White Test
Pengujian heteroskedastisitas dapat dideteksi dengan uji White. Uji White dapat dilakukan
dengan meregresikan residual kuadrat dengan variabel independen dan variabel independen
kuadrat dengan perkalian. Ada beberapa metode baik formal maupun informal yang dapat
mendeteksi adanya heteroskedastisitas.
1. Sifat persoalannya. Seringkali, sifat persoalan yang diteliti menyarankan atau
menunjukkan kemungkinan adanya heteroskedastisitas.
2. Metode grafik. Apabila tak ada informasi sebelumnya atau informasi secara empiris
tentang adanya heteroskedastisitas dalam prakteknya kita dapat membuat analisis regresi
berdasarkan asumsi bahwa tidak ada heteroskedastisitas dan kemudian melakukan
pengecekan terhadap perkiraan kesalahan pengganggu kuadrat yaitu e i, untuk melihat
kalau seluruh e i menunjukkan pola yang sistematis.
Cara informal untuk mengetahui adanya heteroskedastisitas adalah dengan membuat grafik
residual. Cara formal untuk mendeteksi ada tidaknya heteroskedastisitas pada model regresi
adalah dengan menggunakan uji White. Perhatikan persamaan berikut :
Y i=β 0 + β 1 X 1 i+ β 2 X 2 i +…+ β p X pi + ε i
Berdasarkan model regresi diatas, uji White dapat dilakukan dengan beberapa prosedur, yaitu:
1. Hasil estimasi dari model regresi akan menghasilkan nilai error yaitu ε^ 2i
2. Buat persamaan regresi:
^ 2i =α 0 + α 1 X 1 i+ a2 X 2 i+ a3 X 21 i+ α 4 X 22i + …+α p X 2pi+ ε i
U
Perhatikan model diatas, uji ini mengasumsikan bahwa varian error merupakan fungsi
yang mempunyai hubungan dengan variabel bebas, kuadrat masing-masing variabel
bebas dan interaksi antara variabel bebas.
3. Formulasi hipotesis:
H0 : tidak terdapat masalah heteroskedastisitas dalam model regresi
H1 : terdapat masalah heteroskedastisitas dalam model regresi
4. Sampel berukuran n dan koefisien determinasi R2 yang didapat dari regresi akan
mengikuti distribusi Chi-Square dengan derajat bebas jumlah variabel bebas atau jumlah
konferensi regresi diluar intercept. Dengan demikian formulasi uji White adalah:
2
nR ≈ X
Jika nilai perhitungan melebihi nilai kritis dengan α yang dipilih, diputuskan bahwa tidak
^ 2i =α 0
terdapat heteroskedastisitas. Hal ini disebabkan α 1=α 2=α 3=α 4 =0 sehingga, U
(konstan).
Heteros—White-Test.R
M409DA
2021-11-14
data = [Link]([Link](file="[Link]"));print(data) #Membaca data
## V1 V2
## [1,] 9.46 25.83
## [2,] 10.56 34.31
## [3,] 14.81 42.50
## [4,] 21.71 46.75
## [5,] 22.79 48.29
## [6,] 18.19 48.77
## [7,] 22.00 49.65
## [8,] 18.12 51.94
## [9,] 23.13 54.33
## [10,] 19.00 54.87
## [11,] 19.46 56.46
## [12,] 17.83 58.83
## [13,] 32.81 59.13
## [14,] 22.13 60.73
## [15,] 23.46 61.12
## [16,] 16.81 63.10
## [17,] 21.35 65.96
## [18,] 14.87 66.40
## [19,] 33.00 70.42
## [20,] 25.19 70.48
## [21,] 17.77 71.98
## [22,] 22.44 72.00
## [23,] 22.87 72.23
## [24,] 26.52 72.23
## [25,] 21.00 73.44
## [26,] 37.52 74.25
## [27,] 21.69 74.77
## [28,] 27.40 76.33
## [29,] 30.69 81.02
## [30,] 19.56 81.85
## [31,] 30.58 82.56
## [32,] 41.12 83.33
## [33,] 15.38 83.40
## [34,] 17.87 91.81
## [35,] 25.54 91.81
## [36,] 39.00 92.96
## [37,] 20.44 95.17
## [38,] 30.10 101.40
## [39,] 20.90 114.13
## [40,] 48.71 115.46
alpha = 0.05
y = [Link](data[,1]) #membentuk vektor y
#####Membentuk Matrix X#####
X0 = [Link](data[,2])
n = nrow(y)
u = matrix(c(1),n,1)
X = cbind(u,X0)
# Menghitung residu^2 dari regresi utama
H = X%*%solve(t(X)%*%X)%*%t(X)
I = diag(c(1),n,n)
e = (I-H)%*%y
e2 = e*e
# ploting residual vs disposible income
plot(data[,2], e, main="Plot residual melawan X",
xlab="Disposible income", ylab="Residual", pch=19)
# Uji white
## Membentuk vektor y
[Link] <- e2
## Membentuk matrix Z
[Link] <- cbind(X,X[,2]^2)
[Link] <- ncol([Link])
[Link] <- [Link]-1
## Menghitung R^2
H <- [Link] %*% solve(t([Link]) %*% [Link])%*%t([Link])
I <- diag(c(1),n,n)
J <- matrix(c(1),n,n)
SSE <- t([Link])%*%(I-H)%*%[Link]
SSR <- t([Link])%*%(H-(J/n))%*%[Link]
SST <- SSR+SSE
R2 <- SSR/SST
## Statistik uji
[Link] <- n*R2
## Titik kritis
chi_c.white <- qchisq(1-alpha,[Link])
[Link]
## [1] 2
R2
## [,1]
## [1,] 0.3645378
[Link] #statistik uji
## [,1]
## [1,] 14.58151
chi_c.white #Titik kritis
## [1] 5.991465
## kesimpulan
[Link]=ifelse([Link] >
chi_c.white,"HETEROSKEDASTIS","HOMOSKEDASTIS")
[Link]
## [,1]
## [1,] "HETEROSKEDASTIS"