Nota Topik 1
Nota Topik 1
Nota Topik 1
Regression analysis is the main tool of econometrics. It is concerned with the study of the
dependence of one variable (dependent variable) on one or more independent variables,
with a view to estimating and/or predicting the population mean or average value of the
former in terms of the known or fixed values of the latter.
The regression model now can be estimated based on the sample information. The sample
regression function (SRF) or estimated regression equation may be written as
The SRF is obtained through the Ordinary Least Squares (OLS) method by minimizing
the residual sum of squares (RSS), uˆi2 , where uˆi Yi Yˆi . The residual term, ûi can be
regarded as an estimate of ui .
The least squares estimators ̂1 and ̂ 2 are said to be the Best Linear Unbiased
Estimators (BLUE) of 1 and 2 respectively.
Linear regression refers to a regression that is linear in the parameters. It may or may
not be linear in the independent variables.
Page 1 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
b) The values of the regressors, the X’s, are nonstochastic in repeated sampling
e) For given X’s, there is no serial correlation (i.e. no autocorrelation) between the
error terms, Cov( ui , u j | X i , X j ) 0 , for i ≠ j
Selain model linear, model regresi boleh dispesifikasikan dalam dua bentuk yang lain iaitu,
model log-linear dan model semilog (model lin-log & model log-lin).
Model log-linear
Dengan menggunakan transformasi log asli (ln), model log-linear boleh ditulis sebagai:
ln Yi ln 1 2 ln X i u i
Pekali cerun 2 mengukur perubahan relatif (relative change) dalam Y bagi suatu
perubahan relatif dalam X, iaitu keanjalan Y terhadap X
d (lnY ) Y Y
2
d (lnX ) X X
Nilai keanjalan tersebut diandaikan konstan pada mana-mana nilai lnX yang hendak
dikirakan keanjalan. Oleh itu, ia juga dinamakan sebagai constant elasticity model.
Page 2 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Pekali cerun 2 mengukur perubahan relatif dalam Y bagi suatu perubahan mutlak
(absolute change) dalam X iaitu,
d (lnY ) Y Y
2
dX X
% Y 100 [exp ( β2 X ) 1 ]
Dengan menggunakan transformasi log asli, model log-lin boleh ditulis sebagai:
ln Yt ln Y0 t ln (1 + r)
ln Yt 1 2 t
Page 3 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Pekali cerun 2 mengukur perubahan mutlak dalam Y bagi suatu perubahan relatif dalam
X iaitu,
dY Y
2
d (lnX ) X X
Jadual berikut menunjukkan pengiraan nilai keanjalan (elasticity) dan kesan sut (marginal effect)
secara manual bagi pelbagai bentuk model yang berlainan.
Y Y X
Model Persamaan Kesan sut, Keanjalan,
X X Y
*
Y β1 β2 X β2 X
Linear β2
Y
Y
Log-linear ln Y β1 β2 ln X β2 β2
X
Log-lin ln Y β1 β2 X β2 (Y ) β 2 ( X )*
*
1 1
Lin-log Y β1 β2 ln X β2 β2
X Y
* nilai keanjalan dikira pada nilai X atau Y (biasa guna Yˆ ) atau kedua-duanya. Jika nilai X dan
Y tidak diberi, keanjalan akan dikira pada nilai min bagi X atau Y atau kedua-duanya.
seboleh-bolehnya dapatkan kesan sut dan keanjalan bagi pemboleh ubah bersandar
terhadap pemboleh ubah tak bersandar
pekali regresi teranggar perlu memenuhi tanda dan saiz yang dijangkakan
spesifikasikan beberapa model tentatif dan memilih model yang relatifnya lebih baik
berdasarkan kriteria-kriteria tertentu (akan dibincangkan dalam Topik 2).
