Pengujian Multikolinieritas

Dalam Model regresi linier dengan estimator OLS terdapat salah satu asumsi tidak adanya multikollieritas. Konsekuensi adanya multicollinearity yang tinggi adalah (a) meskipun masih BLUE, namun estimator OLS mempunyai varians dan covarians yg besar à sulit utk menentukan estimasi yg tepat; (b) konfiden interval lebih melebar.

Mendeteksi gejala multikolinieritas R square, signifikansii, maupun Tolerance (TOL) dan variance inflation factor (VIF).

Download materi lebih lengkap klik Pengujian Multikolinieritas. Silahkan komentari atau dapat kita diskusikan pada Blog Forum Diskusi Ekonometrika.

(3)Visit Out Sponser

Pengujian Autocorrelation

Asumsi Model regresi klasik (dengan estimator OLS) adalah tidak ada korelasi serial antar error. Konsekuensi adanya korelasi serial adalah:

· linear unbiased, consistent dan asymptotically normally distributed,

· tidak lagi efficient (tidak varians minimumè tdk BLUE).

Mendeteksi gejala autocorelation baik secara visual maupun pengujian seperti: Durbin-Watson Test atau Breusch–Godfrey (BG) Test/ LM test.

Download materi lebih lengkap pada Pengujian Autokorelasi. Silahkan komentari Topik ini atau dapat kita diskusikan pada Blog Forum Diskusi Ekonometrika.

(4)Visit Our Sponsor

Estimasi Model Regresi NonLinier dg OLS dan Max Likelihood

Paper akan melaporkan hasil ekperimen model nonlinier untuk menaksir fungsi produksi Cobb-Douglas dan CES dengan mengunakan metoda Nonlinier Least Square dan Non-Linier Maksimum Likelihood. Metoda estimasi model non linier dengan pendekatan Algoritma Konvesional Gause-Newton; Newton-Rhapson; Marquardt-Levenberg; Berndt, Hall, Hall & Hausman atau Metoda Quadratic-Hill Climbing. Dalam paper ini akan menjelaskan pendekatan tersebut. Simulasi Monte Carlo digunakan untuk menjamin Robusness hasil estimasi. Komputasi yang digunakan dengan menggunakan MATLAB.

Download bila Anda ingin tulisan lengkap [Non Linier.pdf] dan [Lampiran]
Silahkan “Komentar” di bawah ini.

Estimasi Model Regresi Linier dg Ordinary Least Square dan Simulasi Monte Carlo

Estimasi dalam Model Linier pada umumnya mengunakan metoda OLS (Ordinary Least Square) atau ML (Maximum Likelihood). Dalam Paper ini menjelaskan secara teoritis bagaimana metoda estimasi tersebut. Simulasi Monte Carlo digunakan untuk menjamin Robusness hasil estimasi. Komputasi yang digunakan dengan menggunakan MATLAB.

Download bila Anda ingin mendapatkan paper lengkap: (1)cover.pdf; (2)daftar-isi.pdf; (3)isi.pdf

Silahkan “Komentar” di bawah ini.