Tutorial Uji Cochrane Orcutt dengan SPSS
Cochrane Orcutt dengan SPSS
Tutorial Cochrane Orcutt dengan SPSS
Setelah kita mendapatkan koefisien autokorelasi Rho (ρ) yang dibahas pada artikel Cochrane Orcutt, maka selanjutnya adalah melakukan transformasi Cochrane Orcutt dengan SPSS. Caranya pada menu SPSS klik Transform, Compute Variable, pada Target variable ketikkan nama variabel baru hasil transformasi yang akan dibentuk, yaitu Lag_X1 dan pada Numeric expression ketikkan formula X1-(0.925*Lag(X1)). Di mana 0.925 adalah koefisien Rho (ρ). Ulangi langkah tersebut untuk variabel yang lain seperti gambar berikut:
Setelah melakukan transformasi, maka anda sudah mempunyai variabel baru hasil transformasi. Bisa anda lihat di dataview SPSS.
Tahap Transformasi Cochrane Orcutt dengan SPSS
Selanjutnya anda lakukan regresi linear seperti biasa dengan menggunakan variabel baru hasil transformasi.
Opsi Durbin Watson Cochrane Orcutt dengan SPSS
Jangan lupa untuk mendeteksi apakah ada peningkatan nilai Durbin Watson (DW), Klik tombol Statistics dan centang semuanya. Terutama Durbin Watson untuk deteksi autokorelasi dan Collinearity diagnostics untuk deteksi multikolinearitas.
Opsi Heteroskedastisitas Cochrane Orcutt dengan SPSS
Jika anda juga mau mendeteksi heteroskedastisitas dan normalitas, silahkan klik tombol plots dan masukkan SRESID ke Kotak Y dan masukkan ZPRED ke kotak X. Centang juga Histogram dan Normal probability plot.
Opsi Normalitas Cochrane Orcutt dengan SPSS
Jika anda ingin mendeteksi normalitas pada residual secara lebih lanjut dan juga mendeteksi adanya outlier, maka klik tombol Save dan centang Residual, Studentized serta Mahalanobis.
Setelah anda tekan OK pada jendela utama, segera lihat output apakah ada perubahan angka DW sampai level yang signifikan menolak adanya autokorelasi:
Nilai DW di atas sebesar 0,587 di mana masih terlalu rendah dan belum mencapai level yang diinginkan. Oleh karenanya perlu upaya lebih lanjut agar bisa mencapai level yang signifikan, yaitu dengan cara iterasi. Iterasi di sini adalah mengulang langkah di atas dengan meregresikan residual yang di dapat dengan lag residualnya sampai didapatkan koefisien Rho yang dapat meningkatkan nilai DW secara signifikan. (Pelajari Durbin Watson Tabel)
Cochrane Orcutt dengan STATA
Apabila anda menggunakan aplikasi SPSS, hal tersebut dapat menjadi sangat melelahkan sebab anda akan butuh waktu lama sebab iterasi bisa terjadi berulang-ulang kali. Untuk mengatasi hal tersebut anda bisa memanfaatkan aplikasi STATA di mana anda dapat dengan mudah melakukan iterasi tanpa memerlukan tenaga dan waktu yang banyak. Transformasi Cochrane Orcutt dengan STATA akan kami bahas selanjutnya dalam artikel Cochrane Orcutt dengan STATA.
Asumsi Cochrane Orcutt
Sebagai catatan penting, setelah anda melakukan regresi linear dengan transformasi Cochrane Orcutt, anda harus kembali mengecek semua asumsi klasik yang harus terpenuhi selayaknya pada Ordinary Least Square (OLS). Apabila asumsi normalitas tidak terpenuhi, maka anda bisa menggunakan regresi Newey-West Standar Error yang bisa anda lakukan dengan aplikasi STATA.
Pada regresi Cochrane Orcutt, karena anda melakukan transformasi Lag, maka anda akan kehilangan observasi pertama. Misal jumlah observasi anda awalnya 65 orang, maka dengan transformasi cochrane Orcutt, jumlah observasi anda menjadi 64. Untuk mengatasi hal tersebut agar anda tidak kehilangan informasi, maka anda bisa melakukan uji yang merupakan penyempurnaan dari Cochrane Orcutt di mana anda tidak akan kehilangan observasi pertama, yaitu uji Prais Winsten Regression. Uji tersebut juga dapat anda lakukan di aplikasi STATA. Uji Regresi Prais Winsten sebenarnya dapat anda lakukan juga dengan aplikasi SPSS. Caranya anda gunakan formula sebagai berikut untuk memberikan nilai pada observasi pertama:
Demikian artikel kami tentang upaya mengatasi masalah autokorelasi dengan transformasi Cochrane Orcutt dengan SPSS. Silahkan baca artikel kami lainnya.
By Anwar Hidayat
Belum ada Komentar untuk "Tutorial Uji Cochrane Orcutt dengan SPSS"
Posting Komentar