PROSEDUR – PROSEDUR

POPULER DALAM

EVIEWS
Oleh: Jonathan Sarwono
Pengertian Data Time Series, Data
Silang (Cross-Section) dan Data Panel
 Data time series, merupakan data dimana setiap observasi diidentifikasi
dengan menggunakan waktu atau tanggal.
 Sedang data silang (cross-section) merupakan data dimana setiap observasi
diidentifikasi dengan menggunakan ID unik, misalnya provinsi atau negara,
atau perusahaan.
 Data panel merupakan data gabungan dari data runtun waktu (time series
data) dan data silang (cross-section data). Dengan bahasa populer data
panel atau disebut juga ‘pooled data’ mempunyai dimensi waktu dan ruang.
 Dalam data runtun waktu peneliti mengkaji variabel-variabel yang diteliti
dalam kurun waktu tertentu, misalnya data GDP untuk beberapa tahun
(antara tahun 2000 – 2014).
 Sedang dalam data silang peneliti mengumpulkan nilai dari variabel-variabel
yang diteliti berasal dari beberapa unit sampel atau subyek yang berbeda
pada waktu yang sama, misalnya mengumpulkan nilai saham untuk
perusahaan tertentu di Jakarta pada tahun 2014.
 Dengan kata lain, data runtun waktu menggunakan pendekatan rentang
waktu dalam pengumpulan datanya; sedang data silang lebih mengutamakan
lokasi yang berbeda pada waktu tertentu.
Contoh Data Runtun Waktu Contoh Data Silang (Cross
(Time Series) Section)

 Berikut ini adalah contoh data  Berikut ini adalah contoh data
runtun waktu silang
 Data Pelanggan di PT XYZ di
Tahun Penjualan Tahun 2014

2000 1000000 No Data Pelanggan

2001 1020000
2002 1023000
2003 1203000 1 Amir
2004 1320000 2 Ani
2005 1420000 3 Budi
4 Citra
5 Dewi
Contoh Data Panel

 Berikut ini adalah contoh data panel

Perusahaan Tahun Jumlah Pegawai Jumlah Pelanggan

PT A 2010 100 1000

2011 100 1500

PT B 2010 103 1200

2011 104 1250

PT C 2010 110 1400

2011 115 2000

PT D 2010 98 1100

2011 100 1500

MODEL REGRESI DATA PANEL

Cara-cara membuat estimasi dasar. Sebagai bahan latihan kita akan

menggunakan data dengan nama file “regresi_sederhana_ls.xl” yang
terdiri atas 1 variabel tergantung Y dan 1 variabel bebas X dengan
jumlah data sebanyak 32, maka cara mengaktifkan ialah:
 Buka Eviews
 Membuat file kerja baru
 File > New > Work File beri nama regresi
 Work Structure Type > pilih Unstructured
 Data Range > Observations isikan 32
 Klik OK
Mengaktifkan file kerja
 File > Import > Import Work File
 Cari lokasi file
 Klik Open
 Klik Next > Klik Next sekali lagi
 Klik Finish
Untuk melakukan perhitungan regresi sederhana dalam Eviews dapat dilakukan
melalui 3 cara, yaitu:
1) Cara Pertama: Dari Menu Utama 2) Cara Kedua: Dari Menu Utama
pilih pilih
 Object > New Object > Equation  Quick > Estimate Equation

3. Cara Ketiga: Dengan

menggunakan jendela perintah
 Ketikkan perintah ls
Setelah memilih salah satu cara di atas maka akan muncul kotak persamaan
seperti di bawah ini.

