TUGAS EKONOMETRI III

Estira Woro Astrini

ASUMSI GAUSS-MARKOV
Dalam statistik, teorema Gauss-Markov mengatakan bahwa dalam model regresi linear
ekspektasi dari eror adalah nol dan tidak berkorelasi dan memiliki variansi yang sama, Best
Linear Unbiased Esimator (BLUE) diperoleh dari Ordinary Least Square (OLS) estimator.
1. Linear in Parameter
y i= 0 + 1 x i +ui
Model regresi :
Memiliki parameter

(intersep) dan

(koefisien variabel independen x).

Model harus linear dalam parameter bukan berarti harus terdapat hubungan linear
antara variabel dependen dan variabel independen. Variabel independen dapat
berbentuk

non-linear

y i= 0 + 1 x i2+ ui

selama

parameter

regresinya

linear.

Contoh

memenuhi syarat linear dalam parameter, sedangkan :

y i= 0 + 1 x i+ ui tidak memenuhi syarat linear dalam parameter.

2. Random Sampling
Y 1 ,Y 2 , ,Y n
Jika
variabel random independen dengan fungsi densitas
maka

{Y 1 , ,Y n }

merupakan sampel random dari fungsi densitas

bahwa

Yi

f ( y , ).

dikatakan sampel random dari

Saat

f ( y ,) ,

{Y 1 , ,Y n }

f ( y , ) , dapat dikatakan juga

independent, identically distributed (iid) variabel random dari f ( y , )

. Pada beberapa kasus kita tidak perlu menentukan distribusinya, tetapi pada beberapa
2

kasus yang lain sampel random dapat diasumsikan berdistribusi Normal( , .

Sampel random berukuran n
y= 0 + 1 x +u

{( x i , yi ) :i=1,2, , n }

, dapat ditulis sebagai berikut :

y i= 0 + 1 x i +ui , i=1,2, , n .

mengikuti model populasi

Misalkan variabel x menunjukkan year of education dan variabel y menunjukkan

wage. Diambil sampel sebesar 100 orang, maka sampel yang diteliti akan berbeda
untuk tiap sampel pada 100 orang yang dijadikan sampel tersebut. Dari 100 sampel
tersebut diperoleh data

x i=x 1 , x 2 , , x 100

error pada observasi ke-i, oleh sebab itu

teramati dan mempengaruhi

yi

dan
ui

y i= y 1 , y2 , , y 100 .u i

merupakan

mengandung observasi ke-i yang tidak

3. Zero conditional Mean

Nilai ekspektasi u bersyarat x atau
dituliskan

E(ux)

adalah sama dengan nol, atau dapat

E ( u|x )=0 . Asumsi ini menyatakan bahwa mean dari u adalah nol dan

independen terhadap x. Untuk sampel random, asumsi ini menyiratkan bahwa

E ( ui|x i )=0

, untuk semua i=1,2, , n . Selain membatasi hubungan antara u dan

x pada populasi, asumsi zero conditional mean bersama dengan asumsi sampel
random memungkinkan dalam teknik penyederhanaan. Khususnya, kita dapat
memperoleh sifat-sifat statistik dari estimator OLS sebagai syarat dari nilai

xi

pada

sampel. Secara teknis, dalam derivasi statistik, mengkondisikan nilai sampel pada
variabel independen sama saja dengan memperlakukan

xi

sebagai fixed in

repeated samples, yaitu sebagai berikut : pertama, dipilih sebanyak n sampel untuk
nilai

x1 , x2 , , xn

. Dengan diberikan nilai-nilai tersebut, kemudian diperoleh

sampel pada y. Kemudian, sampel lain pada y diperoleh menggunakan nilai yang
sama untuk

x1 , x2 , , xn

menggunakan nilai

. Kemudian sampel lain pada y diperoleh dengan

x1 , x2 , , xn

yang sama, dan seterusnya. Kekurangan asumsi

Fixed in repeated samples ini adalah asumsi ini selalu menyiratkan bahwa
xi

adalah independen.

ui

dan

4. Sample Variation in Explanatory Variable

{x i ,i=1,2, , n }
Hasil sampel dari x, yaitu,
tidak semua nilainya sama. Asumsi ini
sangat lemah tapi tetap diperlukan. Jika x beragam dalam populasi, sampel random x
akan beragam juga kecuali jika variasi dari populasi sedikit atau ukuran sampelnya
kecil.
5. Homoscedasticity
Homoskedastisitas adalah kondisi dimana variansi dari residual suatu pengamatan ke
var ( u|x )= 2 . Jika variansi

residual pengamatan lain adalah tetap atau sama yaitu

dari

var ( u|x )

dapat ditulis

adalah tetap, maka

var ( u|x )

tidak bergantung pada x, sehingga

var (u)= 2 .
2

v ar ( ux )=E ( u x )[ E ( ux ) ] =E ( u x )0=E ( u x ) =

merupakan ekspektasi tak bersyarat dari

E ( u )=0 .

u2

sehingga

yang berarti

var ( u ) =E ( u2 )= 2

karena