Forumakademik – Bagi Temans semua yang sedang mengerjakan skripsi pasti tidak asing dengan asumsi klasik? Tahukah Temans semua apa itu asumsi klasik?

KONSEP ASUMSI KLASIK

Asumsi klasik merupakan suatu persyaratan yang harus dipenuhi pada model regresi yang menggunakan metode estimasi Ordinary Least Squares (OLS). Tujuannya supaya dihasilkan nilai taksiran parameter yang sesuai dengan nilai sebenarnya.

Dengan demikian nilai parameter tersebut memiliki karakteristik tidak bias, konsisten dan efisien (disebut dengan best, linier, unbiased estimator atau BLUE). Konsep BLUE ini selanjutnya dikenal dengan Gauss-Markov Theorem.

BEST : Bahwa hasil regresi menghasilkan suatu garis regresi dengan nilai error yang terkecil

LINEAR : Dalam model Ekonometrika berarti bahwa model linear dalam parameter

UNBIASSED : Atau tidak bias yakni suatu estimator dikatakan unbiased jika nilai harapan dari estimator β memiliki nilai yang benar atau mendekati nilai aktualnya. Artinya nilai rata-rata β estimated = β actual.  Sebaliknya, dikatakan bias apabila rata-rata β estimated ≠ β actual  dimana selisihnya tersebut disebut dengan bias.

 

ASUMSI YANG HARUS TERPENUHI

Pada model regresi dengan metode OLS, asumsi yang harus dipenuhi mengacu pada Gauss-Markov Theorem atau The Gaussian Theorem dan sering dikenal dengan Classical Linear Regression Model (CLRM) meliputi :

Asumsi 1 : Hubungan antar variabel bebas dengan variabel terikat bersifat linear.

Linear dalam Ekonometrika berarti linear dalam parameter, berbeda dengan konsep matematika yang memaknai linear dalam variabel. Oleh karena itu, mengacu pada asumsi ini maka model regresi disebut dengan model regresi linear.

Asumsi 2 : Tidak terdapat korelasi sempurna di antara variabel bebas.

Jika diantara variabel bebas terdapat korelasi sempurna, maka dapat mengakibatkan terjadinya Multikolinieritas.

Asumsi 3 : Pada penyampelan yang berulang, akan diperoleh nilai taksiran parameter yang tetap.

Variabel bebas daam model diasumsikan non-stochastic. Artinya jika dilakukan penambahan jumlah sampel, maka hasil estimasi tidak akan mengubah nilai taksiran parameter.

Asumsi 4 : Nilai harapan dari disturbance term atau error term Ꜫ adalah bernilai nol.

Artinya pada nilai regressor tertentu rata-rata atau harapan dari disturbance term atau error term Ꜫ bernilai nol. Konsekuensi dari asumsi ini adalah nilai taksiran parameter diharapkan akan sesuai dengan nilai-nilai aktualnya.

Asumsi 5 :  Homoskedastisitas atau varian dari disturbance term atau error term Ꜫ bersifat konstan.

Artinya pada nilai regressor tertentu, nilai varian dari disturbance term atau error term Ꜫ bernilai sama untuk seluruh observasi. Sebaliknya, jika pada nilai regressor tertentu nilai varian dari disturbance term atau error term Ꜫ bernilai tidak sama untuk seluruh observasi maka disebut dengan Heterokedastisitas.

Asumsi 6 : Tidak terdapat korelasi antar disturbance term untuk periode berbeda.

Artinya pada model dengan data time series tidak terdapat korelasi di antara Ꜫi  ­dengan Ꜫj dimana i ≠ j. Dengan kata lain tidak terdapat covarian antara disturbance term yang berbeda.

Asumsi 7 : Jumlah observasi atau sampel yang digunakan (N) dalam model harus lebih besar dibandingkan dengan jumlah parameter (koefiseirn) dalam model.

Artinya, jika dalam model menggunakan 5 variabel bebas, maka jumlah sampel yang digunakan harus lebih banyak dari 5.

Asumsi 8 : Terdapat variabilitas dalam data pada variabel bebas.

Data-data yang ada pada suatu variabel bebas, misal X1, memiliki nilai yang berbeda, atau memiliki variasi. Adanya variasi ini sebagai konsekuensi dari metode pengambilan data dalam metode kuantitatif yang bersifat random. Metode random tersebut memungkinkan terdapatnya data-data yang berbeda satu sama lainnya atau terdapat variasi

Asumsi 9 : Model memiliki bentuk fungsional yang benar.

Untuk mendapatkan bentuk fungsional yang benar. Menurut Gujarati (2004) terdapat 8 tahap membentuk model ekonometrika. Jika seorang peneliti mengikuti ke 8 tahap tersebut dalam pembentukan model, maka bentuk fungsional model yang dihasilkan dapat menjadi benar.

 

 

Sumber:

Baltagi, B.H. (2008). Econometrics (4th ed). Heidelberg: Springer

Gujarati, D. (2004). As in the Previous Three Editions, The Primary Objective of the Fourth Edition of.

 

Penulis : Andar