Pada kotak persamaan di atas, kita memerlukan membuat spesifikasi 3 hal di

jendela dialog tersebut, yaitu:
 Tuliskan persamaan ke dalam bagian Equation Specification
 Spesifikasi metode estimasi yang kita akan pergunakan dengan memilih
pada perintah Method
 Spesifikasi sampel yang kita pergunakan pada kolom Sample
STATISTIK DESKRIPTIF

Membuat Estimasi Statistik Deskriptif di Eviews

 Object > New Object > Equation atau
 Quick > Group Statistics > Descriptive Statistics > Common
Sample
 Masukkan variabel yang akan dihitung ke kolom Series List
Contoh Kasus
Untuk kasus ini kita akan menggunakan Mengaktifkan file kerja
file yang bernama [Link] yang
 File > Import > Import Work File
mempunyai data sebanyak 32 (jumlah
observasi) dengan variabel sebagai
berikut:
Cari lokasi file
 Variabel tergantung: y
 Klik Open
 Variabel bebas: x
 Klik Next > Klik Next sekali lagi
 Klik Finish
Untuk menganalisis data tersebut
lakukan langkah – langkah sebagai
berikut: Melakukan Penghitungan
Membuat file kerja baru  Quick > Group Statistics >
Descriptive Statistics > Common
 File > New > Work File beri nama
Sample
glm
 Masukkan variabel yang akan
 Work Structure Type > pilih
dihitung ke kolom Series List: y x
Unstructured
 Klik OK
 Data Range > Observations isikan 32
 Klik OK
 Hasilnya akan seperti di bawah ini:
GENERALIZED LINEAR MODELS (GLM)

Membuat Estimasi GLM di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih GLM
 Pada bagian Equation Specification masukkan variabel
tergantung dan variabel bebas berskala interval.
Contoh Kasus
Untuk kasus ini kita akan menggunakan Cari lokasi file
file yang bernama [Link] yang mempunyai
 Klik Open
data sebanyak 32 (jumlah observasi)
dengan variabel sebagai berikut:  Klik Next > Klik Next sekali lagi
 Variabel tergantung: y  Klik Finish
 Variabel bebas: x1, x2 dan x3
Melakukan Penghitungan
Untuk menganalisis data tersebut lakukan  Pilih Quick Estimation
langkah – langkah sebagai berikut:
 Method pada pilihan GLM
Membuat file kerja baru Estimation Settings: pilih GLM –
Generalized Linear Models
 File > New > Work File beri nama glm
 Equation Specification masukkan
 Work Structure Type > pilih
persamaan: y c x1 x2 x3
Unstructured
 Family pilih Normal
 Data Range > Observations isikan 32
 Link Function pilih Identity
 Klik OK
 Pilihan lain ikuti default Eviews
 Klik OK
Mengaktifkan file kerja
 File > Import > Import Work File
 Hasilnya akan seperti di bawah ini:
GENERALIZED METHOD OF MOMENT

Membuat Estimasi GMM di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih GMM
 Pada bagian Equation Specification masukkan variabel
tergantung dan variabel bebas berskala interval; sedang pada
pada Instrument List masukan variabel instrumen harus lebih
dari 2 variabel berskala interval
Contoh Kasus
Untuk kasus ini kita akan menggunakan Mengaktifkan file kerja
file yang bernama [Link] yang
 File > Import > Import Work File
mempunyai data sebanyak 32 (jumlah
observasi) dengan variabel sebagai  Cari lokasi file
berikut:
 Klik Open
 Variabel tergantung: y
 Klik Next > Klik Next sekali lagi
 Variabel bebas: x1,x2 dan x3
 Klik Finish
 Variabel instrument: x4, x5 dan x6

Melakukan Penghitungan
Untuk menganalisis data tersebut
 Pilih Quick Estimation
lakukan langkah – langkah sebagai
berikut:  Method pada pilihan Estimation
Settings: pilih GMM – Generalized
Membuat file kerja baru
Method of Moments
 File > New > Work File beri nama
 Equation Specification masukkan
gmm
persamaan: y c x1 x2 x3
 Work Structure Type > pilih
 Pada pilihan Instrument List
Unstructured
masukkan: x4 x5 x6
 Data Range > Observations isikan
 Pilihan lain ikuti default Eviews
32
 Klik OK
 Klik OK
 Hasilnya akan seperti di bawah ini:
Two Stage Least Square (TSLS)

