Download - PENGANTAR APLIKASI EKONOMETRI DENGAN EVIEWS
PENGANTAR APLIKASI EKONOMETRI DENGAN EVIEWS
by: Poltak “ Polsky”Harahap
Eviews merupakan software statistik yang berbasis windows. Eviews digunakan peneliti
sebagai alat JUSTIFIKASI terhadap penelitian yang dilakukan. Eviews dapat digunakan
dalam berbagai analisis ekonomi dan bisnis. Seoarang peneliti dapat menggunakan
Eviews untuk menganalisis data, mengevaluasi model, analisis finansial, peramalan
kondisi ekonomi makro/mikro, simulasi, peramalan penjualan/pembelian, pengukuran
efektivitas kebijakan, dll. Keunggulan dari software eviews adalah eviews mampu
mengolah data ekonomi secara terpisah dan bersama-sama semua bentuk data seperti
runtut waktu (time series), lintas sektoral (cross section), dan panel (pooling).
1. Menjalankan program EVIEWS
Gambar 1
Menjalankan eviews sama dengan software lain dalam computer. Caranya klik icon
eviews dua kali pada desktop, maka akan muncul tampilan eviews seperti gambar diatas.
Menu utama (main menu) dari eviews yakni; File, Edit Objects, Views, Procs, Ouick,
Option, Window dan Help. space kosong dibawah main menu adalah tempat yang
digunakan untuk menulis perintah (command eviews) secara manual.
2. Menciptakan kertas kerja (workfile)
Sebelum menciptakan kertas kerja, konsep dasar yang perlu diketahui adalah memahami
jenis data dalam statistika. Pada eviews ada berbagai jenis data yang bisa dipilih yakni;
Annual (A) : jenis data dalam bentuk tahunan
Quarterly(Q) : jenis data dalam bentuk kuartalan
Monthly (M) : jenis data dalam bulanan
Weekly (W) : jenis data dalam mingguan
Undated (U) : jenis data dalam bentuk lintas sektoral (cross section)
Dalam menciptakan kertas kerja ada dua cara yang bisa kita lakukan yakni metode
manual manual dan metode klik-klik. Prakteknya sebagai berikut;
Metode ketik
Cara: ketik Workfile nama kertas kerja jenis data range data ok
Metode klik – klik
Cara: klik file new Workfile pilih jenis data dan tulis range data ok
3. Memasukan data
Memasukan data bisa menggunakan dua metode yakni metode manual dan metode klik-
klik. Proses kerjanya sebagai berikut;
Metode ketik
Cara: buat kertas kerja (seperti langkah 2) ketik read(t=xls, b2) e:\table1_1.xls 2 ok
Ket: t = xls, data yang dibaca dalam bentuk tabel microsoft excel
b2 = kolom pertama kali data tertera di dalam microsoft excel
e:\table1_1.xls = membaca lokasi data yang ingin dibaca
2 = jumlah variabel dalam data.
INGOT : setelah menulis command, program excel tempat data di save harus di closed!!!!!!!!
Metode klik-klik
Cara: buat kertas kerja (seperti langkah 2) klik Quick empty group (edit series)
muncul kertas kerja copy data excel dikertas kerja paste data dikertas kerja
4. Melakukan regresi sederhana
Metode manual
Cara: ketik equation regresi_1.ls y c x ok
Ket: ls = metode pengujian dalam asumsi klasik. Biasa disebut sebagai metode OLS
(Ordinary Least Squares) atau metode kuadrat terkecil
y c x = cara eviews membaca bentuk persamaan
Metode klik-klik
Cara: klik Quick Estimate Equation ketik persamaan (y c x) ok klik name (nama
regresi yang dibuat)
CARCEP ( Cara CEPAT bro.....!!!!!)
