Robust Standard Error: Solusi Masalah Autokorelasi dan Heteroskedastisitas pada Model Regresi

Komponen error yang bebas dari autokorelasi dan heteroskedastisitas (spherical error) adalah asumsi krusial dalam model regresi. Ketika salah satu asumsi ini terlanggar, hasil estimasi koefisien regresi dengan metode OLS kehilangan salah satu fitur utamanya: efisiensi. 

Estimasi yang dihasilkan bukan lagi yang terbaik dengan kesalahan baku (standard error) paling minimum. Tidak hanya itu, hasil perhitungan kesalahan baku juga "no longer correct". Konsekuensinya, inferensia statistik (pengujian hipotesis dan estimasi selang kepercayaan) yang valid tidak bisa dilakukan. Salah satu solusi yang ditawarkan adalah mengestimasi persamaan regresi dengan metode GLS. 

Namun, metode ini hanya indah pada tataran teori dan dalam banyak kasus tidak "feasible" dalam praktek. Ternyata ada solusi lain, yakni penggunaan robust standard error. Secara ringkas, metode ini hanya mengoreksi kesalahan baku parameter regresi yang diestimasi dengan OLS. Meski estimasi koefisien regresi tetap tidak efisien, metode ini memungkinkan peneliti melakukan inferensia statistik, yang seringkali merupakan tujuan utama penggunaan model regresi, di tengah kondisi terdapat autokorelasi dan/atau heteroskedastisitas pada komponen error.