Membuat Estimasi TSLS di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih TSLS
 Pada bagian Equation Specification masukkan variabel
tergantung dan variabel bebas berskala interval; sedang pada
pada Instrument List masukan variabel instrumen harus lebih
dari 1 berskala interval
Contoh Kasus
Untuk kasus ini kita akan menggunakan Mengaktifkan file kerja
file yang bernama [Link] yang
 File > Import > Import Work File
mempunyai data sebanyak 133 (jumlah
observasi) dengan variabel sebagai  Cari lokasi file
berikut:
 Klik Open
 Variabel tergantung: y
 Klik Next > Klik Next sekali lagi
 Variabel bebas: x1 dan x2
 Klik Finish
 Variabel instrument: x3 dan x4

Melakukan Penghitungan
Untuk menganalisis data tersebut
 Pilih Quick Estimation
lakukan langkah – langkah sebagai
berikut:  Method pada pilihan Estimation
Settings: pilih TSLS – Two Stage
Membuat file kerja baru
Least Squares
 File > New > Work File beri nama
 Equation Specification masukkan
tsls
persamaan: y c x1 x2
 Work Structure Type > pilih
 Pada pilihan Instrument List
Unstructured
masukkan: x3 x4
 Data Range > Observations isikan
 Pilihan lain ikuti default Eviews
133
 Klik OK
 Klik OK
 Hasilnya akan seperti di bawah ini:
COINTEGRATING REGRESSION

Membuat Estimasi Cointegrating Regression di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih Cointegrating Regression
 Pada bagian Equation Specification masukkan variabel
tergantung dan variabel bebas berskala interval; sedang pada
pada Deterministic Regressor masukan variabel bebas berskala
interval dan Additional Deterministic Regressor masukan
variabel bebas berskala interval lainnya
Contoh Kasus
Untuk kasus ini kita akan menggunakan file Mengaktifkan file kerja
yang bernama coint_regression.xl yang
 File > Import > Import Work File
mempunyai data sebanyak 32 (jumlah
observasi) dengan variabel sebagai berikut:  Cari lokasi file
 Variabel tergantung: y  Klik Open
 Variabel bebas: x1,x2  Klik Next > Klik Next sekali lagi
 Variabel bebas penentu (Deterministic  Klik Finish
regressor): x3
 Tambahan variabel bebas penentu
(Additional deterministic regressor): Melakukan Penghitungan
x4  Pilih Quick Estimation
 Method pada pilihan Estimation
Untuk menganalisis data tersebut lakukan Settings: pilih COINTREG -
langkah – langkah sebagai berikut: Cointegrating Regression

Membuat file kerja baru  Equation Specification masukkan

persamaan: y c x1 x2
 File > New > Work File beri nama
gmm  Deterministic regressor: x3

 Work Structure Type > pilih  Additional deterministic regressor: x4

Unstructured  Pilihan lain ikuti default Eviews
 Data Range > Observations isikan 32  Klik OK
 Klik OK
 Hasilnya akan seperti di bawah ini:
QUANTILE REGRESSION

Membuat Estimasi Quantile Regression di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih Quantile Regression
 Pada bagian Equation Specification masukkan variabel
tergantung dan variabel bebas berskala interval.
Contoh Kasus
Untuk kasus ini kita akan menggunakan Mengaktifkan file kerja
file yang bernama
 File > Import > Import Work File
quantile_regression.xl yang mempunyai
data sebanyak 32 (jumlah observasi)
dengan variabel sebagai berikut:
Cari lokasi file
 Variabel tergantung: y
 Klik Open
 Variabel bebas: x
 Klik Next > Klik Next sekali lagi
 Klik Finish
Untuk menganalisis data tersebut
lakukan langkah – langkah sebagai
berikut: Melakukan Penghitungan
 Membuat file kerja baru  Pilih Quick Estimation
 File > New > Work File beri nama  Method pada pilihan Estimation
quantile_regression Settings: pilih QREG -
Quantile_Regression
 Work Structure Type > pilih
Unstructured  Equation Specification masukkan
persamaan: y c x
 Data Range > Observations isikan
32  Quantile Estimate sebesar 0,5
 Klik OK  Pilihan lain ikuti default Eviews
 Klik OK
 Hasilnya akan seperti di bawah ini:
LIMITED INFORMATION MAXIMUM
LIKELIHOOD AND K CLASS

