ekonometrika topik 1: pengantar...

Bogor, 13 April 2020

Prof. Muhammad Firdaus, PhD

Departemen Ilmu Ekonomi

Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

Topik 1:

Pengantar Regresi

Ekonometrika

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ [email protected] � http://ekonomi.fem.ipb.ac.id @dept.ieipb

Guru Besar Dept IE FEM-IPB

Youtube:

AUDIOMETRIK FULL

Curriculum Vitae



Peneliti PKHT & ITAPS IPB



Tim Ahli WTO untuk Pertanian



Peraih KI and WIPO Award 2016

Ketik SIKUH di

Google



Apa itu Ekonometrika?• Verbeek: ekonometrika adalah interaksi antara teori ekonomi, data dan

metode statistika. Dalam hal ini statistika mengacu pada situasi yang STOKASTIK

• Ekonometrika: tradisional vs modern. Perkembangan pesat sejakSims menulis di Econometrica (1980)

• Kegunaan: ekonometrika1. Pengujian teori ekonomi2. Peramalan3. Perumusan kebijakan ekonomi



Jenis Data

Ada 3 jenis data dalam ekonometrika:

1. Time-series atau deret waktudaily, weekly, monthly, annualy: suku bunga, IHSG, inflasi

2. Cross-section atau kerat lintangSAKERNAS, Data antar wilayah dalam satu tahun

3. Panel data atau data panelIFLS, SUSENAS Panel



SPURIOUS CORRELATIONEkonom tertarik untuk menjelaskan hubungan antar variabel:• Apakah terdapat hubungan yang kuat? Lemah? • Apakah bergerak searah atau berhubungan positif? Negatif?

Analisis korelasi dapat digunakan untuk menjawab pertanyaan tersebut

Secara lebih pasti kuat tidaknya korelasi antar dua variabel dapat menggunakankoefisien korelasi Pearson (r). Nilai r dari -1 sampai 1: KUAT ATAU LEMAH!

Yule (1926): Istilah spurious correlation atau korelasi semu terjadi saat duavariabel berkorelasi kuat namun tidak mempunyai hubungan sebab akibat

Contoh: penjualan supermarket naik dan permintaan kuota internet naik: r 1. Tidak ada kausalitas atara keduanya, meskipun keduanya disebabkan COVID-19. Untuk memastikan ini perlu analisis lebih jauh yaitu regresi



GARIS REGRESI Garis regresi adalah garis yang memplotkan hubungan variabel yang dioengaruhi (variabel dependen, respon, tidak bebas) dengan variabelindependen (regressor, prediktor, variabel bebas)… Gauss (1809)

Contoh: hubungan konsumsi (tidak bebas) dan pendapatan (bebas)

Kegunaan: • Memprediksi nilai variabel tidak bebas (peramalan)• Menghitung dampak perubahan variabel bebas terhadap variabel tidak

bebas (elastisitas)Dari sampel, pengaruh tsb ditarik untuk populasi melalui uji hipotesis.



Garis Regresi Populasi

ii10i εYββC ++=Linear component

konstanta SlopeError-term/Galat

Variabelindependen

(pendapatan)

Random Errorcomponent

Variabeldependen

(konsumsi)

Sumber galat a.l: 1. Tidak semua faktor dimasukkan ke dalam model2. Kesalahan dalam spesifikasi model3. Adanya disagregasi dalam pengukuran



Garis Regresi Sampel

ii10i eybbc ++=Linear component

konstantaKoefisiens

dugaanResidual/sisaan

Random Errorcomponent

OLS atau ordinary least squares adalah teknik estimasi regresi sampeldengan meminimumkan jumlah kuadrat dari sisaan atau min ( ci – b0 – b1yi)2

Disebut ordinary karena ada GLS, 2SLS, 3SLS dll.

Variabeldependen

(konsumsi)

Variabelindependen

(pendapatan)



Estimasi slope dalam matriks

b1 = (y’y)-1.y’c untuk koefisien

Misal ada observasi terhadap 60 RT

c1 y1

c2 y2

. .. .. .

c60 y60b0 = c - b1 y untuk konstanta



Contoh PerhitunganHarga rumah (Rp

juta) Luas (m2)

245 140

312 160

279 170

308 187

199 110

219 155

405 235

324 245

319 142

255 170

Harga rumah didugadipengaruhi oleh luasrumah. Tentu selain luas, ada faktor lain yang berpengaruh seperti lokasi, fasilitas jalan dll



Contoh Perhitungan

0

50

100

150

200

250

300

350

400

450

0 500 1000 1500 2000 2500 3000

Square Feet

Ho

use

Pri

ce (

$100

0s)

Koefisien= 0.10977

Konstanta= 98.248

Dalam persamaan regresi:

Harga = 98,248 + 0,109 luas

koeifsien dugaan: jika luas rumahlebih besar 10 m2, maka hargarumah lebih mahal Rp 1,09 juta



Contoh PerhitunganRegression Statistics

Multiple R 0.76211

R Square 0.58082

Adjusted R Square 0.52842

Standard Error 41.33032

Observations 10

ANOVAdf SS MS F Significance F

Regression 1 18934.9348 18934.9348 11.0848 0.01039

Residual 8 13665.5652 1708.1957

Total 9 32600.5000

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386

Square Feet 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580



Evaluasi ModelKriteria EkonomiKriteria ini adalah tanda (sign) dan besaran (magnitude) dari parameter dugaan baik konstanta maupun koefisien dugaan. Untuk fungsikonsumsi, hasil regresi seharusnya menghasilkan:1. Konstanta yang positif: minimum needs2. Koefisien dugaan bernilai antara 0 dan 1: MPC

Kriteria StatistikaKriteria ini mencakup:1. Goodness of fit atau kebaiksuaian: koefisien determinasi atau R2

2. Uji hipotesis: uji t-student; uji F dan asumsi regresi klasik



Evaluasi ModelKoefisien Determinasi atau R2

Ukuran sejauhmana model mampu mem-fit-kan data. Nilai R2 berada antara 0 sampai 1 (100%). Untuk regresi dengan data deret waktu, tuntutan R2 lebih tinggidarpada data kerat lintang. R2 akan semakin besar bila variabel bebas ditambah

dimana

Uji t

Adalah uji hipotesis terhadap koefisien dugaan secara masing-masing. Sebagaicontoh untuk fungsi konsumsi, pengujian terhadap mpc adalah:

H0: 1 = 1

H1: 1 < 1

RESSTSS

TSS RSSTSS

RSSTSS

2 1= = - = - ( ) ( ) +-=-t

it t

tit ecccc 222



Hatur nuhun

Department of Economics - IPB University

IPB Dramaga Campus, Bogor 16680

Telp.: 0251-8622602

E-mail: [email protected]

Web : http://ilmuekonomi.fem.pb.ac.id

ekonometrika topik 1: pengantar...

Documents