Penaksir Maksimum Likelihood
-
Upload
gema-satria -
Category
Documents
-
view
53 -
download
0
description
Transcript of Penaksir Maksimum Likelihood
INTEGRAL, Vol. 8 No. 1, April 2003
11
PENAKSIR MAKSIMUM LIKELIHOOD BAGI MODEL PROBIT DAN MODEL PROBIT BIVARIAT
Benny Yong
Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Katolik Parahyangan, Bandung 40141
E-mail : [email protected]
Intisari Tulisan ini menyajikan bagaimana mencari penaksir bagi model probit dan model probit bivariat , yaitu dengan metode maksimum likelihood .
Abstract This paper describes how to find the estimator for a probit model and for a bivariate probit model by maximum likelihood method .
Diterima : 19 Februari 2003
Disetujui untuk dipublikasikan : 7 Maret 2003 I. Metode Maksimum Likelihood
Misalkan nXXX ,...,, 21
menyatakan peubah acak yang saling bebas dengan fungsi padat peluangnya dinyatakan oleh
( )θ,ixf , dengan θ adalah
parameter yang akan ditaksir dengan metode maksimum likelihood. Maka fungsi padat peluang gabungannya adalah :
( ) ( ) ( ) ( )
( )∏=
=n
i
nn
xf
xfxfxfxxxf
1
2121
,
,...,.,;...,,
θ
θθθθ
= ( )nxxxL ,...,, 21θ
= ( )θL (disebut like-
lihood function) Taksiran maksimum likelihood untuk θ adalah nilai θ yang memaksimumkan L . Nilai θ yang memaksimumkan L adalah sama dengan nilai θ yang memaksimumkan Lln .
II. Model Probit Model probit adalah model tak linear ya ng menggunakan bilangan biner (peubah dummy ) sebagai peubah takbebasnya dan mengandaikan faktor disturbance ( galat ) iµ
berdistribusi normal ( )2,0 σN . Peubah dummy yang dimaksud disini adalah jenis peubah diskret yang mempunyai dua nilai. Misalkan ada peubah respons *
iΥ
yang menunjukkan sentimen atau perasaan individu terhadap suatu hal , contohnya sikap seseorang terhadap suatu par tai tertentu . Peubah respons ini dipengaruhi oleh berbagai karakteristik individu dan kondisi lingkungan sehingga
persamaan *iΥ dapat
dituliskan sebagai *
iΥ =
INTEGRAL, Vol. 8 No. 1, April 2003
12
ii µβ +Χ' , dengan 'β adalah
vektor koefisien dan iΧ adalah
vektor peubah bebas.
*iΥ tidak dapat diamati tetapi kita
dapat mengamati tindakan / piliha n
tindakan individu bila *
iΥ melewat i batas tertentu . Misalkan
, jika *
iΥ > 0, maka 1=Υi dan
jika 0* ≤Υi , maka 0=Υi . Dari
hal tersebut diperoleh:
( ) ( ) ( )( )
( )( )i
i
ii
iiii
F
F
P
PPP
Χ=
Χ−−=
Χ−>=
>+Χ=>Υ==Υ
'
'
'
'*
1
001
β
β
βµ
µβ
Demikian pula untuk 0=Υi , diperoleh: ( ) ( )ii FP Χ−==Υ '0 β = ( )iF Χ− '1 β ,
dengan ( ) dteF
i
t
i ∫
Χ−
∞−
−=Χ−
σβ
πβ
'
2
2
1'
2
1 dan ( )iF Χ− 'β berdistribusi normal
( )1,0N .
Model dengan peluang sukses ( )ixF 'β dengan n pengamatan yang saling bebas memberikan fungsi kemungkinannya sebagai berikut :
( ) ==Υ=Υ=Υ nn yyyP ,...,, 2211 ( )( ) ( )( )∏ ∏= =
−0 1
''1i iy y
ii xFxF ββ
yang dapat ditulis sebagai : ( ) ( )[ ]∏ −−=
ny
iy
iii xFxFL
1
1'' 1 ββ .
