Oleh:
MAHFUD EFFENDI
(115020407111029)
Misalkan; Produk
Domestik Regional Bruto( PDRB ) Provinsi Sumatera Utara Tahun1991-2004
Tahun
|
Y
|
X1
|
X2
|
X3
|
X4
|
1991
|
5667554
|
1748522
|
65152
|
321165
|
144785
|
1992
|
7609367
|
2891624
|
104724
|
420323
|
1281733
|
1993
|
9036845
|
3214415
|
117206
|
486341
|
1476614
|
1994
|
9863156
|
3485684
|
145387
|
585251
|
1964744
|
1995
|
11241892
|
3991868
|
169112
|
696426
|
1217838
|
1996
|
12409476
|
4591730
|
181863
|
807073
|
751561
|
1997
|
10736165
|
5818960
|
37169
|
897574
|
1238217
|
1998
|
12062086
|
6535334
|
41389
|
1953343
|
181662
|
1999
|
14513148
|
8034165
|
45744
|
1098199
|
483363
|
2000
|
16986104
|
9257661
|
49233
|
1266386
|
562666
|
2001
|
20157022
|
10938978
|
57110
|
1460132
|
698629
|
2002
|
33071513
|
20009760
|
111020
|
1888260
|
1789617
|
2003
|
41317799
|
24059354
|
497854
|
2976313
|
4547625
|
2004
|
47099293
|
27912806
|
561391
|
3251408
|
4646737
|
Keterangan:
v Terdapat
14 sampel
v Y = PDRB
v X1 = Konsumsi ( C )
v X2 = Investasi ( I )
v X3 = PembelianPemerintah ( G )
v X4 = EksportNeto ( NX )
Data – data di atas
kemudian diestimasi melalui program eviews supaya kita dapat mengetahui data
tersebut termasuk data yang mengalami multikolinearitas apa tidak. Dikatakan multikolinearitas
apabila kita memiliki model dengan R2 yang tinggi tetapi sedikit variabel
yang signifikan. Data di atas jika diestimasiakan menghasilkan data seperti di
bawah ini:
Dependent
Variable: Y
|
||||
Method:
Least Squares
|
||||
Date:
11/14/12 Time: 13:43
|
||||
Sample:
1991 2004
|
||||
Included
observations: 14
|
||||
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
3657236.
|
402904.7
|
9.077173
|
0.0000
|
X1
|
1.522760
|
0.087771
|
17.34919
|
0.0000
|
X2
|
12.61927
|
3.984299
|
3.167250
|
0.0114
|
X3
|
-0.964845
|
0.712688
|
-1.353812
|
0.2088
|
X4
|
-0.537268
|
0.500695
|
-1.073045
|
0.3112
|
R-squared
|
0.997630
|
Mean dependent var
|
17983673
|
|
Adjusted
R-squared
|
0.996577
|
S.D. dependent var
|
13029621
|
|
S.E. of
regression
|
762286.1
|
Akaike info criterion
|
30.19848
|
|
Sum
squared resid
|
5.23E+12
|
Schwarz criterion
|
30.42672
|
|
Log
likelihood
|
-206.3894
|
Hannan-Quinn criter.
|
30.17736
|
|
F-statistic
|
947.2850
|
Durbin-Watson stat
|
1.096030
|
|
Prob(F-statistic)
|
0.000000
|
|||
Hasil estimasi menunjukkan R-Squared = 0.997630 (
merupakanhasil yang sangattinggi). Hasil estimasi di atas juga menunjukkan
bahwa variabel X3, dan X4 adalah tidak signifikan. Dengan R-Squared tinggi dan
variabel yang signifikan sedikit maka kita dapat menduga bahwa data di atas
terdapat masalah multikolinearitas.Selanjutnya kita dapat melihat korelasinya
untuk menguji data tersebut lebih lanjut.