Page 4 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Contoh 1: Gujarati & Porter, Table 7.9, ms. 221 (Output Eviews diberi dalam Lampiran 2)
Diberi model permintaan per kapita bagi daging ayam adalah seperti berikut:
Y 1 2 X 2 3 X 3 4 X 5 5t u1 --- (A)
ln Y 1 2 ln X 2 3 ln X 3 4 ln X 5 5t u 2 --- (B)
ln Y 1 2 X 2 3 X 3 4 X 5 u3 --- (C)
Y 1 2 ln X 2 3 ln X 3 4 ln X 5 u 4 --- (D)
Y = permintaan per kapita daging ayam (paun), X 2 = pendapatan boleh guna benar per kapita ($),
X 3 = harga runcit benar daging ayam (sen per paun), X 5 = harga runcit benar daging lembu (sen
per paun), t = arah aliran masa (time trend, t = 1, 2, 3, ... , 23) dan ln = logaritma asli
Model A: peningkatan harga runcit benar daging ayam sebanyak 1 sen per paun akan
mengurangkan permintaan per kapita daging ayam sebanyak 0.257 paun pada puratanya.
Model B: peningkatan harga runcit benar daging ayam sebanyak 1% akan mengurangkan
permintaan per kapita daging ayam sebanyak 0.3546% pada puratanya.
Model C: peningkatan harga runcit benar daging ayam sebanyak 1 sen per paun akan
mengurangkan permintaan per kapita daging ayam menghampiri 0.587% pada puratanya
(pengurangan sebenar adalah sebanyak 0.585%).
Model D: peningkatan harga runcit benar daging ayam sebanyak 1% akan mengurangkan
permintaan per kapita daging ayam sebanyak 0.136 paun pada puratanya.
Page 5 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Dengan mengandaikan faktor lain tetap, peningkatan harga runcit benar daging
lembu sebanyak 1% daripada nilai 100 sen per paun akan meningkatkan
permintaan per kapita daging ayam sebanyak 0.194%.
1 1
Keanjalan permintaan silang = ˆ4 6.48238 0.194
Y 33.3368
X 48
Keanjalan permintaan harga = ̂ 3 3 0.257 0.311
Y 39.7
Dengan mengandaikan faktor lain tetap, peningkatan harga runcit benar daging
ayam sebanyak 1% daripada nilai min akan mengurangkan permintaan per kapita
daging ayam sebanyak 0.311% .
1 13.25393
Kesan sut pendapatan boleh guna benar per kapita = ˆ 2 0.0265
X2 500
c) Tafsirkan pekali cerun separa teranggar bagi pemboleh ubah arah aliran masa, t dalam
Model A dan Model B.
Model A: permintaan per kapita daging ayam pada puratanya meningkat sebanyak 0.851
paun setiap tahun dalam tempoh 1960-1982.
Model B: Permintaan per kapita daging ayam pada puratanya meningkat sebanyak 1.86%
setiap tahun dalam tempoh 1960-1982.
Page 6 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
1.4 Ujian Pekali Regresi Individu, Ujian Keberertian Model, Ujian Kesamaan Dua
Pekali Regresi dan Batasan Linear Pekali Regresi
ˆi i
statistik ujian t = ; darjah kebebasan, df = n – k
SE ( ˆi )
SE ( ˆi ) ialah ralat piawai teranggar bagi ̂ i dan k ialah bilangan parameter dalam model
ESS ialah hasil tambah kuasa dua regresi, RSS ialah hasil tambah kuasa dua residuals
H 0 : 2 3 1 menentang H 1 : 2 3 1
Secara umumnya, SE (a ˆi b ˆ j ) a 2V ( ˆi ) b 2V ( ˆ j ) 2ab Cov ( ˆi , ˆ j ) . Nilai varian dan
kovarian bagi parameter teranggar boleh diperoleh daripada matriks varian-kovarian.
Page 7 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Ujian kesamaan dua pekali cerun separa dan ujian batasan linear ke atas pekali cerun
separa juga boleh dilakukan dengan menggunakan pendekatan ujian F.
