ujian tengah semester fakultas ekonomi...

UJIAN TENGAH SEMESTER

FAKULTAS EKONOMI UNIVERSITAS INDONESIA

Mata Kuliah : Ekonometrika 2 Program : ILMU EKONOMI

Tanggal Ujian : 24 MARET 2017

Waktu : 08.30-11.30 (180 Menit)

SifatUjian : CLOSED BOOK

Pengajar : Khoirunurrofik

Petunjuk : 1. Kerjakan soal yang anda anggap mudah terlebih dahulu

2. Semua soal bobotnya sama

3. Jika tidak disebutkan dalam soal, maka gunakan taraf nyata (level of significance )

pengujian 5%

4. Kecuali kalkulator, alat elektronik lainnya (HP, Tablet, dan Laptop) tidak

diperkenankan untuk digunakan selama ujian.

Soal No. 1 (POIN = 20) a. Jelaskan bagaimana anda dapat mendeteksi adanya Autokorelasi dan jelaskan pula

implikasinya serta langkah-langkah yang dapat anda lakukan untuk mengatasinya!. b. Mengapa model non linear (Probit dan Logit) dianggap lebih baik daripada Linear

Probability Model (LPM) jika variable terikat dalam model tersebut adalah variable dummy?

Apa perbedaan asumsi yang digunakan ketika kita menggunakan Probit dan Logit? c. Apa yang dapat menyebabkan terjadinya Cov (x,e)¹0?, disebut apakah permasalahan

tersebut? Mengapa estimasi dengan OLS tidak tepat jika terdapat masalah tersebut?

Apakah solusi yang dapat dilakukan untuk mengatasi masalah tersebut?

d. Sebutkan ciri-ciri data yang bersifat stasioner! Mengapa dalam analisis time series

dibutuhkan persyaratan tersebut? e. Apa persyaratan yang harus dipenuhi kalau kita ingin menggunakan model ARMA? Tuliskan

persaman model untuk ARMA (1,2)!, model untuk ARIMA (0,1,2) dan model ARIMA (1,1,2)

1

Soal No. 2 (POIN= 20).

Seorang mahasiswa melakukan penelitian untuk melihat dampak kenaikan Harga Komoditas

Energi (Harga Bensin dan Tarif Tenaga Listrik) dan Nilai Tukar Rupiah terhadap kenaikan

inflasi dengan model sebagai berikut:

% = ( + * % + 0 % + 2 % + 3 % ∗ + % LIHKt adalah logaritma natural dari IHKt

LPBENSINt adalah logaritma natural dari harga bensin (Rp/Liter)

LTTLt adalah logaritma natural dari tariff tenaga listrik (Rp/KWH)

LNTKt adalah logaritma natural dari nilai tukar rupiah tergadap dollar

(Rp/USD) DCRISIS adalah periode waktu terjadi krisis ekonomi,1997-1999 Dia mengumpulkan data dari Triwulan pertama 1996 sampai triwulan terakhir 2014. Hasil

estimasi dapat dilihat di table berikut:

Source SS df MS Number of obs = 76

F( 4, 71) = 583.64

Model 19.7043825 4 4.92609562 Prob > F = 0.0000

Residual .599263595 71 .008440332 R-squared = 0.9705

Adj R-squared = 0.9688

Total 20.3036461 75 .270715281 Root MSE = .09187

LIHK Coef. Std. Err. t P>|t| [95% Conf. Interval]

LPBENSIN .3227056 .0439463 7.34 0.000 .2350792 .4103321

LTTL .401573 .0778027 5.16 0.000 .2464389 .5567071

LNTK .2276005 .0384943 5.91 0.000 .1508449 .304356

LNTK_DCrisis .0084012 .0049826 1.69 0.096 -.0015339 .0183363

_cons -2.980373 .2393256 -12.45 0.000 -3.457575 -2.503171

a. Tulislah persamaan hubungan antara harga komoditas energi dan nilai tukar dengan inflasi

sebagaimana hasil estimasi model diatas! b. Tentukan komoditas mana yang paling besar mempengaruhi tingkat inflasi! Mengapa anda

memilih variable tersebut? Berilah interpretasi atas koefisien dari variable tersebut!

