Tutorial Uji Cochrane Orcutt dengan SPSS

Cochrane Orcutt dengan SPSS

Tutorial Cochrane Orcutt dengan SPSS

Setelah kita mendapatkan koefisien autokorelasi Rho (ρ) yang dibahas pada artikel Cochrane Orcutt, maka selanjutnya adalah melakukan transformasi Cochrane Orcutt dengan SPSS. Caranya pada menu SPSS klik Transform, Compute Variable, pada Target variable ketikkan nama variabel baru hasil transformasi yang akan dibentuk, yaitu Lag_X1 dan pada Numeric expression ketikkan formula X1-(0.925*Lag(X1)). Di mana 0.925 adalah koefisien Rho (ρ). Ulangi langkah tersebut untuk variabel yang lain seperti gambar berikut:

Transformasi Lag_X1
Transformasi Lag_X1 Cochrane Orcutt
Transformasi Lag_X2
Transformasi Lag_X2 Cochrane Orcutt
Transformasi Lag_Y
Transformasi Lag_Y Cochrane Orcutt

Setelah melakukan transformasi, maka anda sudah mempunyai variabel baru hasil transformasi. Bisa anda lihat di dataview SPSS.

Tahap Transformasi Cochrane Orcutt dengan SPSS

Selanjutnya anda lakukan regresi linear seperti biasa dengan menggunakan variabel baru hasil transformasi.

Regresi Cochrane Orcutt
Regresi Transformasi Cochrane Orcutt dengan SPSS

 

Opsi Durbin Watson Cochrane Orcutt dengan SPSS

Jangan lupa untuk mendeteksi apakah ada peningkatan nilai Durbin Watson (DW), Klik tombol Statistics dan centang semuanya. Terutama Durbin Watson untuk deteksi autokorelasi dan Collinearity diagnostics untuk deteksi multikolinearitas.

Opsi Heteroskedastisitas Cochrane Orcutt dengan SPSS

Jika anda juga mau mendeteksi heteroskedastisitas dan normalitas, silahkan klik tombol plots dan masukkan SRESID ke Kotak Y dan masukkan ZPRED ke kotak X. Centang juga Histogram dan Normal probability plot.

Deteksi Normalitas dan Heteroskedastisitas
Deteksi Normalitas dan Heteroskedastisitas: Cochrane Orcutt dengan SPSS

 

Opsi Normalitas Cochrane Orcutt dengan SPSS

Jika anda ingin mendeteksi normalitas pada residual secara lebih lanjut dan juga mendeteksi adanya outlier, maka klik tombol Save dan centang Residual, Studentized serta Mahalanobis.

Deteksi Normalitas dan Outler
Deteksi Normalitas dan Outler: Cochrane Orcutt dengan SPSS

 

Setelah anda tekan OK pada jendela utama, segera lihat output apakah ada perubahan angka DW sampai level yang signifikan menolak adanya autokorelasi:

Output Akhir Regresi Cochrane Orcutt
Output Akhir Regresi Cochrane Orcutt dengan SPSS

 

Nilai DW di atas sebesar 0,587 di mana masih terlalu rendah dan belum mencapai level yang diinginkan. Oleh karenanya perlu upaya lebih lanjut agar bisa mencapai level yang signifikan, yaitu dengan cara iterasi. Iterasi di sini adalah mengulang langkah di atas dengan meregresikan residual yang di dapat dengan lag residualnya sampai didapatkan koefisien Rho yang dapat meningkatkan nilai DW secara signifikan. (Pelajari Durbin Watson Tabel)

Cochrane Orcutt dengan STATA

Apabila anda menggunakan aplikasi SPSS, hal tersebut dapat menjadi sangat melelahkan sebab anda akan butuh waktu lama sebab iterasi bisa terjadi berulang-ulang kali. Untuk mengatasi hal tersebut anda bisa memanfaatkan aplikasi STATA di mana anda dapat dengan mudah melakukan iterasi tanpa memerlukan tenaga dan waktu yang banyak. Transformasi Cochrane Orcutt dengan STATA akan kami bahas selanjutnya dalam artikel Cochrane Orcutt dengan STATA.

