Nama : Pratiwi Dwi Yanti

Nim : 18509051111019
No. Absn : 27

Tugas : Studi Kasus Uji Asumsi Homoskedastisitas

1. Sumber data : Gretl → Ramanathan (data9-7.gdt) penjualan mobil baru pada tahun
1975-190
Variabel : Price, Stock, Pop
Y (Price) X1 (Stock) X2 (Pop)
1 1975:01:00 60,2 93,145 215,973
2 1975:02:00 62,9 93,845 216,489
3 1975:03:00 62,8 95,241 217,004
4 1975:04:00 63,9 95,846 217,52
5 1976:01:00 65,4 96,456 218,035
6 1976:02:00 66,2 97,19 218,586
7 1976:03:00 66,6 97,818 219,137
8 1976:04:00 68,6 98,294 219,688
9 1977:01:00 68,8 98,791 220,239
10 1977:02:00 69,3 98,397 220,826
11 1977:03:00 70,2 99,904 221,412
12 1977:04:00 72 100,631 221,999
13 1978:01:00 74,2 101,319 222,585
14 1978:02:00 74,6 102,222 223,203
15 1978:03:00 75,6 102,957 223,82
16 1978:04:00 77,2 103,896 224,438
17 1979:01:00 78,9 104,845 225,055
18 1979:02:00 81,1 105,864 225,723
19 1979:03:00 82,3 106,755 226,391
20 1979:04:00 83,1 107,585 227,058
21 1980:01:00 85,1 106,59 227,726
22 1980:02:00 87,3 105,595 228,286
23 1980:03:00 88,4 104,6 228,846
24 1980:04:00 90,2 104,9 229,406
25 1981:01:00 90,8 105,2 229,966
26 1981:02:00 91,8 105,5 230,522
27 1981:03:00 95 105,8 231,077
28 1981:04:00 95,5 106,075 231,633
29 1982:01:00 96,8 106,35 232,188
30 1982:02:00 96,7 106,625 232,718
31 1982:03:00 98 106,9 233,248
32 1982:04:00 97,9 107,425 233,77
33 1983:01:00 98,5 107,95 234,307
34 1983:02:00 99,2 108,475 234,817
35 1983:03:00 99,8 109 235,328
36 1983:04:00 100,9 109,75 235,838
37 1984:01:00 101,6 110,5 236,348
38 1984:02:00 102,3 111,25 236,878
39 1984:03:00 102,9 112 237,407
40 1984:04:00 103,5 112,675 237,937
41 1985:01:00 104,5 113,35 238,466
42 1985:02:00 105,5 114,025 239,012
43 1985:03:00 106,1 114,7 239,559
44 1985:04:00 106,9 115,35 240,105
45 1986:01:00 107,8 116 240,651
46 1986:02:00 108,9 116,65 241,189
47 1986:03:00 111,2 117,3 241,728
48 1986:04:00 112,3 117,925 242,266
49 1987:01:00 114,1 118,55 242,804
50 1987:02:00 113,5 119,175 243,358
51 1987:03:00 115,1 119,8 243,913
52 1987:04:00 115,6 120,225 244,467
53 1988:01:00 115,1 120,65 245,021
54 1988:02:00 115,7 121,075 245,601
55 1988:03:00 117 121,5 246,182
56 1988:04:00 118,5 121,825 246,762
57 1989:01:00 118,4 122,15 247,342
58 1989:02:00 119,2 122,475 247,985
59 1989:03:00 119,2 122,8 248,628
60 1989:04:00 119,5 122,925 249,27
61 1990:01:00 121,2 123,05 249,913
62 1990:02:00 120,4 123,175 250,597
63 1990:03:00 120,4 123,3 251,282
64 1990:04:00 121,4 123,3 251,966
2. Jelaskan definisi dari variabel-variabel tersebut dan berikan alasan mengapa patut
dicurigai adanya potensi heteroskedasititas dari data tersebut.
Jawab :
• Definisi Variabel :
Y (Pr ice ) : Average real price index of a car
X 1 ( Stock ) : Number of cars on road (thousands)
X 2 ( Pop) : Population in millions
• Indikasi :
i. Semakin banyak jumlah mobil di jalan raya, maka semakin beragam pula
indeks harga rill rata-rata sebuah mobil.
ii. Semakin banyak populasi orang yang menggunakan mobil di jalan raya,
maka semakin beragam pula indeks harga rill rata-rata sebuah mobil.