Prosedur ujian F:
2. Bentuk model terbatas dengan menggantikan batasan yang diuji ke dalam model
tidak terbatas
( RSS R RSSUR ) / m
4. Kira statistik ujian, F , df = m, (n – k)
RSSUR /( n k )
RSS R dan RSSUR masing-masing ialah hasil tambah kuasa dua residuals bagi
model terbatas dan model tidak terbatas
m ialah bilangan batasan dan k ialah bilangan parameter yang dianggar dalam
model tidak terbatas
a) H 0 : 1 3 3 b) H 0 : 1 2 0 (2 batasan)
c) H 0 : 1 2 3 (2 batasan) d) H 0 : 1 2 , H 0 : 2 3 1 (2 batasan)
Diberi model permintaan per kapita bagi daging ayam adalah seperti berikut:
ln Y 1 2 ln X 2 3 ln X 3 4 ln X 4 5 ln X 5 u
Keputusan penganggaran
Dependent Variable: LNY
Page 8 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
a) Uji pada aras keertian 1% sama ada log harga runcit benar daging lembu ( ln X 5 )
mempengaruhi log permintaan per kapita daging ayam ( ln Y ).
H 0 gagal ditolak sebab t = 0.9046 < t 0.005,18 = 2.878 (nilai-p = 0.3776 > α = 0.01)
Tiada bukti statistik bahawa log harga runcit benar daging lembu mempengaruhi log
permintaan per kapita daging ayam.
b) Uji pada aras keertian 5% sama ada log permintaan per kapita daging ayam ( ln Y )
berhubung secara positif dengan log pendapatan boleh guna benar per kapita ( ln X 2 ).
H 0 ditolak sebab t = 4.114 > t 0.05,18 = 1.734 (nilai-p satu sisi = 0.00035 < α = 0.05)
Terdapat bukti statistik bahawa log permintaan per kapita daging ayam berhubung secara
positif dengan log pendapatan boleh guna benar per kapita.
c) Pada aras keertian 5%, uji sama ada keanjalan permintaan harga adalah anjal satu.
βˆ3 β3 - 0.504592 1
Statistik ujian t = 4.4674
SE ( βˆ3 ) 0.110894
H 0 ditolak sebab t = 4.4674 > t 0.025,18 = 2.101 (nilai-p = 0.0003 < = 0.05).
Terdapat bukti statistik bahawa keanjalan permintaan harga bukan anjal satu.
Wald Test:
Page 9 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
H 0 ditolak sebab F = 249.93 > F0.01, 4 ,18 = 4.58 (nilai-p = 0.000 < α = 0.01)
0.148545 0.091105
statistik ujian t = 0.554
0.1037
H 0 gagal ditolak sebab t = 0.554 < t 0.025,18 = 2.101 (nilai-p = 0.5864 > = 0.05). Batasan
didapati sah.
Wald Test:
Page 10 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Y X
ln Y * 1 2 ln X 2 3 ln X 3 4 ln X * v , dengan Y * dan X * 5
X4 X4
Apakah batasan yang dikenakan? Seterusnya, uji kesahan batasan linear tersebut dengan
menggunakan ujian F.
Y X
ln α1 α2 ln X 2 α3 ln X 3 α4 ln 5 v
X4 X4
ln Y α1 α2 ln X 2 α3 ln X 3 α4 ln X 5 ( 1 α4 ) ln X 4
Dengan membandingkan pekali model terbatas dan model tidak terbatas, didapati α4 β5
dan 1 α4 β4 . Maka batasan yang dikenakan ialah 4 5 1 .
(0.028669 0.013703) / 1
Statistik ujian F = 19.659
0.013703 / 18
H 0 ditolak sebab F = 19.659 > F0.05 ,1,18 = 4.41 (nilai-p = 0.0003 < = 0.05). Batasan
didapati tidak sah.
Wald Test:
Null Hypothesis: C(3)+C(4)=1
1.5 Ujian Pemilihan Bentuk Fungsi: (i) Model Linear dan Model Log-Lin, (ii) Model
Log-Linear dan Model Lin-Log
Model linear : Y 0 1 X 1 2 X 2 u
Model log-lin : ln Y λ0 λ1 X 1 λ2 X 2 v
Page 11 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
ln Y
YG didefinisikan secara implisit oleh persamaan ln YG
N
Pemboleh ubah Y yang terlaras ditakrifkan sebagai Y * Y / YG
Langkah 2: anggarkan model linear terlaras dengan menggunakan Y * sebagai pemboleh ubah
bersandar, iaitu Y * 0 1 X 1 2 X 2 w
N RSS L
statistik ujian, L = ln
2 RSS LL
Dalam konteks ini, model dengan RSS yang lebih kecil akan dipilih.
