Selanjutnya adalah melakukan transformasi Cochrane Orcutt. Di mana 0.925 adalah koefisien Rho (ρ). Untuk mengatasi kehilangan observasi pertama, maka anda bisa melakukan uji yang merupakan penyempurnaan dari Cochrane Orcutt di mana anda tidak akan kehilangan observasi pertama, yaitu uji Prais Winsten Regression. Apabila asumsi normalitas tidak terpenuhi, maka anda bisa menggunakan regresi Newey-West Standar Error



Cochrane Orcutt dengan SPSS

Setelah kita mendapatkan koefisien autokorelasi Rho (ρ) yang dibahas pada artikel Cochrane Orcutt, maka selanjutnya adalah melakukan transformasi Cochrane Orcutt. 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

Transformasi Lag_X2
Transformasi Lag_X2

Transformasi Lag_Y
Transformasi Lag_Y

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

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

Regresi Cochrane Orcutt
Regresi Cochrane Orcutt

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.

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

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

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

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)

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.

Sebagai catatan penting, setelah anda melakukan regresi linear dengan transforasi 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 menggunakan aplikasi SPSS. Silahkan baca artikel kami lainnya.

Statistikian

Statistikian

Blog Untuk Mempelajari Jenis Uji Statistik, Penelitian, SPSS dan Statistik Berbasis Komputer seperti excel, Stata dan Minitab. Bantuan Olah dan Analisa Data, SMS: 085748695938.

Tinggalkan Komentar:

10 comments:

  1. 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

    ReplyDelete
    Replies
    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.

      Delete
    2. 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?

      Delete
  2. Selamat pagi. Saya sudah mencoba intutorial ini dan hasilnya dw 1,858. Saya mau bertanya pak apakah berarti model regresi yg saya gunakan itu yg menggunakan lag?

    ReplyDelete
    Replies
    1. Ya betul sekali, gunakan model sesuai dengan transformasi yang digunakan

      Delete
    2. Terus untuk uji normalitas, uji t dan uji F pake model awal atau yang sudah di transformasi?

      Delete
    3. Pakai yang sudah ditransformasi, begitu juga untuk semua asumsi klasik lainnya

      Delete
  3. 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.

    ReplyDelete
    Replies
    1. 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.

      Delete

Tinggalkan Komentar Anda Di Sini