2

c. Lakukan proyeksi, berapa tingkat inflasi, jika pemerintah bersepakat dengan DPR untuk

menurunkan harga bensin sebesar 10 %, menaikkan harga listrik sebesar 5%, dan nilai tukar

diperkirakan turun sebesar 10%. Asumsikan pada saat itu tidak terjadi krisis ekonomi.

d. Ujilah pula apakah koefisien regresi variabel interaksi antara Nilai Tukar dan Krisis (b4)

signifikan pada taraf nyata (a) 10%? Apa makna dari koefisien tersebut? e. Buatlah grafik dua dimensi untuk mengilustrasikan hasil regresi variablel interaksi antara

Nilai Tukar dan Krisis! Interpretasikan grafik dua dimensi tersebut!

Soal No. 3 (POIN=20).

Dibawah ini adalah tabel-tabel hasil analisis data panel tentang hubungan produktivitas

perusahaan (ValueAdded) dengan karakteristik perusahaan (Age, Lab, DFDI dan lingkungan

geografisnya (ruggedness, fisiografi, geologi).

time-invariant

variab

le dan individual-invariant variable!

Kelompokkan variabel-variabel berikut ini menurut jenis time-invariant variable dan individual-

invariant variable! B. Dari tabel ringkasan dibawah ini, berilah analisis apa makna within variation dan between variation

dari variable jumlah tenaga kerja (Lab) dan produktivitas (Value Added)? C. Buatlah analisis berdasarkan tabel-tabel berikut ini, apakah model OLS lebih baik

dibandingkan model FE! Gunakan informasi yang tersedia! D. Dari model terbaik yang anda pilih, apa interprestasi dari koefisien AGE?, berilah argumen

mengapa anda memilih model tersebut!

3

A. Apa yang dimaksud dengan

. desc year kabu1990 isic2 psid age lab DFDI Dexp ValueAdded ruggedness mfisiography mge