Page 12 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Nota: Nilai R 2 , R 2 , RSS, dan ralat piawai teranggar bagi model tidak boleh dibandingkan
kerana pemboleh ubah bersandar kedua-dua model adalah berbeza.
Untuk memilih antara model linear dan model log-lin, prosedur ujian Box-Cox digunakan.
CM
ACM 4.750002
, dengan ACM ialah nilai terlaras bagi CM
e
64 6.877013
Statistik ujian L = ln 2.813
2 7.508970
Oleh kerana L = 2.813 < 02.05 ,1 3.841 , hipotesis nol yang menyatakan kedua-dua model secara
empirik adalah sama gagal ditolak.
Lampiran 3: Pemilihan antara model linear dan log-linear dengan ujian MacKinnon, White dan
Davidson (MWD)
Pemboleh ubah dami digunakan untuk mengkuantifikasi ciri-ciri atau kategori pemboleh ubah
kualitatif. Ia mengambil nilai 1 bagi menunjukkan kewujudan sesuatu ciri atau 0 bagi
menunjukkan ketiadaan sesuatu ciri. Kategori rujukan ialah kategori bagi pemboleh ubah
kualitatif yang tidak diwakili oleh pemboleh ubah dami. Ia sentiasa menjadi asas perbandingan.
WI = upah mingguan (dalam rupees), AGE = umur pekerja, DS = pemboleh ubah dami bagi
jantina (1 – lelaki dan 0 – wanita)
Page 13 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Nota: Spesifikasi model di atas mengandaikan tidak wujud perbezaan pekali cerun dalam fungsi
upah mingguan antara pekerja lelaki dan wanita. Oleh itu, fungsi upah mingguan yang
diterbitkan daripada persamaan teranggar BUKAN fungsi upah mingguan sebenar yang
diperoleh dengan menggunakan sampel pekerja yang berkaitan.
Persamaan teranggar upah mingguan pekerja lelaki (DS = 1) yang diterbit daripada model ialah
WI – 50.46107 + 4.477024 AGE
Persamaan teranggar upah mingguan pekerja wanita (DS = 0) yang diterbit daripada model ialah
WI 20.91768 + 4.477024 AGE
Keputusan penganggaran model semilog. (Output Eviews diberi dalam Lampiran 2)
ln WI 3.749323 + 0.032786 AGE – 0.611427 DS
S.E. (0.1724) (0.0049) (0.1505)
Sig. 0.0000 0.0000 0.0001
Nilai [exp( 3 ) – 1] x 100 mengukur semi elasticity bagi pemboleh ubah dami iaitu perbezaan
min upah mingguan (dalam %) pekerja lelaki berbanding pekerja wanita.
Perbezaan min upah mingguan (dalam %) pekerja lelaki berbanding pekerja wanita ialah
Dengan mengandaikan umur pekerja konstan, min upah mingguan pekerja lelaki adalah 45.7%
lebih rendah berbanding pekerja wanita. Pada aras keertian 1%, keputusan ujian t menunjukkan
perbezaan tersebut adalah signifikan (nilai-p bagi ujian dua sisi = 0.0001). Tanpa mengambil kira
jantina pekerja, pertambahan satu tahun dalam umur pekerja akan meningkatkan upah mingguan
sebanyak 3.33% pada puratanya.
Page 14 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
1.7 Ujian Kestabilan Struktur Model Regresi Dengan Pemboleh ubah Dami
Ia digunakan untuk menguji sama ada terdapat perubahan struktur (structural change)
atau kestabilan parameter (parameter stability) model regresi teranggar dalam tempoh
masa atau unit keratan rentas yang berlainan. Pendekatan menggunakan pemboleh ubah
dami dapat mengatasi kelemahan dalam ujian Chow (Gujarati & Porter, ms.258-259)
Sampel A : Y 1 2 X u1
Sampel B : Y 1 2 X u2
ii) wujudkan sebutan interaksi (interaction term) antara setiap pemboleh ubah dami
dengan setiap satu pemboleh ubah tak bersandar kuantitatif dalam model
Berdasarkan contoh di atas, model regresi dengan satu pemboleh ubah dami, D yang
dibentuk adalah seperti berikut:
Y 1 2 D 3 X 4 ( DX ) u
DX ialah sebutan interaksi antara pemboleh ubah dami, D dengan pemboleh ubah tak
bersandar kuantitatif, X yang diwujudkan untuk mengambil kira perbezaan pekali cerun.