Membuat Estimasi LIML di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih LIML
 Pada bagian Equation Specification masukkan variabel
tergantung dan variabel bebas berskala interval; sedang pada
pada Instrument List masukan variabel instrumen variabel
berskala interval
Contoh Kasus
Untuk kasus ini kita akan menggunakan Mengaktifkan file kerja
file yang bernama [Link] yang
 File > Import > Import Work File
mempunyai data sebanyak 32 (jumlah
observasi) dengan variabel sebagai  Cari lokasi file
berikut:
 Klik Open
 Variabel tergantung: y
 Klik Next > Klik Next sekali lagi
 Variabel bebas: x2
 Klik Finish
 Variabel instrument: x1

Melakukan Penghitungan
Untuk menganalisis data tersebut
 Pilih Quick Estimation
lakukan langkah – langkah sebagai
berikut:  Method pada pilihan Estimation
Settings: pilih LIML – Limited
 Membuat file kerja baru
Information Maximum Likelihood
 File > New > Work File beri nama and K Class
gmm
 Equation Specification masukkan
 Work Structure Type > pilih persamaan: y c x2
Unstructured
 Pada pilihan Instrument List
 Data Range > Observations isikan masukkan: x1
32
 Pilihan lain ikuti default Eviews
 Klik OK
 Klik OK
 Hasilnya akan seperti di bawah ini:
AUTOREGRESSIVE CONDITIONAL
HETEROSCEDASTICITY

Membuat Estimasi Autoregressive Conditional Heteroscedasticity

(ARCH) di Eviews
 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih ARCH
 Pada bagian Mean Equation masukkan variabel tergantung dan
variabel bebas berskala interval; dan pada Variance Regressor
masukan variabel bebas berskala interval
Contoh Kasus
Untuk kasus ini kita akan menggunakan Mengaktifkan file kerja
file yang bernama [Link]
 File > Import > Import Work File
yang mempunyai data sebanyak 32
(jumlah observasi) dengan variabel  Cari lokasi file
sebagai berikut:
 Klik Open
 Variabel tergantung: y
 Klik Next > Klik Next sekali lagi
 Variabel bebas: x1,x2 dan x3
 Klik Finish
 Variance Regressor: x4

Melakukan Penghitungan
Untuk menganalisis data tersebut
 Pilih Quick Estimation
lakukan langkah – langkah sebagai
berikut:  Method pada pilihan Mean
Equation: pilih ARCH –
 Membuat file kerja baru
Autoregresive Conditional
 File > New > Work File beri nama Hetereskedasticity
arch
 Mean Equation masukkan
 Work Structure Type > pilih persamaan: y c x1 x2 x3
Unstructured
 Pada pilihan Variance Regressor
 Data Range > Observations isikan masukkan: x4
32
 Pilihan lain ikuti default Eviews
 Klik OK
 Klik OK
 Hasilnya akan seperti di bawah ini:
CENSORED ATAU TRUNCATED DATA

Membuat Estimasi Censored atau Truncated Data di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih Censored or Truncated Data
 Pada bagian Equation Specification masukkan variabel
tergantung berskala interval dan variabel bebas berskala
interval.
Contoh Kasus
Untuk kasus ini kita akan menggunakan Mengaktifkan file kerja
file yang bernama [Link] yang
 File > Import > Import Work File
mempunyai data sebanyak 95 (jumlah
observasi) dengan variabel sebagai  Cari lokasi file
berikut:
 Klik Open
 Variabel tergantung: nim
 Klik Next > Klik Next sekali lagi
 Variabel bebas: car dan ldr
 Klik Finish

