilai x darisampel tertentu tidak selalu harus sama.Secara teknis, var (x) seharusnyameruppakan angka yang positif. Lebih jauhlagi, tidak ada pencilan (outlier) dari nilaivariabel x, yaitu nilai yang menyatakanhubungan yang terlalu besar pada akhirobservasi.

×