ekonometrika ilustrasi permasalah multiple regression dengan software

12
Ekonometrika Ilustrasi Permasalah Multiple Regression Dengan Software Dr. Rahma Fitriani, S.Si., M.Sc

Upload: cosima

Post on 29-Jan-2016

20 views

Category:

Documents


0 download

DESCRIPTION

Ekonometrika Ilustrasi Permasalah Multiple Regression Dengan Software. Pendugaan Model Cobb Douglas. Data pada file Excell Tugas , sheet CobbDouglas - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Ekonometrika Ilustrasi Permasalah Multiple Regression Dengan

Software

Page 2: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Pendugaan Model Cobb Douglas Data pada file Excell Tugas, sheet CobbDouglas

Dari 51 perusahaan diamati produktivitas (OUTPUT dalam $), investasi untuk modal (CAPITAL dalam $) dan investasi tenaga kerja (LABOR dalam $)

Dilakukan pendugaan model

iiii uLaborCapitalOutput )ln()ln()ln( 321

Page 3: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Uji Keberartian Model secara Simultan Menggunakan uji hipotesis Model unrestricted:

Model restricted

Hipotesis

iiii uLaborCapitalOutput )ln()ln()ln( 321

ii uOutput 1)ln(

0, keduanyaatau satu salah :

,0:

321

320

H

H

Page 4: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Output untuk Unrestricted Model Model 1: OLS, using observations 1-51 Dependent variable: l_output

coefficient std. error t-ratio p-value ---------------------------------------------------------- const 3.88760 0.396228 9.812 4.70e-013 *** l_labor 0.468332 0.0989259 4.734 1.98e-05 *** l_capital 0.521279 0.0968871 5.380 2.18e-06 ***

Mean dependent var 16.94139 S.D. dependent var 1.380870 Sum squared resid 3.415520 S.E. of regression 0.266752 R-squared 0.964175 Adjusted R-squared 0.962683 F(2, 48) 645.9311 P-value(F) 2.00e-35 Log-likelihood -3.426721 Akaike criterion 12.85344 Schwarz criterion 18.64892 Hannan-Quinn 15.06807

Log-likelihood for output = -867.437JKGU= 3.4155

Page 5: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Output Untuk Restricted Model Model 2: OLS, using observations 1-51 Dependent variable: l_output

coefficient std. error t-ratio p-value --------------------------------------------------------- const 16.9414 0.193361 87.62 2.12e-056 ***

Mean dependent var 16.94139 S.D. dependent var 1.380870 Sum squared resid 95.34013 S.E. of regression 1.380870 R-squared 0.000000 Adjusted R-squared 0.000000 Log-likelihood -88.31931 Akaike criterion 178.6386 Schwarz criterion 180.5704 Hannan-Quinn 179.3768

Log-likelihood for output = -952.33

JKGR= 95.34

UU

RUUR

kn

kkF

/JKG

/JKGJKG 931.645

351/4155.3

13/4155.334.95

Page 6: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Output Omitted variable Test Model 3: OLS, using observations 1-51

Dependent variable: l_output

coefficient std. error t-ratio p-value

---------------------------------------------------------

const 16.9414 0.193361 87.62 2.12e-056 ***

Mean dependent var 16.94139 S.D. dependent var 1.380870

Sum squared resid 95.34013 S.E. of regression 1.380870

R-squared 0.000000 Adjusted R-squared 0.000000

Log-likelihood -88.31931 Akaike criterion 178.6386

Schwarz criterion 180.5704 Hannan-Quinn 179.3768

Log-likelihood for output = -952.33

Comparison of Model 1 and Model 3:

Null hypothesis: the regression parameters are zero for the variables

l_labor, l_capital

Test statistic: F(2, 48) = 645.931, with p-value = 1.99686e-035

Of the 3 model selection statistics, 0 have improved.

Sama dengan output sebelumnya Restricted Model

Statistik uji F

Page 7: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Karena p-value relatif kecil, menuju nol Cukup bukti untuk menolak H0

Koefisien bagi peubah Labour dan Capital tidak sama dengan nol

Unrestricted model berbeda nyata dengan restricted model

Unrestricted model lebih baik menjelaskan keragaman Output produksi

Page 8: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Uji Linear Restriction Menggunakan uji hipotesis Model unrestricted:

Restritcion pada hipotesis:

Model restricted:

iiii uLaborCapitalOutput )ln()ln()ln( 321

1:

,1:

321

320

H

H

iiiii uLaborCapitalββLaborOutput lnlnlnln 21

iLaborCapital

LaborOutput uββ

i

i

i

i lnln 21

Page 9: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Output untuk Unrestricted Model Model 1: OLS, using observations 1-51 Dependent variable: l_output

coefficient std. error t-ratio p-value ---------------------------------------------------------- const 3.88760 0.396228 9.812 4.70e-013 *** l_labor 0.468332 0.0989259 4.734 1.98e-05 *** l_capital 0.521279 0.0968871 5.380 2.18e-06 ***

Mean dependent var 16.94139 S.D. dependent var 1.380870 Sum squared resid 3.415520 S.E. of regression 0.266752 R-squared 0.964175 Adjusted R-squared 0.962683 F(2, 48) 645.9311 P-value(F) 2.00e-35 Log-likelihood -3.426721 Akaike criterion 12.85344 Schwarz criterion 18.64892 Hannan-Quinn 15.06807

Log-likelihood for output = -867.437JKGU= 3.4155

Page 10: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Output Linear Restricted Model Model 4: OLS, using observations 1-51 Dependent variable: l_Out_Labor

coefficient std. error t-ratio p-value -------------------------------------------------------------- const 3.75624 0.185368 20.26 1.82e-025

*** l_Capital_Lab 0.523756 0.0958122 5.466 1.54e-06

***

Mean dependent var 4.749135 S.D. dependent var 0.332104 Sum squared resid 3.425582 S.E. of regression 0.264405 R-squared 0.378823 Adjusted R-squared 0.366146 F(1, 49) 29.88247 P-value(F) 1.54e-06 Log-likelihood -3.501733 Akaike criterion 11.00347 Schwarz criterion 14.86712 Hannan-Quinn 12.47988

Log-likelihood for Out_Labor = -245.708

JKGR= 3.4255

UU

RUUR

kn

kkF

/JKG

/JKGJKG 1414.0

351/4255.3

23/4155.34255.3

Page 11: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Output Linear Restriction Test Restriction: b[l_labor] + b[l_capital] = 1

Test statistic: F(1, 48) = 0.141406, with p-value = 0.708544

Restricted estimates:

coefficient std. error t-ratio p-value ---------------------------------------------------------- const 3.75624 0.185368 20.26 1.82e-025 *** l_labor 0.476244 0.0958122 4.971 8.56e-06 *** l_capital 0.523756 0.0958122 5.466 1.54e-06 ***

Standard error of the regression = 0.264405

Page 12: Ekonometrika  Ilustrasi Permasalah Multiple Regression Dengan Software

Dr. Rahma Fitriani, S.Si., M.Sc

Karena p-value yang cukup besar, tidak cukup bukti untuk menolak H0

Restricted dan unrestricted model tidak berbeda nyata

Jumlah dari kedua parameter = 1 Penduga model:

^l_output = 3.89 + 0.468*l_labor + 0.521*l_capital (0.396)(0.0989) (0.0969)

n = 51, R-squared = 0.964 (standard errors in parentheses)