Untuk menganalisis data tersebut

Melakukan Penghitungan
lakukan langkah – langkah sebagai
berikut:  Pilih Quick Estimation
 Membuat file kerja baru  Method pada pilihan Estimation
Settings: pilih CENSORERED –
 File > New > Work File beri nama
Censored or Truncated Data
censored data
 Equation Specification masukkan
 Work Structure Type > pilih
persamaan: nim c car ldr
Unstructured
 Distribution pilih Normal
 Data Range > Observations isikan
95  Pilihan lain ikuti default Eviews
 Klik OK  Klik OK
 Hasilnya akan seperti di bawah ini:
INTEGER COUNT DATA

Membuat Estimasi Integer Count Data di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih Integer Count Data
 Pada bagian Equation Specification masukkan variabel
tergantung dan variabel bebas dengan bilangan integer.
Contoh Kasus
Untuk kasus ini kita akan menggunakan Mengaktifkan file kerja
file yang bernama [Link] yang
 File > Import > Import Work File
mempunyai data sebanyak 32 (jumlah
observasi) dengan variabel sebagai  Cari lokasi file
berikut:
 Klik Open
 Variabel tergantung: y
 Klik Next > Klik Next sekali lagi
 Variabel bebas: x
 Klik Finish

Untuk menganalisis data tersebut

Melakukan Penghitungan
lakukan langkah – langkah sebagai
berikut:  Pilih Quick Estimation
 Membuat file kerja baru  Method pada pilihan Estimation
Settings: pilih COUNT – Integer
 File > New > Work File beri nama
Count Data
integer
 Equation Specification masukkan
 Work Structure Type > pilih
persamaan: y c x
Unstructured
 Pilihan lain ikuti default Eviews
 Data Range > Observations isikan
32  Klik OK
 Klik OK
 Hasilnya akan seperti di bawah ini:
ORDERED CHOICE

Membuat Estimasi Ordered Choice di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih Ordered Choice
 Pada bagian Equation Specification masukkan variabel
tergantung berskala nominal (biner) dan variabel bebas berskala
interval.
Contoh Kasus
Untuk kasus ini kita akan menggunakan Mengaktifkan file kerja
file yang bernama ordered_choice2.xl
 File > Import > Import Work File
yang mempunyai data sebanyak 32
(jumlah observasi) dengan variabel  Cari lokasi file
sebagai berikut:
 Klik Open
 Variabel tergantung: y
 Klik Next > Klik Next sekali lagi
 Variabel bebas: x
 Klik Finish

Untuk menganalisis data tersebut

Melakukan Penghitungan
lakukan langkah – langkah sebagai
berikut:  Pilih Quick Estimation
 Membuat file kerja baru  Method pada pilihan Estimation
Settings: pilih ORDERED – Ordered
 File > New > Work File beri nama
Choice
ordered_choice
 Equation Specification masukkan
 Work Structure Type > pilih
persamaan: y c x
Unstructured
 Error Distribution pilih Normal
 Data Range > Observations isikan
32  Pilihan lain ikuti default Eviews
 Klik OK  Klik OK
 Hasilnya akan seperti di bawah ini:
BINARY CHOICE

Membuat Estimasi Binary Choice di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih Binary Choice
 Pada bagian Equation Specification masukkan variabel
tergantung berskala nominal (biner) dan variabel bebas berskala
interval.
Contoh Kasus
Untuk kasus ini kita akan menggunakan Mengaktifkan file kerja
file yang bernama binary_choice2.xl
 File > Import > Import Work File
yang mempunyai data sebanyak 32
(jumlah observasi) dengan variabel  Cari lokasi file
sebagai berikut:
 Klik Open
 Variabel tergantung: y
 Klik Next > Klik Next sekali lagi
 Variabel bebas: x
 Klik Finish