Jika diandaikan E(u) = 0, fungsi regresi bagi kedua-dua sampel boleh diterbitkan daripada
model di atas.
Sampel A : E(Y| D = 0, X) = 1 3 X
Sampel B : E(Y| D = 1, X) = ( 1 2 ) ( 3 4 ) X
Page 15 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Jika parameter kedua-dua sampel stabil / tiada perubahan struktur, maka batasan yang
diuji ialah H 0 : 2 4 0 (setara dengan hipotesis 1 1 dan 2 2 )
Jika H 0 ditolak, boleh disimpulkan bahawa berlaku perubahan struktur dalam fungsi
yang dikaji.
Bentuk satu model untuk membandingkan fungsi upah mingguan pekerja lelaki dan wanita.
WI = upah mingguan, AGE = umur, EXP = bilangan tahun pengalaman kerja, DS = pemboleh
ubah dami bagi jantina (1 – lelaki dan 0 – wanita), DSAGE = DS x AGE dan DSEXP = DS x EXP
Page 16 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
ln WI α1 α2 AGE α3 EXP u2
α 4 ialah perbezaan pintasan, α5 ialah perbezaan pekali cerun bagi AGE dan α6 ialah perbezaan
pekali cerun bagi EXP antara fungsi upah mingguan pekerja lelaki dan wanita.
Untuk menguji sama ada fungsi upah mingguan berbeza antara pekerja lelaki dan wanita,
pasangan hipotesis berikut dibentuk.
H 0 : α 4 α5 α 6 0
H 1 : sekurang-kurangnya satu daripada parameter berbeza daripada sifar
SAV = tabungan (billion dollars), INC = pendapatan boleh guna (billion dollars)
Uji sama ada fungsi tabungan berbeza secara bererti antara tempoh tahun 1970-1979, 1980-1987
dan 1988-1995 pada = 0.05.
Oleh kerana kita hendak menguji sama ada fungsi tabungan berbeza secara bererti antara 3
tempoh masa, sebanyak dua pemboleh ubah dami (katakan D1 dan D2 ) perlu diwujudkan. Di
samping itu, interaksi pemboleh ubah penerang, INC dengan setiap pemboleh ubah dami juga
perlu dimasukkan ke dalam model regresi yang berikut:
Berdasarkan keputusan penganggaran berikut, persamaan teranggar bagi tabungan dalam ketiga-
tiga tempoh boleh diperoleh.
Page 17 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Keputusan penganggaran
Dependent Variable: SAV
Sample: 1970 1995
Included observations: 26
Persamaan teranggar bagi tabungan dalam tempoh tahun 1970-1979 ( D1 = 0, D2 = 0) diberi oleh
Persamaan teranggar bagi tabungan dalam tempoh tahun 1980-1987 ( D1 = 1, D2 = 0) diberi oleh
Persamaan teranggar bagi tabungan dalam tempoh tahun 1988-1995 ( D1 = 0, D2 = 1) diberi oleh
Nota: Persamaan teranggar yang diterbitkan di atas sama dengan keputusan penganggaran yang
diperoleh daripada EViews selepas membuat pemilihan sampel. (Rujuk Output EViews
dalam Lampiran 2).
Ujian hipotesis berikut dijalankan untuk menguji sama ada terdapat perubahan struktur dalam
fungsi tabungan bagi ketiga-tiga tempoh di atas.
H 0 : 3 4 5 6 0
H 1 : sekurang-kurangnya satu daripada parameter berbeza daripada sifar
(23248.3 11006.63) / 4
RSS model terbatas, RSS R = 23248.3; Statistik ujian F = = 5.561
11006.63 / 20
Ringkasan Output Eviews
Page 18 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
H 0 ditolak sebab F = 5.561 > F0.05, 4, 20 = 2.87 (nilai-p = 0.0035 < = 0.05). Maka terdapat
perubahan struktur dalam fungsi tabungan bagi ketiga-tiga tempoh yang dikaji.
