Cara melakukan tes breusch-pagan di r

Uji Breusch-Pagan digunakan untuk mengetahui apakah terdapat heteroskedastisitas dalam analisis regresi.

Tutorial ini menjelaskan cara melakukan tes Breusch-Pagan di R.

Contoh: Tes Breusch-Pagan di R

Dalam contoh ini, kita akan memasang model regresi menggunakan set data R bawaan mtcars , lalu melakukan uji Breusch-Pagan menggunakan fungsi bptest dari pustaka lmtest untuk 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 Breusch-Pagan.

Selanjutnya dilakukan uji Breusch-Pagan untuk mengetahui adanya heteroskedastisitas.

 #load lmtest library
library(lmtest)

#perform Breusch-Pagan Test
bptest(model)

	studentized Breusch-Pagan test

data: model
BP = 4.0861, df = 2, p-value = 0.1296

Statistik ujinya adalah 4,0861 dan nilai p yang sesuai adalah 0,1296 . 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 Breusch-Pagan, maka tidak terjadi heteroskedastisitas dan Anda dapat melanjutkan untuk menginterpretasikan hasil regresi asli.

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, Anda dapat menggunakan variabel respons log alih-alih variabel respons asli. Secara umum, pencatatan variabel respon merupakan cara yang efektif untuk menghilangkan heteroskedastisitas. Transformasi umum lainnya adalah dengan menggunakan akar kuadrat dari variabel respon.

2. Gunakan regresi tertimbang. Jenis regresi ini 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. Jika bobot yang digunakan sesuai maka masalah heteroskedastisitas dapat dihilangkan.