Dengan melogaritmakan fungsi kemungkinannya diperoleh:
( ) ( ) ( )( )∑ ∑ −−+=n n
iiii xFyxFyL1 1
'' 1ln1lnln ββ
Kemudian untuk memaksimumkannya dihasilkan :
( )( ) ( ) ( )( ) ( )( ) ( )
( )( )( ) ( )( ) ( ) 0
1
1
11ln
1
'''
'
'
1''
''
=−
−=
−−−−
=∂
∂
∑
∑
i
n
iii
ii
ii
n
ii
iiii
xxfxFxF
xFy
xxfxFxF
xFyxFyL
βββ
β
βββ
βββ
Karena model probit mengandaikan iµ berdistribusi normal ( )2,0 σN maka
fungsi kemungkinan yang telah dilogaritmakan ( log-likelihood ) menjadi :
( )( ) ( )∑∑==
Φ+Φ−=1
'
0
' ln1lnlnii y
iy
i xxL ββ , ( )ix'βΦ adalah fungsi distribusi
dari peubah acak yang berdistribusi normal . Turunan pertamanya untuk memaksimumkan L adalah :
INTEGRAL, Vol. 8 No. 1, April 2003
13
( )( ) i
n
ii
iii
yii
yii
yi
i
i
yi
i
i
xxqxqq
xx
xxL
ii
ii
∑
∑∑
∑∑
Φ=
+=
Φ+
Φ−−
=∂
∂
==
==
1'
'
1
1
0
0
101ln
ββφ
λλ
φφβ
∑ ==n
ii x1
0λ , dengan 12 −= ii yq
Koefisien MLβ ( penaksir maksimum likehood ) dapat dicari dari persamaan
0ln
=∂
∂β
L .
III. Model Probit Bivariat
Model probit bivariat adalah model yang dikembangkan dari model probit dengan menggunakan dua peubah dummy sebagai peubah tak bebasnya . Model ini mengandaikan faktor disturbance ( galat ) iµ berdistribusi normal bivariat.
Secara umum, model untuk dua persamaan dapat dituliskan sebagai berikut:
111*
1 ' iiiy µβ +Χ= , 11 =iy , jika 0*1 >iy
01 =iy , untuk yang lain
222*
2 ' iiiy µβ +Χ= , 12 =iy , jika 0*2 >iy
02 =iy , untuk yang lain
Dalam model probit bivariat , model untuk dua persamaan ini diandaikan sebagai berikut :
( ) ( )( ) ( )( ) ( )( ) ( )( )[ ]
( )ρ
µµµµµµµµ
µµ
µµ
=
Ε=Ε−Ε−Ε=
==
=Ε=Ε
21
221121
21
21
,
1
0
CovVarVar
Misalkan fungsi distribusi dari normal bivariat adalah :
( ) ( ) ( )∫ ∫∞− ∞−
Φ==<Χ<Χ2 1
,,,,, 212212122211
x x
xxdzdzzzxxP ρρφ
dengan fungsi padat peluangnya adalah :
( )( ) ( )
( )2
1/22
1
21212
,,
221
22
21
ρπρφ
ρρ
−=
−−+− xxxxexx ,
angka 2 pada 2φ dan 2Φ masing - masing menunjukkan fungsi padat peluang dan fungsi distribusi dari normal bivariat .