storage display value

variable name type format label variable label

year int %8.0g year of survey

kabu1990 int %8.0g Nama Kabupaten

isic2 byte %8.0g Jenis Industri ISIC 2

psid double %15.0f Kode Perusahaan

age double %10.0g Umur Perusahaan

lab double %10.0g Jumlah tenaga kerja

DFDI double %10.0g Dummy Perusahaan Asing

Dexp double %10.0g Dummy Kegiatan Ekspor

ValueAdded double %10.0g Nilai Tambah

ruggedness float %9.0g

mfisiography float %9.0g (mean) mfisiography

mgeology float %9.0g (mean) mgeology

labprod float %9.0g Produktivitas Tenaga Kerja

emp float %9.0g Jumlah Pekerja

4

. xtsum

Variable

Mean Std. Dev. Min Max

Observations

year overall 2008.425 1.120774 2007 2010 N = 98774

between .6212732 2007 2010 n = 30173

within 1.047458 2006.759 2010.092 T-bar = 3.27359

kabu1990 overall 3349.172 1039.729 1101 8209 N = 98774

between 1091.153 1101 8209 n = 30173

within .1784396 3318.672 3379.672 T-bar = 3.27359

isic2 overall 21.91609 6.921886 15 37 N = 98774

between 6.939492 15 37 n = 30173

within 0 21.91609 21.91609 T-bar = 3.27359

psid overall 45135.02 19286.5 1761 82470 N = 98774

between 19271.01 1761 82470 n = 30173

within 0 45135.02 45135.02 T-bar = 3.27359

age overall 16.59247 13.86754 0 109 N = 98774

between 13.77218 0 108 n = 30173

within 1.047458 14.92581 18.25914 T-bar = 3.27359

lab overall 175.496 666.8267 20 38343 N = 98774

between 606.2743 20 37542.5 n = 30173

within 173.8545 -13698.75 21819 T-bar = 3.27359

DFDI overall .0832203 .2762163 0 1 N = 98774

between .2573833 0 1 n = 30173

within .0761101 -.6667797 .8332203 T-bar = 3.27359

Dexp overall .1342357 .3409071 0 1 N = 98774

between .2894229 0 1 n = 30173

within .1775485 -.6157643 .8842357 T-bar = 3.27359

periode overall 3 0 3 3 N = 98774

between 0 3 3 n = 30173

within 0 3 3 T-bar = 3.27359

ValueA~d overall 87718.59 890527.2 71.31262 1.35e+08 N = 98774

between 815553.6 99.01947 1.06e+08 n = 30173

within 253612.6 -2.17e+07 2.89e+07 T-bar = 3.27359

5

Panel Model

(1) (2) (3) (4)

OLS RE FE DIF

age -316.62757** 1211.12517*** 4727.22739*** (160.1116) (254.7280) (900.6730)

lab 842.01572*** 580.98640*** 328.87922*** (3.3854) (4.0940) (5.4252)

DFDI -75840.60396*** 24860.69496*** -2712.71148 (8140.6921) (9479.0379) (12395.4748)

D.age 3970.45186***

(1437.8559)

D.lab 288.70164***

(5.2357)

D.DFDI 11254.65490

(12478.1884)

_cons -48486.65630*** -31599.84942*** -48209.02773*** (3526.8708) (5471.6524) (15012.3554)

N 98774 98774 98774 68084

r2 0.39213 0.05125 0.04288

r2_a 0.39212 -0.36609 0.04284

p 0.00000 0.00000 0.00000 0.00000

ll -1.46873e+06 -1.36666e+06 -9.70467e+05

Standard errors in parentheses * p<0.10, ** p<0.05, *** p<0.01

Breusch and Pagan Lagrangian multiplier test for random effects

ValueAdded[psid,t] = Xb + u[psid] + e[psid,t]

Estimated results: Var sd = sqrt(Var)

ValueAd~d 7.93e+11 890527.2

e 8.79e+10 296422.1

u 3.48e+11 589955.6

Test: Var(u) = 0 chibar2(01) = 97486.62

Prob > chibar2 = 0.0000

6

Coefficients

(b) (B) (b-B) sqrt(diag(V_b-V_B))

FE RE Difference S.E.

age 4727.227 1211.125 3516.102 863.9013

lab 328.8792 580.9864 -252.1072 3.559755

DFDI -2712.711 24860.69 -27573.41 7987.217

b = consistent under Ho and Ha; obtained from xtreg B = inconsistent

under Ha, efficient under Ho; obtained from xtreg

Test: Ho: difference in coefficients not systematic

chi2(3) = (b-B)'[(V_b-V_B)^(-1)](b-B)

= 5066.15

Prob>chi2 = 0.0000


Dengan menggunakan data yang sama sebagaimana informasi di SOAL 3, mahasiswa yang lain

ingin mengetahui hubungan antara karakteristik perusahaan (AGE, LAB, DFDI) dengan

keputusan untuk melakukan ekspor (DEXP). Dia menggunakan beberapa binary response model

seperti LPM, Logit, dan Probit Model.

A. Tulislah persamaan model LPM berdasarkan tabel dibawah ini? B. Apa interpretasi dari koefisien LAB di model LPM? Apakah kita bisa

menginterprestasikan secara langsung koefiesin dari hasil estimasi model LOGIT? Apa

kelebihan model LOGIT dibandingkan model LPM? C. Dari informasi yang diberikan, Bandingkan antara model PROBIT dan LOGIT! Manakah

model yang lebih baik? Jelaskan alasannya? D. Berdasarkan jawaban C, berilah interpretasi atas koefisien marginal effects dari AGE dan

LAB?

E. Apa yang dimaksud dengan ODD RATIO? Apa makna koefisien odd ratio dari AGE dan

LAB berdasarkan model LOGIT?

