- This topic has 58 balasan, 5 suara, and was last updated 6 hari, 10 jam yang lalu by .
-
Topik Pertanyaan
-
Selamat sore, saya amelia. Saya mau bertanya.
Saya sedang melakukan penelitian menggunakan SPSS. Semua uji asumsi klasik sudah saya lakukan. Namun, pada penelitian saya terdapat autokorelasi.
Saya sudah coba tes menggunakan Durbin Watson dan Run Test namun tetap ada autokorelasi. Akhirnya saya mencari di google cara mengatasi autokorelasi, dan yang saya dapatkan adalah dengan cara transformasi Cochrane Orcutt. Setelah melakukan transformasi Cochrane Orcutt, penelitian saya sudah tidak ada lagi gangguan autokorelasi.
Pertanyaan saya, apakah uji asumsi klasik lainnya harus diuji juga dengan regresi yang sudah ditransformasi menggunakan Cochrane Orcutt, atau hanya tes autokorelasinya saja?
Terima kasih.
Jawaban :
-
Jawaban
-
Assalamualaikum mohon maaf pak mengganggu waktunya izin bertanya mengenai tranformasi data, apakah data yang sudah di transformasi kedalam bentuk logaritma natural (LN) bisa kembali di transformasikan kedalam bentuk LAG? Mohon penjelasannya pak
TerimakasihSalah satu sifat logatitma adalah \[e^{\ln {(x)}}=x.\] Dengan menggunakan sifat tersebut, jika kita telah mentransformasi data \(x\) dengan logaritma \[\ln x= z\] maka kita dapat mengembalikannya ke bentuk asal, yaitu \[e^z=x.\]
Saya ingin bertanya, saya telah melakukan pengujian data dgn data dari laporan keuangan
Untuk sampel 60 di uji normalitas, multiko data lolos tetapi setelah di uji auto DW sama dibawah Du
Kemudian saya melakukan orcutt, setelah melakukan orcutt autokorelasi saya lolos tetapi di uji normalitas nya menjadi tidak lolos,
Mohon bantuannya pak
TerimakasihCoba cara lain untuk menghilangkan adanya autokorelasi misalnya dengan melakukan transformasi, mengganti metode estimasinya dengan GLS atau metode lainnya. Intinya semua asumsi klasik harus terpenuhi.
Jika model yang digunakan double log namun asumsi autokorelasi tidak teratas, solusi lainnya apa ya? Kalau pakai cochrane orcutt, cara interpretasinya bagaimana ya? Apakah sama seperti persamaan regresi biasa atau harus dikembalikan, dan referensi buku yang menjelaskan cochrane orcutt, buku apa ya?
Coba gunakan metode Generalized Least Squares (GLS) atau pada prakteknya menggunakan metode FGLS. Dengan metode tersebut maka tidak akan ada lagi autokorelasi.
Interpretasi untuk data yang telah ditransformasi maka sebaiknya datanya tersebut dikembalikan ke bentuk asal sehingga makna interpretasinya dapat dipahami dengan baik.
Saya tidak tahu persis buku yang khusus membahas Cochrane Orcutt. Untuk mempelajarinya bisa membaca buku-buku ekonometrik, misalnya A Guide to Modern Econometrics
Bagaimana cara untuk mengatasi permasalahan autokorelasi mengggunakan Cochrane-Orcutt? karena sedikit sekali informasi yang saya dapatkan di internet tentan cara menggunakan Cochrane-Orcutt. Terimakasih.
Menurut saya sangat banyak materinya di google. Tahap-tahap pengerjaannya juga dirinci dengan sangat baik. Pelajari saja sedikit demi sedikit. Saya yakin anda nanti akan bisa memahaminya.
Maaf sebelumnya, uji normalitas tidak terpenuhi (tdk berdistribusi normal) & pada saat uji autokorelasi terjadi masalah namun untuk uji goodness of fit lolos. Bagaimana cara mengobati normalitasnya? Sample saya 342 (57×6).
Saya mengikuti teori Gujarati jika sample diatasi 30 tidak apa tidak menggunakan uji normalitas karena data dianggap sudah mendekati normal. Lalu bagaimana menurut anda?Pada saat akan melakukan regresi, sebaiknya data di eksplorasi terlebih dahulu, misalnya menggunakan diagram pencar atau scatter plot. Dari diagram pencar tersebut sebenarnya kita sudah bisa sedikit mendapat gambaran apakah kita dapat melakukan analisis dengan regresi linier.
Jika ukuran data sudah besar, tapi setelah diuji ternyata tidak normal itu artinya data tersebut memang tidak normal. Jika sampel diatas 30, maka yang berdistribusi normal adalah distribusi rata-ratanya \((\bar{x})\) bukan distribusi datanya \((x).\)
Untuk uji goodnes of fit, hipotesisnya apa dan statistik ujinya bagaimana?
- Anda harus log masuk untuk menambahkan jawaban.