Asumsi Cochrane Orcutt

Sebagai catatan penting, setelah anda melakukan regresi linear dengan transformasi Cochrane Orcutt, anda harus kembali mengecek semua asumsi klasik yang harus terpenuhi selayaknya pada Ordinary Least Square (OLS). Apabila asumsi normalitas tidak terpenuhi, maka anda bisa menggunakan regresi Newey-West Standar Error yang bisa anda lakukan dengan aplikasi STATA.

Pada regresi Cochrane Orcutt, karena anda melakukan transformasi Lag, maka anda akan kehilangan observasi pertama. Misal jumlah observasi anda awalnya 65 orang, maka dengan transformasi cochrane Orcutt, jumlah observasi anda menjadi 64. Untuk mengatasi hal tersebut agar anda tidak kehilangan informasi, maka anda bisa melakukan uji yang merupakan penyempurnaan dari Cochrane Orcutt di mana anda tidak akan kehilangan observasi pertama, yaitu uji Prais Winsten Regression. Uji tersebut juga dapat anda lakukan di aplikasi STATA. Uji Regresi Prais Winsten sebenarnya dapat anda lakukan juga dengan aplikasi SPSS. Caranya anda gunakan formula sebagai berikut untuk memberikan nilai pada observasi pertama:

Hitung Observasi Pertama Prais Winsten
Hitung Observasi Pertama Prais Winsten

 

Demikian artikel kami tentang upaya mengatasi masalah autokorelasi dengan transformasi Cochrane Orcutt dengan SPSS. Silahkan baca artikel kami lainnya.

By Anwar Hidayat

Jasa Olah Data Aman Terpercaya

33 KOMENTAR

  1. Itu artinya anda melakukan uji regresi tanpa melibatkan intercept atau konstanta dalam model. harusnya anda melibatkannya, caranya pada tombol options anda klik, lalu centang include intercept in the model. Trims.

  2. malam ..saya sudah mencoba cara ini dan hasilnya sudah tidak ada autokorelasi ..tp pada input ada kalimat yang panjang buat saya bingung ..

    a. Predictors: Lag_Manaj.Laba, Lag_DER, Lag_ROE, Lag_Ko.Audit, Lag_Dw.Kom
    b. For regression through the origin (the no-intercept model), R Square measures the proportion of the variability in the dependent variable about the origin explained by regression. This CANNOT be compared to R Square for models which include an intercept.
    c. Dependent Variable: Lag_Rating
    d. Linear Regression through the Origin

    saya terjemahkan tambah bingung ..mohon bantuannya ya ..trimakasih

  3. Memang seperti itu, jumlah observasi akan berkurang 1, sebab transformasi cochrane orcutt menggunakan data Lag, yaitu selisih antara observasi ke-i dengan observasi ke-1 dikurangi 1. Misal nilai observasi ke-19 dikurangi nilai observasi ke-18. Maka dengan cara tersebut, observasi yang pertama akan hilang. Apabila anda ingin observasi tetap utuh, maka silahkan menggunakan prais winsten, yaitu uji yang sama caranya dengan cochrane orcutt namun menambahkan observasi pertama dengan rumus khusus. Untuk uji prais winsten tersebut, anda bisa menggunakan aplikasi STATA.

  4. malam, saya telah mencoba dengan data awal 66. tetapi kenapa hasil outputnya keterangan n 65 yah, sama ketika saya mencoba dengan data 285 output n menjadi 284. apakah ada yang salah dengan proses saya, dan apakah bisa lag ini digunakan pada data yg telah dikonversi ke log sebelumnya, mohon bantuannya. terimakasih.

  5. mohon penjelasannya pak anwar, pada saat regresi untuk mencari nilai Rho konstanta memang tidak di ikutkan. selah mendapat nilai Rho dan LAG semua variabel kemudian di regresikan kembali di turorial pak anwar tidak diberitahukan apakah konstanta atau intercept di aktifkan kembali atau tidak?