3. Analisis Regresi
Model 1: OLS, using observations 1975:1-1990:4 (T = 64)
Dependent variable: PRICE

Coefficient Std. Error t-ratio p-value

const −359,006 18,9693 −18,93 <0,0001 ***
STOCK −0,409483 0,205121 −1,996 0,0504 *
POP 2,13527 0,174592 12,23 <0,0001 ***

Mean dependent var 95,21250 S.D. dependent var 18,94685

Sum squared resid 347,0534 S.E. of regression 2,385246
R-squared 0,984654 Adjusted R-squared 0,984151
F(2, 61) 1957,050 P-value(F) 4,70e-56
Log-likelihood −144,9111 Akaike criterion 295,8222
Schwarz criterion 302,2989 Hannan-Quinn 298,3737
rho 0,990629 Durbin-Watson 0,120164

Model Pendugaan :
Yi   0  1Stock i   2 Population i   i

Yˆ  -359,006 - 0,409483Stock  2,13527 Population

 Interpretasi :
1 → Untuk jumlah mobil baru yang terjual dengan jumlah mobil di jalan raya
(Stock) yang sama, peningkatan satu satuan penjualan mobil akan
menurunkan indeks harga riil rata-rata sebuah mobil (Price) sebesar
0,409483$. (Secara Signifikan)
2 → Untuk jumlah mobil baru yang terjual dengan populasi banyaknya mobil
yang sama, peningkatan satu satuan penjualan mobil akan meningkatkan
indeks harga riil rata-rata sebuah mobil (Price) sebesar 2.13527$ (Secara
signifikan)

4. Mendeteksi Heteroskedastisitas
a) Secara grafis dari plot residual
i. Diagram Pencar Sisaan Harga (Price)

• Keragaman terbesar ada pada indeks harga riil rata-rata sebuah mobil
berkisar antara 110$ hingga 120$.
• Keragaman kecil indeks harga riil rata-rata sebuah mobil berkisar antara
100$ hingga 110$.

ii. Diagram Pencar Sisaan VS Jumlah Mobil di Jalan Raya (Stock)

• Keragaman terbesar pada jumlah mobil di jalan raya yaitu diatas 120 ribu
mobil.
• Keragaman kecil jumlah mobil di jalan raya berkisar antara 110 hingga 115
ribu mobil.
 iii. Diagram Pencar Sisaan VS Populasi mobil dalam Jutaan (Pop)

• Keragaman terbesar pada populasi mobil yaitu diatas 250 juta mobil.
• Keragaman kecil populasi mobil berkisar antara 235 hingga 240 juta
mobil.

b) Dengan uji statistik lain :

i. Breusch-Pagan LM test
Hipotesis :
H0 : 2  3  0

H1 :  j  0, j  2,3
(paling tidak terdapat satu yang tidak sama dengan nol)
Model :
uˆi2  1   2 stock i   3 popi  vi
 Breusch-Pagan test for heteroskedasticity
OLS, using observations 1975:1-1990:4 (T = 64)
Dependent variable: scaled uhat^2

coefficient std.error t-ratio p-value

const −40,3197 12,1549 −3,317 0,0015 ***
STOCK −0,358348 0,131435 −2,726 0,0083 ***
POP 0,34502 0,111873 3,084 0,0031 ***

Explained sum of squares = 30,87

Test statistic: LM = 15,435006,
with p-value = P(Chi-square(2) > 15,435006) = 0,000445

Statistik LM Signifikan

• Dengan  2 sebagai koefisien dari partisipasi pada variabel dengan

jumlah mobil di jalan raya (Stock), secara signifikan ragam penjualan
mobil akan turun seiring dengan jumlah indeks harga riil rata-rata sebuah
mobil (Price)