Untuk menganalisis data tersebut

Melakukan Penghitungan
lakukan langkah – langkah sebagai
berikut:  Pilih Quick Estimation
 Membuat file kerja baru  Method pada pilihan Estimation
Settings: pilih BINARY – Binary
 File > New > Work File beri nama
Choice
binary_choice
 Equation Specification masukkan
 Work Structure Type > pilih
persamaan: y c x
Unstructured
 Binary Estimation Method pilih
 Data Range > Observations isikan
Probit
32
 Pilihan lain ikuti default Eviews
 Klik OK
 Klik OK
 Hasilnya akan seperti di bawah ini:
STEPWISE LEAST SQUARE (STEPWISE
REGRESSION)

Membuat Estimasi Stepwise Least Square di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih Stepwise Least Square
 Pada bagian Equation Specification masukkan variabel
tergantung berskala interval dan List of Search Regressor
masukkan variabel bebas dan nilai konstan c.
Contoh Kasus
Untuk kasus ini kita akan menggunakan file Cari lokasi file
yang bernama stepwise [Link] yang
 Klik Open
mempunyai data sebanyak 32 (jumlah
observasi) dengan variabel sebagai berikut:  Klik Next > Klik Next sekali lagi
 Variabel tergantung: y  Klik Finish
 Variabel bebas: x1, x2, x3, x4, x5 dan x6
 Melakukan Penghitungan
Untuk menganalisis data tersebut lakukan Pilih Quick Estimation
langkah – langkah sebagai berikut:
 Method pada pilihan Estimation
 Membuat file kerja baru Settings: pilih STEPLS – Stepwise
Least Squares
 File > New > Work File beri nama
stepwise ls  Equation Specification masukkan
persamaan: y
 Work Structure Type > pilih
Unstructured  List of Search Regressors masukkan
c x1, x2, x3, x4, x5, dan x6
 Data Range > Observations isikan 32
 Option > Selection Method: pilih
 Klik OK
Stepwise dan Forwrads; Stopping
Criteria > cek p value > p value
forwards: ganti dengan 0,05
Mengaktifkan file kerja
 Pilihan lain ikuti default Eviews
 File > Import > Import Work File
 Klik OK
 Hasilnya akan seperti di bawah ini:
UJI ASUMSI KLASIK DALAM EVIEWS

Uji Multikolinearitas
Untuk melakukan uji multikolinieritas, langkah-langkahnya ialah:
 Aktifkan Eviews
 Import data yang akan diuji
 Blok semua variabel yang akan diuji, klik kanan > Open > Open as
equation > Ok
 Abaikan hasilnya, kemudian klik Quick > Group Statistic> Correlations

Ketentuan: tidak terjadi multikolinieritas jika nilai korelasi antar semua

variabel bebas yang diuji < 0,9 (Hair:2010).
Uji Heteroskedastisitas
Untuk melakukan uji heteroskedastisitas, langkah-langkahnya ialah:
 Aktifkan Eviews
 Import data yang akan diuji
 Blok semua variabel yang akan diuji, klik kanan > Open > Open as equation >Ok
 Pilih View > Actual, Fitted Residual > Actual, Fitted Residual Graph > Ok

Untuk membuktikan tidak ada heteroskedastisitas, pilih uji white

heteroscedasticity dengan cara: Klik View > Residual diagnostics >
Heteroscedasticity Test > White > hilangkan tanda ceklist (v) pada "Include white
cross terms" kemudian klik Ok

Hipotesis yang diuji:

 H0: Tidak terjadi heteroskedastisitas pada sebaran data
 H1: Terjadi heteroskedastisitas pada sebaran data