Cara: buka workfile (klik window pada main menu) tekan ctrl pada keyboard klik
variabel yang mau diestimasi ( klik y dan klik x) klik kanan mouse open ase
equation muncul workfile pindahkan variabel constanta ke depan variabel y ok
REGRESI BERGANDA
Regresi berganda adalah model regresi yang terdiri dari lebih dari satu variabel
independen. Bentuk umum regresi berganda dapat ditulis sebagai berikut:
APLIKASI EVIEWS
Aplikasi metode gergersi berganda ini mengunakan data dari buku Gujarati edisi 4 th
chapter 7 topik Multiple Regression Anlaysis. Data yang diambil dari tabel 7.9 tentang
permintaan ayam di USA. Range data mulai tahun 1960 – 1982.
Ket:
Y = Per Capita Consumption of Chickens, Pounds
X2 = Real Disposable Income Per Capita, $
X3 = Real Retail Price of Chicken Per Pound, Cents
X4 = Real Retail Price of Pork Per Pound, Cents
X5 = Real Retail Price of Beef Per Pound, Cents
X6 = Composite Real Price of Chicken Substitutes Per Pound, Cents
1. Transfer Data
membuat kertas kerja (Workfile)
ketik workfile ketik range dan jenis data OK
transfer data dari excel ke eviews
Copy data dari excel ( semua variabel kecuali periode) Quick Empty Group
2. Melakukan Regresi
tekan ctrl pada keyboard klik variabel dependen pertama kali lalu diikuti variabel
independen lainnya klik kanan open as equation ok
Hasil regresi sebagai berikut:
Dependent Variable: YMethod: Least SquaresDate: 12/10/07 Time: 23:09Sample: 1960 1982Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob. C 38.59691 4.214488 9.158150 0.0000X2 0.004889 0.004962 0.985370 0.3383X3 -0.651888 0.174400 -3.737889 0.0016X4 0.243242 0.089544 2.716443 0.0147X5 0.104318 0.070644 1.476674 0.1580X6 -0.071110 0.098381 -0.722805 0.4796
R-squared 0.944292 Mean dependent var 39.66957Adjusted R-squared 0.927908 S.D. dependent var 7.372950S.E. of regression 1.979635 Akaike info criterion 4.423160Sum squared resid 66.62224 Schwarz criterion 4.719376Log likelihood -44.86635 F-statistic 57.63303Durbin-Watson stat 1.100559 Prob(F-statistic) 0.000000
3. Uji statistika
Uji t
Uji t menjelaskan seberapa besar signifikansi variabel independen (x) mampu
menjelaskan variabel y (dependen). Hipotesa uji t adalah;
H0 diterima, bila nilai t_statistic < t_tabel (1%, 5%, 10%). Artinya variabel independen
tidak signifikan menjelaskan variabel dependen
Ha diterima, bila nilai t_statistic > t_tabel (1%, 5%, 10%) . Artinya variabel independen
signifikan menjelaskan variabel dependen.
Cara melihat nilai t_tabel:
Pr = probabilitas, pada tabel uji_t terletak pada bagian atas menunjukan hipotesi pada
satu atau dua sisi.
df = jumlah variabel independen ditambah konstanta
Hipotesis uji_t
Hipotesis positif pada satu:
H0 :
Ha :
Hipotesis negatif pada satu:
H0 :
Ha :
Hipotesi dua sisi
H0 :
Ha :
Menampilkan persamaan regresi
View Representation OK
Y = C(1) + C(2)*X2 + C(3)*X3 + C(4)*X4 + C(5)*X5 + C(6)*X6
Y = 38.59690942 + 0.004889344622*X2 - 0.6518875293*X3 + 0.2432418207*X4 +
(9.1581) (0.98537) (-3.737) (2.716)
0.1043176111*X5 - 0.07111034011*X6
(1.476) (-0.722)
Bandingkan nilai t_statistik dengan nilai t_tabel
VARIABEL t_statistik t_tabel
(df=6, α=5%)
Keterangan
Constanta 9.158 1.943 (satu sisi)
2.447 (dua sisi)
t_statistik > t_tabel, signifikan
X2 0.9853 1.943 (satu sisi)
2.447 (dua sisi)
t_statistik < t_tabel, tidak
signifikan
X3 -3.737 1.943 (satu sisi)
2.447 (dua sisi)
t_statistik < t_tabel, signifikan
X4 2.716 1.943 (satu sisi)
2.447 (dua sisi)
t_statistik > t_tabel, signifikan
X5 1.476 1.943 (satu sisi)
2.447 (dua sisi)
t_statistik < t_tabel, tidak
signifikan
X6 -0.722 1.943 (satu sisi)
2.447 (dua sisi)
t_statistik < t_tabel, tidak
signifikan
Uji F
Uji F digunakan untuk menjelaskan seberapa besar keseluruhan variabel independen
mampu menjelaskan variabel dependen. Hipotesa uji F adalah;
H0 diterima, bila nilai F_statistic < F_tabel atau (1%, 5%, 10%). Artinya seluruh variabel
independen tidak signifikan menjelaskan variabel dependen
Ha diterima, bila nilai F_statistic > F_tabel (1%, 5%, 10%) . Artinya seluruh variabel
independen signifikan menjelaskan variabel dependen.