7

BINARY Model

(1) (2) (3)

LPM PROBIT LOGIT

main age -0.00025*** -0.00118*** -0.00234***

(0.0001) (0.0004) (0.0007)

lab 0.00005*** 0.00017*** 0.00041***

(0.0000) (0.0000) (0.0000)

DFDI 0.26229*** 0.88630*** 1.50219***

(0.0058) (0.0154) (0.0259)

_cons 0.10772*** -1.23338*** -2.11236***

(0.0017) (0.0083) (0.0158)

N 98774 98774 98774

r2 0.06267

r2_a 0.06264

p 0.00000 0.00000 0.00000 ll -30662.26961-36661.60392-36630.32000 Standard errors in parentheses * p<0.10, ** p<0.05, *** p<0.01

Probit model for Dexp

True

Classified D ~D Total

+ 230 228 458

- 13029 85287 98316

Total 13259 85515 98774

Classified + if predicted Pr(D) >= .5 True D defined as Dexp != 0

Sensitivity Pr( +| D) 1. 73%

Specificity Pr( -|~D) 99. 73%

Positive predictive value Pr( D| +) 50. 22%

Negative predictive value Pr(~D| -) 86. 75%

False + rate for true ~D Pr( +|~D) 0. 27%

False - rate for true D Pr( -| D) 98. 27%

False + rate for classified + Pr(~D| +) 49. 78%

False - rate for classified - Pr( D| -) 13. 25%

Correctly classified 86. 58%

8

. margins, dydx(lab)

Average marginal effects Number of obs = 98774

Model VCE : OIM

Expression : Pr(Dexp), predict() dy/dx w.r.t. : lab

Delta-method dy/dx Std. Err. z P>|z| [95% Conf. Interval]

lab .0000343 1.34e-06 25.65 0.000 .0000316 .0000369

. margins, dydx(age)


Model VCE : OIM

Expression : Pr(Dexp), predict() dy/dx w.r.t. : age


age -.000239 .0000759 -3.15 0.002 -.0003877 -.0000903

Logistic model for Dexp

True

Classified D ~D Total

+ 332 362 694

- 12927 85153 98080

Total 13259 85515 98774

Classified + if predicted Pr(D) >= .5 True D defined as Dexp != 0

Sensitivity Pr( +| D) 2. 50%

Specificity Pr( -|~D) 99. 58%

Positive predictive value Pr( D| +) 47. 84%

Negative predictive value Pr(~D| -) 86. 82%

False + rate for true ~D Pr( +|~D) 0. 42%

False - rate for true D Pr( -| D) 97. 50%

False + rate for classified + Pr(~D| +) 52. 16%

False - rate for classified - Pr( D| -) 13. 18%

Correctly classified 86. 55%

9

. margins, dydx(lab)


Model VCE : OIM

Expression : Pr(Dexp), predict() dy/dx w.r.t. : lab


lab .0000443 1.86e-06 23.79 0.000 .0000407 .000048

. margins, dydx(age)


Model VCE : OIM

Expression : Pr(Dexp), predict() dy/dx w.r.t. : age


age -.000254 .0000768 -3.31 0.001 -.0004046 -.0001034

Logistic regression Number of obs

LR chi2(3)

Prob > chi2

Log likelihood = -36630.32 Pseudo R2

= 98774 = 4644.40 = 0.0000 = 0.0596

Dexp Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]

age .9976658 .0007054 -3.31 0.001 .9962842 .9990493

lab 1.000408 .0000172 23.66 0.000 1.000374 1.000442

DFDI 4.491499 .1164546 57.94 0.000 4.268955 4.725645

_cons .1209521 .0019139 -133.50 0.000 .1172585 .124762

10


Dengan data yang sama seperti soal 3, mahasiswa yang lain mencoba menguji faktor-faktor yang

mempengaruhi produktivitas namun dengan variabel yang lain yaitu nilai tambah per pekerja

(LABPROD). Adapun varibel yang diperkirakan mempengaruhi produktitas perusahaan tersebut

antara lain EMP, AGE, LAB, DFDI, dan DEXP. Namun si mahasiswa curiga bahwa variabel

EMP adalah variabel endogen yang dapat menyebabkan kesalahan spesifikasi model.