INTEGRAL, Vol. 8 No. 1, April 2003
14
Misalkan 12 11 −= ii yq dan 12 22 −= ii yq
Diketahui 1=ijq jika 1=ijy dan 1−=ijq jika 2,10 =∀= jyij
Kemudian dimisalkan kembali ijjij xz 'β= dan 2,1=∀= jzqw ijijij
serta ρρ 21*
iii qq=
Maka didapat fungsi kemungkinannya adalah :
( ) ( )*2122211 ,,, iiiii wwyyP ρΦ==Υ=Υ
Bukti : Bila : a) 01 =iy dan 02 =iy
Maka 11 −=iq dan 12 −=iq . Kemudian diperoleh :
( ) ( )( )
* *1 2 1 2
' '1 1 1 2 2 2
0, 0 0, 0
0, 0
i i
i i i i
P P y y
P x xβ µ β µ
Υ = Υ = = < <
= + < + <
= ( )2'
221'
11 , iiii xxP βµβµ −<−<
= ( )∫∫−
∞−
−
∞−
1'
12'
2
21212 ,,ii x
iiii
x
ddββ
µµρµµφ
= ( )ρββ ,, 2'
21'
12 ii xx −−Φ
= ( )ρ2122112 ,, iiiiii qqzqzqΦ
= ( )*212 ,, iii ww ρΦ
b) 01 =iy dan 12 =iy
Maka 11 −=iq dan 12 =iq . Kemudian diperoleh :
( ) ( )( )
* *1 2 1 2
' '1 1 1 2 2 2
0, 1 0, 0
0, 0
i i
i i i i
P P y y
P x xβ µ β µ
Υ = Υ = = < >
= + < + >
= ( )2'
221'
11 , iiii xxP βµβµ −>−<
= ( )∫∫−
∞−
∞
−
1'
1
2'
2
21212 ,,i
i
x
iiiix
ddβ
β
µµρµµφ
( misalkan : 22 iiw µ−= )
= ( )∫∫−
∞−
−∞
−−1
'1
2'
2
21212 ,,i
i
x
iiiix
dwdwβ
β
µρµφ
= ( )∫∫−
∞−∞−
−1
'12
'2
21212 ,,ii x
iiii
x
dwdwββ
µρµφ
=
( )( )( )
∫∫−
∞−
−−−+−
∞− −
1'
12
212
22
1
2'
2
212
12
2
12
i
iiii
i x
ii
wwx
dwdeβ ρρµµ
β
µρπ
INTEGRAL, Vol. 8 No. 1, April 2003
15
=
( )( )( )
∫∫−
∞−
−−−+−
∞− −
1'
12
212
22
1
2'
2
212
12
2
12
i
iiii
i x
ii
wwx
dwdeβ ρ
µρµβ
µρπ
= ( )∫∫−
∞−∞−
−1
'12
'2
21212 ,,ii x
iiii
x
dwdwββ
µρµφ
= ( )ρββ −−Φ ,, 2'
21'
12 ii xx
= ( )ρ2122112 ,, iiiiii qqzqzqΦ
= ( )*212 ,, iii ww ρΦ
c) 11 =iy dan 02 =iy ( Untuk hal ini buktinya serupa dengan hal b) ) .
d) 11 =iy dan 12 =iy
Maka 11 =iq dan 12 =iq . Kemudian diperoleh :
( ) ( ) ( )0,00,01,1 22'
211'
1*
2*
121 >+>+=>>==Υ=Υ iiiiii xxPyyPP µβµβ
= ( )2'
221'
11 , iiii xxP βµβµ −>−>
= ( )∫∫∞
−
∞
− 1'
12'
2
21212 ,,ii x
iiiix
ddββ
µµρµµφ (misalkan: 11 iiw µ−= dan 22 iiw µ−= )
= ( )( )( )∫∫−∞−∞
−−−−1
'12
'2
21212 ,,ii x
iiiix
dwdwwwββ
ρφ
= ( )∫∫−∞−∞
1'
12'
2
21212 ,,ii x
iiiix
dwdwwwββ
ρφ
= ( )∫∫∞−∞−
1'
12'
2
21212 ,,ii x
iiii
x
dwdwwwββ
ρφ
= ( )ρββ ,, 2'
21'
12 ii xxΦ
= ( )ρ2122112 ,, iiiiii qqzqzqΦ
= ( )*212 ,, iii ww ρΦ
Dari a) sampai d) , terbukti bahwa ( ) ( )*2122211 ,,, iiiii wwyyP ρΦ==Υ=Υ .
