PENDUGA PARAMETER MODEL REGRESI LINIER SEDERHANA HADIRNYA HETEROSKEDASITAS DAN PENCILAN DENGAN METODE ROBUST WILD BOOTSTRAP
Daftar Isi:
- Ordinary Least Square (OLS) merupakan suatu metode yang biasanya digunakan untuk mengestimasi parameter sebuah model regresi linier. Namun, ketika suatu data memiliki heteroskedastisitas dan pencilan dalam model regresi akan menyebabkan metode OLS menghasilkan penduga parameter yang tidak efisien.Penelitian ini dilakukan bertujuan untuk menganalisis efesiensi penduga parameter regresi linier berganda hadirnya heteroskedastik dan pencilan dengan metode robust wild bootstrap. Metode robust wild bootstrap adalah salah satu metode yang digunakan untuk mengestimasi parameter model regresi dengan hadirnya heteroskedastik dan pencilan yang merupakan modifikasi dari metode wild bootstrap. Hasil analisis yang telah dilakukan menunjukkan bahwa metode robust wild bootstrap menghasilkan penduga parameter yang lebih efisien dibandingkan dengan penduga parameter OLS hal ini dilihat dari nilai minimum mean standard error. Sehingga dapat disimpulkan bahwa metode ini merupakan metode yang sesuai untuk kemungkinan variansi residual yang heteroskedastik dan adanaya pencilan.