A. Dari informasi tabel-tabel yang diberikan, apa yang akan terjadi jika benar bahwa

variabel EMP adalah variabel yang bersifat ENDOGEN? Apa akibatnya jika kita tetap

mengestimasinya menggunakan OLS?

B. Dari tabel yang diberikan, tentukan arah bias dari koefisien yang diduga bersifat

ENDOGEN?

C. Apa solusi yang bisa dilakukan untuk mengatasi masalah Endogeneity?

D. Setelah dilakukan estimasi dengan menggunakan variabel instrumen, tentukan apa

metode estimasi yang tepat dan digunakan di Model 2 dan Model 3? Apa yang

membedakan keduanya?

E. Model manakah yang lebih baik untuk mengatasi masalah Endogeneity tersebut? Berilah

penjelasan berdasarkan informasi dan uji-uji yang telah dilakukan? Benarkah bahwa bahwa

EMP adalah variabel endogen? Tepatkah variabel-variabel instrumen yang digunakan untuk

memproksi EMP? Jika ya, berilah argumen menurut intuisi persyaratan variabel-variabel

instrumen yang baik dan juga buktikan menurut pengujian yang relevan!.

11

INSTRUMENTAL Model

(1) (2) (3)

OLS TSLSJUST TSLSOVER

emp 0.00015*** 0.00022*** 0.00079***

( 0.0000) (0.0000) (0.0000)

age 1.04603*** 1.06999*** 1.25722***

( 0.1275) (0.1287) (0.1418)

lab 0.03937*** 0.03718*** 0.02009***

( 0.0027) (0.0031) (0.0032)

DFDI 350.52263*** 330.03350*** 169.92825***

( 6.7418) (15.1239) (12.4667)

Dexp 11.85923** 17.83126*** 64.49765***

( 5.3432) (6.6477) (6.5967)

_cons 198.61185*** 172.94932*** -27.58176**

( 3.2396) (17.2580) (13.0060)

N 98774 98774 98774

r2 0.05516 0.05239 .

r2_a 0.05511 0.05234 .

p 0.00000 0.00000 0.00000 ll -7.63953e+05

Standard errors in parentheses

* p<0.10, ** p<0.05, *** p<0.01

12

. ivregress 2sls labprod (emp = ruggedness ) age lab DFDI Dexp, first

First-stage regressions

Number of obs = 98774

F( 5, 98768) = 939.65

Prob > F = 0.0000

R-squared = 0.0454


Root MSE = 4.117e+05

emp Coef. Std. Err. t P>|t| [95% Conf. Interval]

age -443.3234 95.0266 -4.67 0.000 - 629.5744 -257.0724 lab 30.20905 2.017401 14.97 0.000 26.25497 34.16313

DFDI 279609.5 4939.155 56.61 0.000 269928.8 289290.2

Dexp -78277.36 3971.592 -19.71 0.000 - 86061.63 -70493.08

ruggedness -26.66416 .9524546 -28.00 0.000 - 28.53096 -24.79736

_cons 394318.6 2572.383 153.29 0.000 389276.7 399360.4

Instrumental variables (2SLS) regression Number of obs = 98774 Wald chi2(5) = 4525.85

Prob > chi2 = 0.0000

R-squared = 0.0524

Root MSE = 553.84

labprod Coef. Std. Err. z P>|z| [95% Conf. Interval]

emp .0002229 .0000481 4.64 0.000 .0001287 .0003171 age 1.069989 .1287095 8.31 0.000 .8177233 1.322255

lab .0371785 .0030772 12.08 0.000 .0311474 .0432097

DFDI 330.0335 15.12387 21.82 0.000 300.3913 359.6757

Dexp 17.83126 6.64766 2.68 0.007 4.80209 30.86044

_cons 172.9493 17.25802 10.02 0.000 139.1242 206.7744

Instrumented: emp Instruments: age lab DFDI Dexp ruggedness

. estat endogenous

Tests of endogeneity

Ho: variables are exogenous

Durbin (score) chi2(1) = 2.29887 (p = 0.1295)

