Ekonometrika
description
Transcript of Ekonometrika
Dr. Rahma Fitriani, S.Si., M.Sc
Ekonometrika
Program Studi Statistika
Semester Ganjil 2012
Dr. Rahma Fitriani, S.Si., M.Sc
Analisis lanjut di dalam Regresi Linier Skala dan unit pengukuran Pemilihan bentuk fungsional Perbandingan R2
Dr. Rahma Fitriani, S.Si., M.Sc
Skala dan unit pengukuran Contoh kasus:
Hubungan antara jumlah investasi swasta pada suatu daerah dengan pendapatan daerah tersebut
Jumlah investasi adalah fungsi dari pendapatan daerah Jumlah investasi swasta: GPDI Pendapatan daerah: GDP Keduanya diukur di dalam dua satuan:
Jutaan dollar (Millions of dollar): GPDI_Mil dan GDP_Mil Milyar dollar (Billions of dollar): GPDI_Bil dan GDP_Bil
GPDI_Mil = GPDI_Bil × 1000 GDP_Mil = GDP_Bil × 1000
Dr. Rahma Fitriani, S.Si., M.Sc
Tahun GPDI(Bil) GDP(Bil) GPDI(Mil) GDP(Mil)
1988 828.2 5865.2 828200 5865200
1989 863.5 6062 863500 6062000
1990 815 6136.3 815000 6136300
1991 738.1 6079.4 738100 6079400
1992 790.4 6244.4 790400 6244400
1993 863.6 6389.6 863600 6389600
1994 975.7 6610.7 975700 6610700
1995 996.1 6761.6 996100 6761600
1996 1084.1 6994.8 1084100 6994800
1997 1206.4 7269.8 1206400 7269800
Dr. Rahma Fitriani, S.Si., M.Sc
Hasil Pendugaan Model dalam Jutaan (Million)
^GPDI_Bil_ = -1.03e+03 + 0.302*GDP_Bil_ (258) (0.0399)
T = 10, R-squared = 0.877 (standard errors in parentheses)
^GPDI_Mil_ = -1.03e+06 + 0.302*GDP_Mil (2.58e+05) (0.0399)
T = 10, R-squared = 0.877 (standard errors in parentheses)
Model dalam Milyar (Billion)
Koefisien intercept dan standar error pada model Jutaan adalah 1000 kali model Milyar
Dr. Rahma Fitriani, S.Si., M.Sc
Jika perubahan skala dilakukan pada kedua peubah: eksogen maupun endogen
Efek dari perubahan skala pada intercept: Intercept tergantung pada skala peubah endogen (Y)
Gradien tidak mengalami perubahan Efek dari perubahan per unit peubah eksogen terhadap perubahan
peubah endogen Rasio kedua perubahan tersebut: ∆Y/∆X
Pemilihan skala harus masuk akal dan paling sederhana Milyar vs Juta Milyar memuat lebih sedikit nol: lebih sederhana
X
Y
21000: wskala
)()(*
)()(*
BilXwMilX
BilYwMilY
X
Y
Xw
Yw
X
Y
*
**2
Dr. Rahma Fitriani, S.Si., M.Sc
Bagaimana jika yang diubah skalanya hanya salah satu peubah?
Dr. Rahma Fitriani, S.Si., M.Sc
GDIP tetap dalam satuan Milyar (Bil), tapi GDP menggunakan satuan Juta (Mil)
^GPDI_Bil_ = -1.03e+03 + 0.302*GDP_Bil_ (258) (0.0399)
T = 10, R-squared = 0.877 (standard errors in parentheses)
^GPDI_Bil_ = -1.03e+03 + 0.000302*GDP_Mil (258) (3.99e-05)
T = 10, R-squared = 0.877 (standard errors in parentheses)
Intercept tidak berubah: mengikuti skala dari peubah endogen (GPDI)
Gradien mengalami perubahan, mengikuti perubahan skala:1/1000 dari gradien model awal
Dr. Rahma Fitriani, S.Si., M.Sc
X
Y
2
1000: wskala)()(*
)(*
BilXwMilX
BilYY
X
Y
wXw
Y
X
Y
1
*
**2 2
1 w
Dr. Rahma Fitriani, S.Si., M.Sc
Mengukur Elastisitas: Model Log Linier Data pengeluaran per kapita setiap kuartal dari tahun
1993 (kuartal I) s/d 1998 (kuartal III)
Berdasarkan data total pengeluaran pribadi, ingin diukur berapa pengeluaran untuk barang tahan lama (“durable”)
Peubah yang diamati adalah PCEXP: Total pengeluaran pribadi perkapita (jutaan dollar 1992) EXPDUR: Pengeluaran untuk durable goods (jutaan dollar 1992)
EXPDUR: endogen, PCEXP: eksogen
Ingin diukur elastisitas total pengeluaran terhadap pengeluaran terhadap durable goods
Dr. Rahma Fitriani, S.Si., M.Sc
Plot Model Linier EXPDUR vs PCEXP
1300
1350
1400
1450
1500
1550
1600
4300 4400 4500 4600 4700 4800 4900 5000 5100 5200
EX
PD
UR
PCEXP
EXPDUR versus PCEXP (with least squares fit)
Y = 342. + 0.233X
Dr. Rahma Fitriani, S.Si., M.Sc
Plot log EXDUR vs log PCEXP
7.18
7.2
7.22
7.24
7.26
7.28
7.3
7.32
7.34
7.36
8.36 8.38 8.4 8.42 8.44 8.46 8.48 8.5 8.52 8.54
l_E
XP
DU
R
l_PCEXP
l_EXPDUR versus l_PCEXP (with least squares fit)
Y = 0.815 + 0.764X
Dr. Rahma Fitriani, S.Si., M.Sc
Kedua model menunjukkan hubungan linier yang nyata.