• Dengan  3 sebagai koefisien dari partisipasi pada variabel dengan

populasi banyaknya mobil (Population), secara signifikan ragam
penjualan mobil akan meningkat seiring dengan jumlah indeks harga riil
rata-rata sebuah mobil (Price)
Keputusan :
 2 → Karena p  value (0,0083)   (0,05) , maka H 0 ditolak

 3 → Karena p  value (0,0031)   (0,05) , maka H 0 ditolak

Kesimpulan :
Dari kedua statistik LM diatas dapat diketahui bahwa dengan taraf nyata
sebesar 5% dapat disimpulkan bahwa model terdapat Heteroskedastistitas.

ii. Glesjer LM test

Hipotesis :
H0 : 2  3  0
 H1 :  j  0, j  2,3
(paling tidak terdapat satu yang tidak sama dengan
nol)
Model :
uˆi  1   2 stock i   3 popi  vi

Sebelum mendapatkan model 3 perlu menambahkan variabel baru yaitu

dengan memutlakkan nilai residual. Sehingga didapatkan model sbb :

Model 3: OLS, using observations 1975:1-1990:4 (T = 64)

Dependent variable: absuhat1

Coefficient Std. Error t-ratio p-value

const −33,1430 10,2619 −3,230 0,0020 ***
STOCK −0,356903 0,110966 −3,216 0,0021 ***
POP 0,317404 0,0944503 3,361 0,0013 ***

Mean dependent 1,879497 S.D. dependent var 1,385713

var
Sum squared resid 101,5672 S.E. of regression 1,290363
R-squared 0,160412 Adjusted R-squared 0,132885
F(2, 61) 5,827347 P-value(F) 0,004831
Log-likelihood −105,5909 Akaike criterion 217,1817
Schwarz criterion 223,6584 Hannan-Quinn 219,7332
rho 0,864860 Durbin-Watson 0,375956

LM  64(0,160412)  10,266368
p  value  P ( X 22  10,266368)  2,22305 10 15   (0,05)

Keputusan : Karena p  value  2,22305  10   (0,05) , maka H 0 ditolak

15

Kesimpulan :
• Statistik uji LM signifikan

•  2 dan  3 sebagai koefisien price dan population dengan jumlah indeks harga

riil rata-rata sebuah mobil (Price) yang signifikan.

• Terdeteksi adanya heteroskedastisitas.
• Secara signifikan ragam penjualan mobil akan meningkat seiring dengan
jumlah indeks harga riil rata-rata sebuah mobil (Price)

iii. Harvey-Godfrey LM test

Hipotesis :
 H0 : 2  3  0

H1 :  j  0, j  2,3
(paling tidak terdapat satu yang tidak sama dengan
nol)
Model :
ln uˆi  1   2 stock i   3 popi  vi

Sebelum mendapatkan model 4 perlu menambahkan variabel baru yaitu

dengan mencari transformasi Ln dari nilai residual. Sehingga didapatkan
model sbb :

Model 4: OLS, using observations 1975:1-1990:4 (T = 39)

Missing or incomplete observations dropped: 25
Dependent variable: l_uhat1

Coefficient Std. Error t-ratio p-value

const −0,717488 7,83480 −0,09158 0,9275
STOCK −0,126374 0,0692026 −1,826 0,0761 *
POP 0,0635605 0,0629418 1,010 0,3193

Mean dependent var 0,192793 S.D. dependent var 0,790697

Sum squared resid 18,86356 S.E. of regression 0,723870
R-squared 0,206000 Adjusted R-squared 0,161889
F(2, 36) 4,670034 P-value(F) 0,015731
Log-likelihood −41,17518 Akaike criterion 88,35036
Schwarz criterion 93,34104 Hannan-Quinn 90,14097

LM  39(0,206)  8,034
p  value  P ( X 22  8,034)  4,26349  10 10

Keputusan : Karena p  value  P ( X 2  8,034)  4,26349  10   (0,05) , maka

2 10

H 0 ditolak

Kesimpulan :
• Statistik uji LM signifikan

•  2 dan  3 sebagai koefisien price dan population dengan jumlah indeks harga

riil rata-rata sebuah mobil (Price) yang signifikan.