  6. bapak mohon petunjuknya, data saya tidak autokorelasi tapi saat uji multikolinearitas ada 2 variabel yang dinyatakan multikol. Apa sy harus melakukan lag pada data biar tidak multikol?
    Terima kasih

    • Jika terjadi multikolinearitas, sebaiknya anda terlebih dahulu mengatasinya, misalnya dengan membuang salah satu dari variabel bebas yang saling berkorelasi, atau anda bisa melakukan analisis faktor.

  7. Pak mau tanya, saya belum mengerti untuk membaca tabel dw, saya meneliti di 1 kantor saja, dengan variabel dependent 1 dan independent 3 dengan meneliti selama 5 tahun terakhir. Jadi n saya itu 5 bukan pAk? tapi d tabel dw, tidak ad n yg 5 pak, apa saya yang salah pengertian pak ? Mohon bantuannya iya pak

  8. saya sudah mencoba dan data saya menjadi terbebas dari autokorelasi, tetapi untuk uji normalitas menggunakan kolmogorov-smirnov menjadi terdapat normalitas ya pak bagaimana solusinya.
    trimakasih

  9. hasil punya saya sudah terbebas dari masalah autokorelasi, tetapi jadi terdapat masalah normalitas. bagaimana ya mas, penyelesaiannya?

    • Harus diatasi secara serentak dan terpenuhi juga secara serentak. Jika dalam kasus anda memang sudah tidak bisa diatasi, cek apakah ada outlier lalu atasi ulang hingga teratasi semua asumsi secara serentak. Jika tetap tidak bisa, silahkan anda gunakan uji robust.

  10. Pak, mau tanya sebelum uji asumsi klasik dan pengujian hipotesis kan ada analisis deskriptif, data yang digunakan data awal atau yang sudah ditransformasi dengan cohrane orcutt ini?

  11. Pak mau tanya, kalau sudah ikutin semua langkah metode cochrane orcutt tapi ternyata dw masih terjadi autokorelasi positif gimana ya jalan keluarnya? Thanks pak.

  12. Permisi pak saya mau bertanya, jadi setelah melakukan metode cochrane orcutt ini data saya sudah terbebas dari autokorelasi, akan tetapi signifikansi variabel nya menjadi berubah (yang signifikan menjadi tidak signifikan begitu sebaliknya).
    apakah memang terjadi hal seperti ini ?

  13. Pak saya mau tanya,
    saya kan DW terjadi autokorelasi. menurut saran bapak untuk transform ke cochrane orcutt sudah saya lakukan. Nilai DW yg sudah keluar itu kita hitung ulang ya DU < DW < 4-DU nya?

  14. Permisi pak, saya ingin bertanya. Apabila asumsi non autokorelasi sudah terpenuhi setelah melakukan transformasi cochrane orcutt, apakah model tersebut perlu ditransformasi balik ? Atau tetap menggunakan variabel Y* dan X* ? Terima kasih.

    • Perlu diketahui bahwasanya transformasi dilakukan untuk membentuk model yang akurat, model yang bebas masalah pelanggaran asumsi dan mungkin masalah lainnya. Yang menjadi perhatian penting, bahwasanya dengan transformasi maka model prediksi ikut berubah. Misalnya model awal Y = a + b1 X1 + b2 X2 + e. Jika misalnya semua variabel ditransformasi Log Natural (LN) maka model berubah menjadi: LN Y = a + b1 LN X1 + b2 LN X2. Semua upaya itu adalah bertujuan untuk membuat prediksi terhadap Y atau variabel terikat. Sedangkan jika kita bicara uji deskriptive, itu mempunyai tujuan yang berbeda, yang mana dalam konteks yang tidak berhubungan langsung dengan model prediksi. Misalnya uji deskriptive untuk memberikan gambaran variabel-variabel. Sehingga dengan tujuan tersebut tentunya menggunakan data asli lebih tepat.

TINGGALKAN KOMENTAR

Silakan masukkan komentar anda!
Silakan masukkan nama Anda di sini