Cara melakukan tes white di r (dengan contoh)

Uji White digunakan untuk mengetahui apakah terdapat heteroskedastisitas dalam suatu model regresi.

Heteroskedastisitas mengacu pada penyebaran residu yang tidak merata pada berbagai tingkat variabel respons dalam model regresi, yang melanggar salah satu asumsi utama regresi linier bahwa residu tersebar secara merata di setiap tingkat variabel respons.

Tutorial ini menjelaskan cara melakukan uji White di R untuk menentukan apakah heteroskedastisitas merupakan masalah dalam model regresi tertentu.

Contoh: Tes putih di R

Dalam contoh ini, kita akan menyesuaikan model regresi linier berganda menggunakan kumpulan data R bawaan mtcars.

Setelah kita memasang modelnya, kita akan menggunakan fungsi bptest dari pustaka lmtest untuk melakukan uji White guna menentukan apakah terdapat heteroskedastisitas.

Langkah 1: Sesuaikan model regresi.

Pertama, kita akan menyesuaikan model regresi menggunakan mpg sebagai variabel respon dan disp dan hp sebagai dua variabel penjelas.

 #load the dataset
data(mtcars)

#fit a regression model
model <- lm(mpg~disp+hp, data=mtcars)

#view model summary
summary(model)

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 30.735904 1.331566 23.083 < 2nd-16 ***
available -0.030346 0.007405 -4.098 0.000306 ***
hp -0.024840 0.013385 -1.856 0.073679 .  
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 3.127 on 29 degrees of freedom
Multiple R-squared: 0.7482, Adjusted R-squared: 0.7309 
F-statistic: 43.09 on 2 and 29 DF, p-value: 2.062e-09

Langkah 2: Lakukan tes White.

Selanjutnya, kita akan menggunakan sintaks berikut untuk melakukan uji White untuk menentukan apakah terdapat heteroskedastisitas:

 #load lmtest library
library(lmtest)

#perform White's test
bptest(model, ~ disp*hp + I(disp^2) + I(hp^2), data = mtcars)

	studentized Breusch-Pagan test

data: model
BP = 7.0766, df = 5, p-value = 0.215

Berikut cara menafsirkan hasilnya:

• Statistik ujinya adalah ^X2 = 7.0766 .
• Derajat kebebasannya adalah 5 .
• Nilai p yang sesuai adalah 0,215 .

Tes White menggunakan hipotesis nol dan hipotesis alternatif berikut:

• Null (H ₀ ) : Terdapat homoskedastisitas.
• Alternatif ( _HA ): Ada heteroskedastisitas.

Karena nilai p tidak kurang dari 0,05, kita gagal menolak hipotesis nol. Kami tidak memiliki cukup bukti untuk menyatakan bahwa terdapat heteroskedastisitas dalam model regresi.

Apa yang harus dilakukan selanjutnya

Jika Anda gagal menolak hipotesis nol uji White, maka tidak terjadi heteroskedastisitas dan Anda dapat melanjutkan untuk menginterpretasikan hasil regresi awal.

Namun jika hipotesis nol ditolak, berarti terdapat heteroskedastisitas pada data. Dalam hal ini, kesalahan standar yang ditampilkan dalam tabel keluaran regresi mungkin tidak dapat diandalkan.

Ada beberapa cara umum untuk mengatasi masalah ini, antara lain:

1. Transformasikan variabel respon.

Anda dapat mencoba melakukan transformasi pada variabel respon, misalnya mengambil log, akar kuadrat, atau akar pangkat tiga dari variabel respon. Umumnya hal ini dapat menyebabkan hilangnya heteroskedastisitas.

2. Gunakan regresi tertimbang.

Regresi tertimbang memberikan bobot pada setiap titik data berdasarkan varians dari nilai yang dipasang. Pada dasarnya, hal ini memberikan bobot rendah pada titik data yang memiliki varian lebih tinggi, sehingga mengurangi kuadrat residunya. Apabila bobot yang digunakan sesuai maka masalah heteroskedastisitas dapat dihilangkan.