Professional Documents
Culture Documents
Model
Regresi
Classical
Assumptions
Asumsi 1 :
Linearitas dalam
model
, t = 1, 2, n
dimana :
Yt
= dependent variable
= koefisien regresi
Xt
= independent variable
Ut
Asumsi 2 : Beberapa
observasi adalah berbeda
PROPERTY DARI
ESTIMATOR
1. Tidak bias
Asumsi 3 : Setiap u
adalah variabel acak
dengan (u) = 0,
(rata-rata kesalahan
0).
Asumsi 4 : X adalah given dan
bukan variabel acak,
Cov (Xt, ut) = [(Xt ut)(ut
ut)]
= [(Xtut Xtut
ut2 + ut2)]= 0
PROPERTY DARI
ESTIMATOR
(Lanjutan)
2. Berdasarkan asumsi 2, 3
dan 4 least squares
estimators adalah
konsisten.
kondisi konsistensi : , Cov (Xt,
ut) = 0 dan Var (Xt) 0
3.
Efficiency :
Asumsi 6 : Serial
Independence
u terdistribusi bebas Cov (ut, us)
= (utus) = 0, untuk t s.
PROPERTY DARI
ESTIMATOR (Lanjutan)
6 Heteroskedastisitas :
Variance tidak konstan antar
observasi tapi meningkat
dengan semakin
meningkatnya X.
6 Dari asumsi 2 sampai
dengan 6 OLS BLUE
estimator
PROPERTY DARI
ESTIMATOR (Lanjutan)
6 Kesimpulan :