Keputusan ujian t ke atas parameter 3 dan 5 yang masing-masing signifikan pada aras
keertian 5% dan 10% menunjukkan pintasan dan pekali cerun bagi fungsi tabungan berbeza
antara tempoh 1980-1987 dan 1970-1979.
- ˆ2 0.058 menunjukkan dalam tempoh 1970-1979, jika pendapatan boleh guna meningkat 1
billion dollars, tabungan akan meningkat sebanyak 0.0581 billion dollars secara puratanya
- ˆ5 0.05 menunjukkan dalam tempoh 1980-1987, jika pendapatan boleh guna meningkat
1 billion dollars, kesan peningkatan ke atas tabungan adalah 0.05 billion dollars lebih rendah
berbanding tempoh 1970-1979, iaitu hanya meningkat sebanyak 0.008 billion dollars.
Keputusan ujian t ke atas parameter 4 dan 6 yang masing-masing tidak signifikan pada aras
keertian 10% menunjukkan pintasan dan pekali cerun bagi fungsi tabungan tidak berbeza antara
tempoh 1988-1995 dan 1970-1979.
Nota: Ujian CUSUM atau CUSUM of Squares boleh digunakan untuk menentukan breakpoint
atau tahun perubahan struktur berlaku. (Rujuk Output EViews dalam Lampiran 2).
Andaian ini adalah penting supaya prosedur ujian t dan ujian F adalah sah dalam konteks
saiz sampel yang kecil.
S 2 ( K 3) 2
Statistik Ujian Jarque-Bera (JB) = n
6 24
dengan n ialah saiz sampel, S ialah pekali kepencongan (skewness) bagi residuals dan K
ialah pekali kurtosis bagi residuals
Statistik JB, secara asimptot (i.e. dalam keadaan saiz sampel besar) bertaburan khi kuasa
dua dengan darjah kebebasan, df = 2.
Penganggar OLS masih BLUE walaupun andaian kenormalan ralat tidak dipenuhi.
Dalam data set yang besar, sungguhpun andaian kenormalan tidak dipenuhi, ujian t dan
ujian F masih sah secara asimptot (valid asymptotically).
Page 19 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
uˆ 2 0 1 X 1 2 X 2 3 X 12 4 X 22 v
H 0 : 1 2 3 4 0 (homoskedastisiti)
H 1 : sekurang-kurangnya satu daripada parameter berbeza daripada sifar
2 2
Statistik ujian = n Raux , dengan Raux = pekali penentuan model auxiliary
Statistik ujian secara asimptot (i.e. dalam keadaan saiz sampel besar) bertaburan khi
kuasa dua dengan darjah kebebasan sama dengan bilangan pemboleh ubah tak bersandar
dalam regresi auxiliary.
Regresi auxiliary di atas digunakan untuk menguji masalah heteroskedastisiti tulen. Jika
sebutan cross-product dimasukkan ke dalam model auxiliary,
uˆ 2 0 1 X 1 2 X 2 3 X 12 4 X 22 5 X 1 X 2 v
Dalam konteks saiz sampel yang besar, jika masalah heteroskedastisiti dikesan, ralat
piawai teranggar bagi penganggar OLS boleh diperbaiki dengan menggunakan kaedah
Huber-White-Hinkley heteroscedasticity consistent standard errors and covaraince. Ralat
piawai yang terhasil mungkin lebih besar atau lebih kecil berbanding dengan ralat piawai
teranggar OLS.
Page 20 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
2 2
Statistik ujian = n Raux , dengan Raux = pekali penentuan model auxiliary
Statistik ujian secara asimptot (i.e. dalam keadaan saiz sampel besar) bertaburan khi
kuasa dua dengan darjah kebebasan sama dengan p.