Cara menghitung F_tabel
F =
ket: (k – 1) = numerator
(n – k) = denominator
k = jumalah variabel independen ditambah konstanta
n = jumlah observasi
F =
F =
F =
F = 53,40
Cara melihat F_tabel
F (numerator(k – 1), denominator(n – k), α=5%) = 2.81
Bandingkan nilai F_tabel dengan F_hitung
Nilai F_hitung > nilai F_tabel, berarti Ha diterima yang artinya semua variabel
independen mampu menjelaskan variabel dependen.
Uji adjusted R2
uji adjusted R2 dimaksudkan untuk mengukur seberapa besar proporsi model dmampu
menjelaskan variabel dependen.
hasil perhitungan eviews menunjukan nilai adjusted R2 = 0.9279, artinya permintaan
ayam ke USA mampu dijelaskan model sebesar 92,79% sedangkan sisanya sebesar
7,21% dijelaskan variabel lain di luar model.
4. Uji Normalitas
Penerapan metode OLS untuk regresi linear klasik memilik asumsi bahwa distribusi dari
variabel penggangu ( ) mempunyai nilai rata-rata yang diharapkan sama dengan nol,
tidak berkorelasi dan mempunyai varian yang konstan. Uji yang digunakan untuk
mengetahui noramal atau tidaknya variabel penggangu ( ) adalah Jarque Bera Test.
Pedoman dari J_B test adalah:
Bila nilai JB hitung > nilai χ2-tabel, maka hipotesis yang
menyatakan bahwa residual, ut adalah berdistribusi normal ditolak.
Bila nilai JB hitung < nilai χ2-tabel, maka hipotesis yang
menyatakan bahwa residual, ut adalah berdistribusi normal tidak dapat ditolak.
Aplikasi dalam eviews:
view residual test Histogram – normality Test OK
0
2
4
6
8
10
-4 -3 -2 -1 0 1 2 3 4
Series: ResidualsSample 1960 1982Observations 23
Mean -1.15E-14Median 0.098389Maximum 3.133900Minimum -3.632498Std. Dev. 1.740196Skewness -0.075973Kurtosis 2.153137
Jarque-Bera 0.709421Probability 0.701377
Dari tabel diatas ditemukan bahwa nilai Jarque Berra sebesar 0.709421. sedangkan nilai
χ2_tabel (α = 5%, df=5) = 11.07. Karena nilai J_B test < nilai χ2
-tabel , maka dapat disimpulkan
bahwa residual dari model permintaan ayam USA berdistribusi normal.
5. Uji Linearitas
uji linearitas sangat penting dilakukan karena uji ini untuk memeriksa kembali apakah
spesifikasi model yang digunakan sudah benar atau tidak. uji yang digunakan untuk
melihat linearitas adalah uji Ramsey Reset Test. adapun hipotesa uji ini adalah:
H0 diterima bila nilai F_hitung < F_tabel , artinya spesifikasi model yang digunakan dalam
bentuk linear.
