PERBANDINGAN PENDUGA ORDINARY LEAST SQUARES (OLS) DAN GENERALIZED LEAST SQUARES (GLS) PADA MODEL REGRESI LINIER DENGAN REGRESOR BERSIFAT STOKASTIK DAN GALAT MODEL BERAUTOKORELASI

Abstract

Pendugaan parameter model regresi linier pada analisis regresi linier, biasanyadilakukan dengan metode penduga OLS. Penduga OLS harus memenuhi asumsi-asumsistatistik yang disebut dengan asumsi klasik. Jika asumsi tidak dipenuhi, maka akanmenghasilkan kesimpulan yang tidak valid sehingga penduga OLS tidak bisa digunakanlagi dalam melakukan pendugaan parameter. Oleh karena itu diperlukan metode pendugaan lain untuk memperoleh hasil yang valid yaitu penduga GLS. Pelanggaran asumsidiantaranya terdapat autokorelasi pada galat model dan regresor bersifat stokastik.Adanya autokorelasi dengan regresor bersifat stokastik dilihat melalui simulasi MonteCarlo dengan ukuran sampel, koefisien autokorelasi dan ulangan yang bervariasi. Selainitu, pendugaan parameter juga dievaluasi melalui beberapa kriteria yaitu nilai AbsolutBias, Varian dan MSE. Hasil simulasi menunjukkan bahwa semakin bertambahnya ukuran sampel mengakibatkan kriteria penduga parameter semakin kecil. Sementara itu,ulangan yang tinggi yang dilakukan pada simulasi ini tidak mempengaruhi kriteria penduga parameter. Pada pendugaan parameter model untuk semua penduga, penduga GLSlebih efisien dan stabil dibanding dengan penduga OLS kecuali untuk koefisen autokorelasi −0.5 ≤ ρ ≤ −0.25 dan ρ = 0.5 pada βb1 , dan ρ = −0.25 pada βb2.