Correlation
CORELASI
Y
|
X1
|
X2
|
X3
|
X4
|
|
Y
|
1.000000
|
0.995969
|
0.810909
|
0.931583
|
0.833065
|
X1
|
0.995969
|
1.000000
|
0.768368
|
0.939263
|
0.803651
|
X2
|
0.810909
|
0.768368
|
1.000000
|
0.738802
|
0.940077
|
X3
|
0.931583
|
0.939263
|
0.738802
|
1.000000
|
0.730471
|
X4
|
0.833065
|
0.803651
|
0.940077
|
0.730471
|
1.000000
|
Dari hasil korelasidiatas, dapat kita lihat koefisien
korelasi antaravariabel X1 X3 dan X2 X4 menjustifikasi
dugaan kita atas multikolinearitas yang diperoleh karena nilainya sangat tinggi
( > 0.90 ). Terdapat beberapa
alternative dalam mengatasi masalah multikolinearitas, tetapi dalam hal ini langkah
yang saya ambil adalah dengan mengeluarkan variabel yang mempunya ikorelasi yang
tinggi. X4 adalah data yang tidak signifikan dan memiliki korelasi yang sangat tinggi
sehingga saya sebaiknya menghilangkannya agar tidak terja dimultikolinearitas,
kemudian meregresi atau melakukan estimasi kembali dengan menggunakan variabel
Y, X1, X2, dan X3 sehingga menghasilkan data seperti di bawah ini:
Dependent
Variable: Y
|
||||
Method:
Least Squares
|
||||
Date:
11/14/12 Time: 13:46
|
||||
Sample:
1991 2004
|
||||
Included
observations: 14
|
||||
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
3506088.
|
380326.9
|
9.218616
|
0.0000
|
X1
|
1.478074
|
0.077846
|
18.98725
|
0.0000
|
X2
|
8.921001
|
2.014114
|
4.429242
|
0.0013
|
X3
|
-0.697567
|
0.672780
|
-1.036843
|
0.3242
|
R-squared
|
0.997327
|
Mean dependent var
|
17983673
|
|
Adjusted
R-squared
|
0.996525
|
S.D. dependent var
|
13029621
|
|
S.E. of
regression
|
768035.8
|
Akaike info criterion
|
30.17602
|
|
Sum
squared resid
|
5.90E+12
|
Schwarz criterion
|
30.35860
|
|
Log
likelihood
|
-207.2321
|
Hannan-Quinn criter.
|
30.15911
|
|
F-statistic
|
1243.828
|
Durbin-Watson stat
|
1.465670
|
|
Prob(F-statistic)
|
0.000000
|
|||
Karena variabel X3 masih tidaksignifikan dan R-Squared = 0.997327 (hasil yang tinggi) maka data tersebut masih terdapat masalah multikolinearitas. Dengan melakukan korelasi kembali dan mendapatkan hasil sebagai berikut:
Correlation
c
|
Y
|
X1
|
X2
|
X3
|
Y
|
1.000000
|
0.995969
|
0.810909
|
0.931583
|
X1
|
0.995969
|
1.000000
|
0.768368
|
0.939263
|
X2
|
0.810909
|
0.768368
|
1.000000
|
0.738802
|
X3
|
0.931583
|
0.939263
|
0.738802
|
1.000000
|
Dari hasil korelasi di atas untuk yang keduakalinya,
dapat dilihat koefisien korelasi antara variabel X1 X3 menjustifikasi dugaan kita
atas multikolinearitas yang diperoleh karena nilainya sangattinggi( > 0.90
), Sehingga saya hilangkan variabel X3 karena variable ini tidak signifikan
paling tinggi dan memiliki korelasi yang sangat tinggi pula karena ha lini dapat
mengakibatkan multikolinearitas.
Dengan dengan memakai variabel Y, X1 dan X2 saja.
Dan hasilnyaseperti di bawah ini:
Dependent
Variable: Y
|
||||
Method:
Least Squares
|
||||
Date:
11/14/12 Time: 13:49
|
||||
Sample:
1991 2004
|
||||
Included
observations: 14
|
||||
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
3287268.
|
317477.5
|
10.35434
|
0.0000
|
X1
|
1.408536
|
0.039657
|
35.51763
|
0.0000
|
X2
|
8.758406
|
2.014838
|
4.346953
|
0.0012
|
R-squared
|
0.997040
|
Mean dependent var
|
17983673
|
|
Adjusted
R-squared
|
0.996502
|
S.D. dependent var
|
13029621
|
|
S.E. of
regression
|
770651.2
|
Akaike info criterion
|
30.13527
|
|
Sum
squared resid
|
6.53E+12
|
Schwarz criterion
|
30.27221
|
|
Log
likelihood
|
-207.9469
|
Hannan-Quinn criter.
|
30.12259
|
|
F-statistic
|
1852.566
|
Durbin-Watson stat
|
1.176895
|
|
Prob(F-statistic)
|
0.000000
|
|||
Dengan sayamenghilangkanvariabel X3 dan X4 terlihatjelasbahwa data tersebutlebihsignifikan dari sebelumnya( ketikamasihadavariabel X3 dan X4 ). Dengan demikianmasalahmultikolinearitassudahtidakterdapatlagi di data ini.
0 komentar:
Posting Komentar
Yuk, sampaikan komentarmu, Bebas Berkomentar Kok Asalkan TIDAK SARA !