Ekonometrika : Multikolinearitas

Makna dari asumsi multikolinearitas pada asumsi klasik analisis regresi adalah

• Terdapat kolinearitas antara variabel-variabel independen

• Tidak terdapat kolinearitas antara variabel-variabel independen

• Terdapat kolinearitas antara variabel independen dengan variabel dependen

• Tidak terdapat kolinearitas antara variabel ndependen dengan variabel dependen

Derajar kolinearitas dapat diukur dari luasnya jangkuan irisan antara variabel independet. Kolinearitas sempurna terjadi apabila

• Tidak ada irisan antara variabel independen

• Sebagian kecil dari diagram variabel-variabel independen saling beririsan

• Sebagian besar dari diagram variabel-variabel independen saling beririsan

• Variabel-variabel independen saling beririsan secara penuh (sempurna)

Beberapa faktor yang dapat menyebabkan multikolineritas, kecuali

• Model yang overdetermined

• Pengambilan sampel dari jangkauan nilai yang terbatas

• Tidak memasukkan variabel yang penting dalam pemodelan

• Model memiliki lebih banyak variabel penjelas daripada jumlah observasi

Dalam kasus multikolineritas sempurna, Apa yang terjadi pada koefisien regresi dan standar error dari variabel indenpenden?

• Koefisien regresi dapat ditentukan dan standar errornya tinggi

• Koefisien regresi tidak dapat ditentukan dan standar errornya tinggi

• Koefisien regresi dapat ditentukan dan standar errornya tak berhingga

• Koefisien regresi tidak dapat ditentukan dan standar errornya tak berhingga

Pernyataan berikut benar, kecuali

• Multikolinearitas merupakan pertanyaan mengenai derajat, artinya yang membedakan disini bukan ada atau tidaknya multikolinearitas tetapi perbedaan derajatnya kelinearannya

• Multikolinearitas mengacu pada kondisi variabel penjelas yang diasumsikan bersifat tidak stokastik.

• Multikolinearitas yang kuat dapat pula menyebabkan dua variabel yang tidak berhubungan menjadi berhubungan.

• Multikolinearitas pada dasarnya merupakan fenomena sampel yang sering timbul pada data noneksperimental

Beberapa cara untuk mengatasi multikolinearitas, kecuali

• Regresi Linear

• Regresi Stepwise

• Regresi Rigde

• Regresi Komponen Utama