Wu-Hausman F(1,98767) = 2.29876 (p = 0.1295)

13

. estat firststage, forcenonrobust

First-stage regression summary statistics

Adjusted Partial Variable R-sq. R-sq. R-sq. F(1,98768) Prob > F

emp 0.0454 0.0454 0.0079 783.731 0.0000

Minimum eigenvalue statistic = 783.731

Critical Values # of endogenous regressors: 1 Ho: Instruments are weak # of excluded instruments: 1

5% 10% 20% 30% 2SLS relative bias (not available)

10% 15% 20% 25% 2SLS Size of nominal 5% Wald test 16.38 8.96 6.66 5.53

LIML Size of nominal 5% Wald test 16.38 8.96 6.66 5.53

. ivregress 2sls labprod (emp = ruggedness mfisiography mgeology) age lab DFDI Dexp, first

First-stage regressions

Number of obs = 98774

F( 7, 98766) = 816.73

Prob > F = 0.0000

R-squared = 0.0547


Root MSE = 4.097e+05

emp Coef. Std. Err. t P>|t| [95% Conf. Interval]

age -388.9311 94.61185 -4.11 0.000 -574.3691 -203.493

lab 29.65565 2.007639 14.77 0.000 25.7207 33.59059

DFDI 263635.6 4945.91 53.30 0.000 253941.6 273329.5

Dexp -70211.45 3961.977 -17.72 0.000 -77976.88 -62446.02

ruggedness -16.71902 1.033898 -16.17 0.000 -18.74544 -14.69259

mfisiography 34808.24 1120.614 31.06 0.000 32611.85 37004.63

mgeology 11273.42 1812.556 6.22 0.000 7720.832 14826.01

_cons 268604.3 5655.787 47.49 0.000 257519 279689.6

Instrumental variables (2SLS) regression Number of obs = 98774

Wald chi2(5) = 4170.22

Prob > chi2 = 0.0000

R-squared = .

Root MSE = 612.81

labprod Coef. Std. Err. z P>|z| [95% Conf. Interval]

emp .0007892 .0000356 22.16 0.000 .0007194 .000859

age 1.257224 .1418136 8.87 0.000 .9792739 1.535173

lab .0200892 .0031895 6.30 0.000 .0138378 .0263405

DFDI 169.9283 12.46674 13.63 0.000 145.4939 194.3626

Dexp 64.49765 6.596663 9.78 0.000 51.56843 77.42687

_cons -27.58176 13.00597 -2.12 0.034 -53.07299 -2.090527

Instrumented: emp Instruments: age lab DFDI Dexp ruggedness mfisiography mgeology

14

. estat endogenous

Tests of endogeneity

Ho: variables are exogenous

Durbin (score) chi2(1) = 402.012 (p = 0.0000)

Wu-Hausman F(1,98767) = 403.626 (p = 0.0000)

. estat overid

Tests of overidentifying restrictions:

Sargan (score) chi2(2) = 234.164 (p = 0.0000) Basmann chi2(2) = 234.701 (p = 0.0000)

. estat firststage, forcenonrobust

First-stage regression summary statistics

Adjusted Partial Variable R-sq. R-sq. R-sq. F(3,98766) Prob > F

emp 0. 0547 0. 0547 0.0175 588.031 0.0000

Minimum eigenvalue statistic = 588.031

Critical Values # of endogenous regressors: 1

Ho: Instruments are weak # of excluded instruments: 3

5% 10% 20% 30% 2SLS relative bias 13. 91 9.08 6.46 5.39

10% 15% 20% 25% 2SLS Size of nominal 5% Wald test 22. 30 12.83 9.54 7.80

LIML Size of nominal 5% Wald test 6. 46 4.36 3.69 3.32

15

ujian tengah semester fakultas ekonomi...

Documents