Cara melakukan tes breusch-pagan di stata

Regresi linier berganda merupakan metode yang dapat kita gunakan untuk memahami hubungan antara beberapa variabel penjelas dan variabel respon.

Sayangnya, permasalahan yang sering terjadi dalam regresi disebut dengan heteroskedastisitas , yaitu terjadi perubahan sistematis pada varians residu pada rentang nilai yang diukur.

Salah satu uji yang dapat kita gunakan untuk mengetahui adanya heteroskedastisitas adalah uji Breusch-Pagan . Uji ini menghasilkan statistik uji Chi-kuadrat dan nilai p yang sesuai.

Jika nilai p berada di bawah ambang batas tertentu (pilihan umum adalah 0,01, 0,05, dan 0,10), maka terdapat cukup bukti untuk mengatakan bahwa terdapat heteroskedastisitas.

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

Contoh: Tes Breusch-Pagan di Stata

Kami akan menggunakan kumpulan data Stata yang terintegrasi secara otomatis untuk mengilustrasikan cara melakukan pengujian Breusch-Pagan.

Langkah 1: Muat dan tampilkan data.

Pertama, gunakan perintah berikut untuk memuat data:

penggunaan otomatis sistem

Kemudian tampilkan data mentahnya menggunakan perintah berikut:

saudara

Langkah 2: Lakukan regresi linier berganda.

Selanjutnya, kita akan memasukkan perintah berikut untuk melakukan regresi linier berganda dengan menggunakan harga sebagai variabel respon dan mpg dan bobot sebagai variabel penjelas:

regresi harga mpg berat

Langkah 3: Lakukan tes Breusch-Pagan.

Setelah kita memasang model regresi, kita kemudian dapat melakukan uji Breusch-Pagan menggunakan perintah hettest , yang merupakan kependekan dari “uji heteroskedastisitas”:

terpanas

Berikut cara menafsirkan hasilnya:

Ho: Ini adalah pengujian hipotesis nol, yang menyatakan bahwa terdapat varians konstan antar residu.

Variabel: Ini memberitahu kita variabel respon yang digunakan dalam model regresi. Dalam hal ini adalah harga variabel.

chi2(1): Ini adalah statistik uji chi-kuadrat dari pengujian tersebut. Dalam hal ini, waktu menunjukkan pukul 14:78.

Prob > chi2: Ini adalah nilai p yang sesuai dengan statistik uji chi-kuadrat. Dalam hal ini adalah 0,0001. Nilai ini kurang dari 0,05, maka kita dapat menolak hipotesis nol dan menyimpulkan bahwa terdapat heteroskedastisitas pada data.

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 awal.

Namun jika hipotesis nol uji Breusch-Pagan ditolak, berarti terdapat heteroskedastisitas pada data. Dalam hal ini, kesalahan standar yang ditampilkan dalam tabel keluaran regresi tidak dapat diandalkan. Ada beberapa cara untuk mengatasi masalah ini, antara lain:

1. Transformasikan variabel respon. Anda dapat mencoba melakukan transformasi pada variabel respon. Misalnya, Anda dapat menggunakan log(harga) sebagai ganti harga sebagai variabel respons. 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.

3. Gunakan kesalahan standar yang kuat. Kesalahan standar yang kuat lebih “kuat” terhadap masalah heteroskedastisitas dan cenderung memberikan ukuran yang lebih akurat terhadap kesalahan standar sebenarnya dari suatu koefisien regresi. Lihat tutorial ini untuk mempelajari cara menggunakan kesalahan standar yang kuat dalam regresi di Stata.