• Terdeteksi adanya heteroskedastisitas.
• Secara signifikan ragam penjualan mobil akan meningkat seiring dengan
jumlah indeks harga riil rata-rata sebuah mobil (Price)
 iv. Park LM test
Hipotesis :
H0 : 2  3  0

H1 :  j  0, j  2,3
(paling tidak terdapat satu yang tidak sama dengan
nol)
Model :
ln uˆi  1   2 stock i   3 popi  vi
2

Sebelum mendapatkan model 5 perlu menambahkan variabel baru yaitu

dengan mencari transformasi Ln dari nilai squared residual. Sehingga
didapatkan model sbb :

Model 5: OLS, using observations 1975:1-1990:4 (T = 64)

Dependent variable: l_usq1

Coefficient Std. Error t-ratio p-value

const −33,9319 12,3466 −2,748 0,0079 **
*
STOCK −0,446907 0,133507 −3,347 0,0014 **
*
POP 0,357982 0,113637 3,150 0,0025 **
*

Mean dependent var 0,696741 S.D. dependent var 1,671869

Sum squared resid 147,0234 S.E. of regression 1,552488
R-squared 0,165087 Adjusted R-squared 0,137713
F(2, 61) 6,030746 P-value(F) 0,004074
Log-likelihood −117,4267 Akaike criterion 240,8535
Schwarz criterion 247,3301 Hannan-Quinn 243,4050
rho 0,746120 Durbin-Watson 0,527526

LM  64(0,165087)  10,565568
p  value  P ( X 22  8,034)  5,77217  10 15

Keputusan : Karena p  value  P ( X 2  8,034)  4,26349  10   (0,05) , maka

2 15

H 0 ditolak

Kesimpulan :
• Statistik uji LM signifikan
•  2 dan  3 sebagai koefisien price dan population dengan jumlah indeks harga

riil rata-rata sebuah mobil (Price) yang signifikan.

• Terdeteksi adanya heteroskedastisitas.
• Secara signifikan ragam penjualan mobil akan meningkat seiring dengan
jumlah indeks harga riil rata-rata sebuah mobil (Price)

v. White test
Hipotesis :
H0 : 2  3  4  5  6  0

H1 :  j  0, j  2,3,...,6
(paling tidak terdapat satu yang tidak sama dengan
nol)
Model :
uˆi2  1   2 stock i   3 popi   4 stock i   4 popi   5 ( stock i  popi )  vi
2 2

White's test for heteroskedasticity

OLS, using observations 1975:1-1990:4 (T = 64)
Dependent variable: uhat^2
coefficient std.error t-ratio p-value
const 14026,1 2433,59 5,764 3,33E-07 ***
STOCK 181,989 51,6436 3,524 0,0008 ***
POP −206,939 44,6387 −4,636 2,06E-05 ***
sq_STOCK 0,642275 0,31664 2,028 0,0471 **
X2_X3 −1,39484 0,514319 −2,712 0,0088 ***
sq_POP 0,776323 0,21439 3,621 0,0006 ***

Unadjusted R-squared = 0,689243

Test statistic: TR^2 = 44,111523,
with p-value = P(Chi-square(5) > 44,111523) = 0,000000

Statistik LM Signifikan

•  2 signifikan (p-value < alfa), sehingga ragam penjualan mobil akan

naik seiring dengan jumlah indeks harga riil rata-rata sebuah mobil
(Price)

•  3 signifikan (p-value < alfa), sehingga ragam penjualan mobil akan naik

seiring dengan jumlah indeks harga riil rata-rata sebuah mobil (Price)
 •  4 signifikan (p-value < alfa), sehingga ragam penjualan mobil akan

turun seiring dengan jumlah indeks harga riil rata-rata sebuah mobil
(Price)

•  5 signifikan (p-value < alfa), sehingga ragam penjualan mobil akan naik

seiring dengan jumlah indeks harga riil rata-rata sebuah mobil (Price)