Model yang digunakan sesuai dengan tujuan: Memperoleh koefisien elastisitas dari total
pengeluaran pribadi terhadap pengeluaran untuk durable goods
Model log-linier lebih tepat: β2 mengukur koefisien elastisitas
Dr. Rahma Fitriani, S.Si., M.Sc
Pendugaan untuk kedua Model
^EXPDUR = 342 + 0.233*PCEXP (18.4)(0.00393)
T = 23, R-squared = 0.994 (standard errors in parentheses)
^l_EXPDUR = 0.815 + 0.764*l_PCEXP (0.107) (0.0127)
T = 23, R-squared = 0.994 (standard errors in parentheses)
Kedua model berarti secara statistik
1 juta $ kenaikan total pendapatan pribadi menaikkan pengeluaran untuk durable goods sebesar 0.233 juta $
1 % kenaikan total pendapatan pribadi menaikkan pengeluaran untuk durable goods sebesar 0.764%
KOEFISIEN ELASTISITAS
Dr. Rahma Fitriani, S.Si., M.Sc
Mengukur Laju Pertumbuhan: Log-Lin Model Data pengeluaran per kapita setiap kuartal dari tahun
1993 (kuartal I) s/d 1998 (kuartal III)
Peubah yang diamati adalah PCEXP: Total pengeluaran pribadi perkapita (jutaan dollar 1992)
Ingin diukur laju pertumbuhan dari total pengeluaran pribadi per kapita dari waktu t ke waktu t+1
Digunakan peubah index waktu 1993: I → 1 1993: II → 2 1993: III → 3 dst
Dr. Rahma Fitriani, S.Si., M.Sc
Model pertumbuhan:
tt rYY 10
Nilai pada waktu t
Nilai pada waktu awal
r: persentase pertumbuhan relatif terhadap awal
rtYYt 1lnlnln 0
21ln tYt
dt
Yd tln2
dtt
t
YdY
Laju pertumbuhanunit waktu 1 setiap
perubahan %%1002
Y
Dr. Rahma Fitriani, S.Si., M.Sc
Pendugaan Model Log-Lin^l_PCEXP = 8.35 + 0.00814*time (0.00266)(0.000194)
T = 23, R-squared = 0.988 (standard errors in parentheses)
Dari kuartal t ke kuartal t +1 pengeluaran pribadi meningkat sebesar 0.814%
Log dari pengeluaran pribadi pada t=0: 8.35
81.4230)35.8exp(
35.8ln
0
10
PCEXP
PCEXP
Pengeluaran pribadi pada t = 0: tahun 1992: IV, sebesar 4230.81 juta dollar
Dr. Rahma Fitriani, S.Si., M.Sc
Engel Expenditure Model: Lin log Model Hubungan antara pengeluaran untuk makanan dan total
pengeluaran.
Pengeluaran untuk makanan tergantung dari total pengeluaran.
Engel Expenditure: Total pengeluaran meningkat secara geometrik Total pengeluaran untuk makanan meningkat secara aritmatik
Data pengeluaran untuk makanan vs total pengeluaran pada 28 daerah di India
Linier model: Pengeluaran untuk makanan= f (Total Pengeluaran)
Lin Log model: Pengeluaran untuk makanan= f(ln Total Pengeluaran)
Dr. Rahma Fitriani, S.Si., M.Sc
Total Pengeluaran (X) vs Pengeluaran untuk Makanan (Y)
Linier model
Lin-Log model
350 400 450 500 550 600 650 7000
50
100
150
200
250
300
350
400
450
Total Pengeluaran
Pengeluaran Untuk Makanan
Pengeluaran Untuk Makanan
5.9 6 6.1 6.2 6.3 6.4 6.5 6.60
50
100
150
200
250
300
350
400
450
Ln Total Pengeluaran
Dr. Rahma Fitriani, S.Si., M.Sc
ii XY ln21
Xd
dY
ln2 XdX
dY
X
dXdY 2 %100
1002
X
dX
X
Y
perubahan %1
perubahanunit 1
1002
1% perubahan X
Dr. Rahma Fitriani, S.Si., M.Sc
^FoodExp = 104 + 0.412*TotExp (62.8)(0.113)
n = 28, R-squared = 0.337 (standard errors in parentheses)
^FoodExp = -1.03e+03 + 216*l_TotExp (359) (57.0)
n = 28, R-squared = 0.357 (standard errors in parentheses)
Linier Model
Lin-Log Model
1 Rupee peningkatan total pengeluaran meningkatkan kenaikan pengeluaran untuk makanan sebesar 0.412 rupee
1 Rupee peningkatan total pengeluaran meningkatkan kenaikan pengeluaran untuk makanan sebesar 2.16 %
1 % peningkatan total pengeluaran meningkatkan kenaikan pengeluaran untuk makanan sebesar 2.16 rupee.
Dr. Rahma Fitriani, S.Si., M.Sc
Pemilihan bentuk fungsional berdasarkan perbandingan nilai R2
Perbandingan dua nilai R2 boleh dilakukan pada: Dua atau beberapa model dengan peubah endogen (Y) dengan bentuk
fungsional yang sama Ukuran sampel yang sama Bentuk fungsional peubah eksogen boleh berbeda
Semakin tinggi R2 tidak berarti semakin baik modelnya Yang utama dalam pemilihan model
Kesesuaian tanda dari penduga koefisien dengan teori ekonomi yang mendasari
Keberartian penduga koefisien tersebut secara statistik
Peneliti harus lebih memperhatikan hubungan logis/teoritis dari peubah eksogen terhadap peubah endogen
Jika penduga koefisien nyata secara statistik, dengan tanda sesuai dengan teori: Model tetap dianggap baik walaupun R2 kecil.