Ha diterima, bila nilai F_hitung > F_tabel , artinya spesifikasi model yang digunakan dalam
bentuk non linear.
aplikasi dalam eviews:
view Stability Test Ramsey Reset Test number of fitted terms:2 OK
Ramsey RESET Test:F-statistic 22.26999 Probability 0.000032Log likelihood ratio 31.70775 Probability 0.000000
Test Equation:Dependent Variable: YMethod: Least SquaresDate: 02/28/08 Time: 08:31Sample: 1960 1982Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob. C 245.5496 100.7320 2.437654 0.0277X2 0.055015 0.020105 2.736407 0.0153X3 -6.307119 2.622131 -2.405342 0.0295X4 2.325378 0.977217 2.379591 0.0310X5 1.105911 0.442868 2.497157 0.0246X6 -0.790239 0.296259 -2.667395 0.0176
FITTED^2 -0.187502 0.097781 -1.917570 0.0744FITTED^3 0.001191 0.000752 1.582972 0.1343
R-squared 0.985966 Mean dependent var 39.66957Adjusted R-squared 0.979416 S.D. dependent var 7.372950S.E. of regression 1.057804 Akaike info criterion 3.218476Sum squared resid 16.78425 Schwarz criterion 3.613430Log likelihood -29.01247 F-statistic 150.5422Durbin-Watson stat 1.653524 Prob(F-statistic) 0.000000
nilai F_tabel { numerator (k -1), denominator (n – k), α = 5%) = (7, 15, α = 5%) adalah
2.71 dan nilai F_hitung adalah 22.26 karena nilai F_hitung > F_tabel berarti Ha diterima,
artinya dugaan sementara spesifikasi model yang digunakan belum benar dalam bentuk
linear.
Seorang peneliti yang cerdik dan teliti tidak langsung memutuskan bahwa model yang
dibentuk salah. akan tetapi peneliti tersebut harus mencari solusi terhadap masalah
yang muncul. Akhirnya peneliti ini menemukan solusi untuk menyelesaikan masalah ini
dengan melakukan proses smoothing data. caranya adalah dengan melogaritmakan
semua variabel.
Cara di Eviews: klik procs klik generate series mis ketik lnY=log(Y) lakukan
langkah serupa untuk semua variabel lalu variabel yang sudah dalam bentuk
logaritma diregresikan.
Hasil estimasinya sebagai berikut:
Ramsey RESET Test:F-statistic 2.550666 Probability 0.111301Log likelihood ratio 6.732924 Probability 0.034512
Test Equation:Dependent Variabel: LNYMethod: Least SquaresDate: 02/28/08 Time: 08:14Sample: 1960 1982Included observations: 23
Variabel Coefficient Std. Error t-Statistic Prob. C 31.81236 44.78067 0.710404 0.4884
LNX2 9.517659 12.90866 0.737308 0.4723LNX3 -16.03462 21.86352 -0.733396 0.4746LNX4 9.951008 13.57678 0.732943 0.4749LNX5 9.510382 12.69428 0.749187 0.4653LNX6 -12.55564 16.88211 -0.743724 0.4685
FITTED^2 -6.670779 10.09300 -0.660931 0.5187FITTED^3 0.553698 0.910014 0.608450 0.5520
R-squared 0.990736 Mean dependent var 3.663887Adjusted R-squared 0.986413 S.D. dependent var 0.187659S.E. of regression 0.021874 Akaike info criterion -4.538789Sum squared resid 0.007177 Schwarz criterion -4.143835Log likelihood 60.19608 F-statistic 229.1659Durbin-Watson stat 2.092574 Prob(F-statistic) 0.000000
nilai F_tabel { numerator (k -1), denominator (n – k), α = 5%) = (7, 15, α = 5%) adalah
2.71. nilai F_hitung adalah 2.55. karena nilai F_hitung < F_tabel berarti H0diterima, artinya
spesifikasi model yang digunakan sudah benar dalam bentuk linear.
REFRENSI BOOK: Read Gujarati 4th edition chapter 7 “Multiple Regression Analysis”
Material for the next meeting : The Asumption of the Classical Model, chapter 10 in
Gujarati 4th edition
………..MAOLIATE DAN MATUR NUWUN NJEH……..