•  6 signifikan (p-value < alfa), sehingga ragam penjualan mobil akan

turun seiring dengan jumlah indeks harga riil rata-rata sebuah mobil
(Price)
Keputusan :
 2 → Karena p  value (0,0008)   (0,05) , maka H 0 ditolak

 3 → Karena p  value (2,06  10 5 )   (0,05) , maka H 0 ditolak

 4 → Karena p  value (0,0471)   (0,05) , maka H 0 ditolak

 5 → Karena p  value (0,0088)   (0,05) , maka H 0 ditolak

 6 → Karena p  value (0,0006)   (0,05) , maka H 0 ditolak

Kesimpulan :
Dari ketujuh statistik LM diatas dapat diketahui bahwa dengan taraf nyata
sebesar 5% dapat disimpulkan bahwa model terdapat Heteroskedastistitas.

5. Apakah hasil pada poin (4) selaras dengan pre-asumsi Anda pada poin (2)? Jelaskan!
Jawab:
Hasil yang saya dapatkan dari perbandingan antara asumsi awal dengan
pengujian keduanya adalah selaras, sehingga dapat disimpulkan bahwa model yang
dipilih terdapat masalah heteroskedastisitas. Asumsi yang telah saya curigai karena
mengindikasikan bahwa dua variabel independen tersebut ketika nilainya semakin
besar, maka semakin besar pula ragam dari varaibel respon atau indeks harga riil rata-
rata sebuah mobil (Price).
Dari grafis yang diperoleh dapat dilihat bahwa terdapat keragaman pada data. Hal
ini juga dapat dilihat dari hasil pengujian statistik yaitu Breusch-Pagan LM Test dan
White Test yang memiliki p-value kurang dari nilai alfa (0.05). Sehingga dapat
disimpulkan bahwa modl yang dipilih terdapat masalah heteroskedastisitas dan harus
dilakukan penangan untuk mengatasi masalah tersebut.
6. Perbaikan untuk mengatasi masalah Heteroskedastisitas dengan White
Heteroskedasticity Corrected Regression

Model 2: Heteroskedasticity-corrected, using observations 1975:1-1990:4 (T = 64)

Dependent variable: PRICE

Coefficient Std. Error t-ratio p-value

const −358,690 12,2588 −29,26 <0,0001 ***
STOCK −0,358937 0,136423 −2,631 0,0108 **
POP 2,11343 0,114443 18,47 <0,0001 ***

Statistics based on the weighted data:

Sum squared resid 102,9135 S.E. of regression 1,298887
R-squared 0,991753 Adjusted R-squared 0,991482
F(2, 61) 3667,721 P-value(F) 2,80e-64
Log-likelihood −106,0122 Akaike criterion 218,0245
Schwarz criterion 224,5011 Hannan-Quinn 220,5760
rho 0,937388 Durbin-Watson 0,106854

Statistics based on the original data:

Mean dependent var 95,21250 S.D. dependent var 18,94685
Sum squared resid 387,1927 S.E. of regression 2,519409

Kesimpulan :
• Dalam peningkatan satu kali partisipasi dalam jumlah mobil di jalan raya (Stock)
secara signifikan berpengaruh terhadap besaran indeks harga riil rata-rata sebuah
mobil (Price)
• Dalam peningkatan satu kali partisipasi dalam populasi banyaknya mobil secara
signifikan berpengaruh terhadap besaran secara signifikan berpengaruh terhadap
besaran
Interpretasi :
• Model Heteroskedasticity-corrected
Yˆ  -358,690 - 0,358937 Stock  2,11343 Population
• Interpretasi Model
1 → Untuk jumlah mobil baru yang terjual dengan jumlah mobil di jalan
raya (Stock) yang sama, peningkatan satu satuan penjualan mobil akan
menurunkan indeks harga riil rata-rata sebuah mobil (Price) sebesar
0,358937$. (Secara Signifikan)
2 → Untuk jumlah mobil baru yang terjual dengan populasi banyaknya
mobil yang sama, peningkatan satu satuan penjualan mobil akan
meningkatkan indeks harga riil rata-rata sebuah mobil (Price) sebesar
2.11343$. (Secara signifikan)