Ujian BG dikenali sebagai Ujian Durbin’s M jika struktur ralat AR(1) diuji.
i) boleh digunakan dalam model regresi yang mempunyai lat pemboleh ubah
bersandar, (i.e. Yt 1 , Yt 2 , etc.) sebagai pemboleh ubah penerang
ii) boleh menguji struktur ralat berbentuk moving average (MA) order-q
iii) boleh menguji struktur ralat berbentuk autoregressive (AR) dengan order yang
lebih tinggi daripada satu
Dalam konteks saiz sampel yang besar, jika masalah autokorelasi dikesan, ralat piawai
teranggar bagi penganggar OLS boleh diperbaiki dengan menggunakan kaedah
Heteroscedasticity and Autocorrelation-Consistent standard errors & covariance. Ralat
piawai yang terhasil mungkin lebih besar atau lebih kecil berbanding dengan ralat piawai
teranggar OLS.
Kaedah tersebut boleh memperbaiki ralat piawai teranggar OLS dalam keadaan di mana
kedua-dua masalah heteroskedastisiti dan autokorelasi dikesan.
Page 21 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Diberi model permintaan per kapita bagi daging ayam adalah seperti berikut:
ln Y 1 2 ln X 2 3 ln X 3 4 ln X 6 u
Keputusan penganggaran
7
Series: Resi duals
6 Sample 1960 1982
Observations 23
5
Mean 1.07e-15
4 Medi an -0.004940
Maxi mum 0.053612
3 Minimum -0.046486
Std. Dev. 0.026337
2
Skewness 0.647826
Kurtosis 2.796973
1
0 Jarque-Bera 1.648272
-0.04 -0.02 0.00 0.02 0.04 0.06 Probabil ity 0.438614
Page 22 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
R-squared 0.073339
H 0 : varian bagi sebutan ralat adalah konstan gagal ditolak sebab statistik ujian = 1.687 <
02.01,6 = 16.812 (nilai-p = 0.946 > α = 0.01)
Oleh itu, varian bagi sebutan ralat adalah konstan @ andaian homoskedastisiti dipenuhi.
Bagi menguji order lebih tinggi, katakan AR(2), ut 1ut 1 2ut 2 t , guna ujian BG.
H 0 : tiada korelasi bersiri sehingga pada lag 2 ditolak sebab statistik ujian = 4.991 >
02.10, 2 = 4.605 (nilai-p = 0.0824 < α = 0.10)
Oleh kerana hanya parameter 2 sahaja yang signifikan pada aras keertian 5% di bawah
ujian t (nilai-p = 0.0449), struktur ralat boleh ditulis dalam bentuk ut 2ut 2 t
Page 23 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Keputusan ujian BG
R-squared 0.217010
Salah satu andaian klasik OLS ialah tidak wujud hubungan linear yang tepat antara
pemboleh ubah tidak bersandar atau tidak berlaku multikolinearliti sempurna. Oleh itu,
multikolinearliti berkait rapat dengan isu sejauh manakah seriusnya masalah ini dalam
analisis regresi dan bukan berkaitan dengan kewujudan masalah tersebut.
a) Pekali penentuan R 2 yang tinggi (melebihi 0.8) tetapi tiada atau hanya beberapa
keputusan ujian t yang signifikan.
b) Nilai mutlak pekali korelasi mudah antara pasangan pemboleh ubah tidak bersandar lebih
besar daripada 0.8 (syarat cukup tetapi bukan syarat perlu)
c) Variance Inflation Factor (Centered VIF) bagi pemboleh ubah tidak bersandar, X j
1
melebihi 10 (iaitu apabila R 2j melebihi 0.9), di mana VIF j .
1 R 2j
Dalam konteks ini, pemboleh ubah tidak bersandar X j dikatakan mempunyai kolinearliti
yang tinggi dengan pemboleh ubah tidak bersandar yang lain dalam model dan perlu
pertimbangkan sama ada ia patut dikeluarkan daripada model atau tidak.
Page 24 of 25
Topik 1: Ulangkaji & Lanjutan Pengujian Hipotesis Dalam Model Regresi
Semester 2, Sesi 2020/2021
Nota: R 2j ialah pekali penentuan bagi model regresi bantu (auxiliary) X j ke atas semua
pemboleh ubah tidak bersandar yang lain dalam model.
Correlation
LNX2 LNX3 LNX6
Probability
LNX2 1.000000
-----
Statistik VIF
Associated Eigenvalue
Variable 1 2 3 4
Page 25 of 25