Ketentuan
 Jika p-value / signifikansi hitung < 0,05, maka H0 ditolak
 Jika p-value / signifikansi hitung > 0,05, maka H0 diterima
 Tidak terjadi heteroskedastisitas jika nilai p-value > 0,05
Uji Otokorelasi
Untuk melakukan uji otokorelasi, langkah-langkahnya ialah:
 Aktifkan Eviews
 Import data yang akan diuji
 Blok semua variabel yang ingin diuji, klik kanan > Open > Open as
equation > Ok
 Klik View > Residual Diagnostics > Serial Correlation LM Test > Ok

Hipotesis yang diuji

 H0: Tidak terdapat korelasi serial pada sebaran data
 H1: Terdapat korelasi serial pada sebaran data

Ketentuan:
 Jika p-value / signifikansi hitung < 0,05, maka H0 ditolak
 Jika p-value / signifikansi hitung > 0,05, maka H0 diterima
 Tidak terdapat korelasi serial pada sebaran data jika nilai p-value > 0,05.
Uji Normalitas
Untuk melakukan uji normalitas, langkah-langkahnya ialah:
 Aktifkan Eviews
 Import data yang akan diuji
 Blog semua variabel yang akan diuji, klik kanan > Open > Open as
equation >Ok
 Klik View > Residual Diagnostics > Histogram Normality Test > Ok

Hipotesis yang diuji

 H0: Error term / disturbance berdistribusi normal
 H1: Error term / disturbance tidak berdistribusi normal

Ketentuan:
 Jika p-value / signifikansi hitung < 0,05, maka H0 ditolak
 Jika p-value / signifikansi hitung > 0,05, maka H0 diterima
 Data berdistribusi normal jika nilai p-value hasil hitung > 0,05.
ROBUST LEAST SQUARE / REGRESSION

Membuat Estimasi Robust Least Square di Eviews

 Object > New Object > Equation atau
 Quick > Estimate Equation.
 Pada perintah Method, pilih Robust Least Square
 Pada bagian Equation Specification masukkan variabel
tergantung berskala interval dan variabel bebas dan nilai konstan
c.
Contoh Kasus
Untuk kasus ini kita akan menggunakan Cari lokasi file
file yang bernama robust [Link] yang
 Klik Open
mempunyai data sebanyak 32 (jumlah
observasi) dengan variabel sebagai  Klik Next > Klik Next sekali lagi
berikut:
 Klik Finish
 Variabel tergantung: y
 Variabel bebas: x1, x2, dan x3
Melakukan Penghitungan
 Pilih Quick Estimation
Untuk menganalisis data tersebut lakukan
 Method pada pilihan Estimation
langkah – langkah sebagai berikut:
Settings: pilih ROBUST LS – Robust
Membuat file kerja baru Least Squares
 File > New > Work File beri nama rls  Equation Specification masukkan
persamaan: y c x1, x2, dan x3
 Work Structure Type > pilih
Unstructured  Robust Estimation Type pilih M -
estimation
 Data Range > Observations isikan 32
 Pilihan lain ikuti default Eviews
 Klik OK
 Klik OK

Mengaktifkan file kerja

 File > Import > Import Work File
 Hasilnya akan seperti di bawah ini:
 Untuk mendalami lebih lanjut, silahkan membaca buku
Eviews saya dengan judul: “Prosedur – Prosedur Analisis
Populer Aplikasi Riset Skripsi dan Tesis dengan EViews”
Buku ini berisi:
 Pengertian data panel
 Beberapa fungsi pokok dalam Eviews
 Statistik Dasar
 Aplikasi Dalam Riset Menggunakan Prosedur
 Regresi dengan data panel
 Generalized Linear Model
 Generalized Method of Moment
 Two Stage Least Square
 Cointegrating Regression
 Quantile Regression
 Metode Least Square
 Limited Information Maximum Likelihood and K Class
 Autoregressive Conditional Heteroscedasticity
 Censored or Truncated Data
 Integer Count Data
 Ordered Choice
 Binary Choice
 Stepwise Least Square
 Uji Asumsi
 Robust Least Square