Misalkan dilakukan n pengamatan yang saling bebas . Ini memberikan fungsi
kemungkinannya sebagai berikut : ( )*212
1
,, iii
n
wwL ρΦ= ∏
Dengan demikian diperoleh : ( )∑ Φ=n
iii wwL1
*212 ,,lnln ρ
Turunan dari fungsi kemungkinannya yang telah dilogaritmakan ( log-likelihood ) adalah :
2,1ln
1 2
=∀
Φ=
∂∂ ∑ jx
gqL n
ijijij
jβ , dengan ( )
−
−Φ=
2*
1*
211
1 i
iiiii
wwwg
ρ
ρφ
INTEGRAL, Vol. 8 No. 1, April 2003
16
∑
Φ=
∂∂ n
ii qqL
1 2
221ln φρ
Bukti :
( )∑ Φ=n
iii wwL1
*212 ,,lnln ρ = ( )∑ Φ
n
iiiii xqxq1
*2
'221
'112 ,,ln ρββ
Dari ( )( ) ( )
( )2
1/22
1
21212
,,
221
22
21
ρπρφ
ρρ
−=
−−+− xxxxexx , diperoleh :
( )*2
'221
'112 ,, iiiii xqxq ρββΦ =
( )
∫∫∞−
−
−+−
∞− −
1'
11
2
2*
*22
2'
22
*
12
2
12
iii
i
ii xq
i
uvvu
xq
dudveβ ρ
ρ
β
ρπ , maka :
( )( )
∫ ∫∞− ∞− −
−
−+−
∂∂=
∂Φ∂ 2
'22 1
'11
2
2
*
*
*22
11
*2
'221
'112
12
12
2exp
),,( ii iixq xq
i
i
i
iiiii dudv
uvvu
xqxq β β
ρπ
ρ
ρ
ββρββ
= dvxqe
ii
xq
i
vxqvxq
iii
iiiii
11*
12
2
2'
22
2
2*
1'
11*22
1
2'1
21
12∫∞−
−
−+−
−
β ρ
βρβ
ρπ
=
( )
dveexq ii
i
iii
i
ii
xqvxqv
xq
i
ii ∫∞−
−
−−
−
−
−
2'
222*
1'
11*2
2*
21
2'1
21
2
12
2
12
*
11
12
β ρ
βρ
ρ
β
ρπ
=
( ) ( )
dveexq ii
i
iiiiii
i
ii
xq
xqxqvxq
i
ii ∫∞−
−
−−−
−
−
−
2'
22 2*
2
1'
11*2
1'
11*
2*
21
2'1
21
2
1212
*
11
12
βρ
βρβρ
ρ
β
ρπ
=
( )
dveeexq ii
i
iii
i
iii
i
ii
xq
xqvxqxq
i
ii ∫∞−
−
−−
−
−
−
−
2'
22 2*
2
1'
11*
2*
21
2'1
21
2*
2*
21
2'1
21
2
121212
*
11
12
βρ
βρ
ρ
βρ
ρ
β
ρπ
=
( )
dveexq ii
i
iii
ii xq
xqvxq
i
ii ∫∞−
−
−−
−
−
2'
22 2*
2
1'
11*
21
2'1
21
2
122
*
11
12
βρ
βρβ
ρπ
INTEGRAL, Vol. 8 No. 1, April 2003
17
= ( )
( )
dveexqii
i
iii
ii xq
xqv
i
xq
ii ∫∞−
−
−−
−
−
2'
22 2*
2
1'
11*
2
21
2'1
21
12
*
211
12
1
2
1β
ρ
βρβ
ρππ
= 111 iii gxq
dengan ( )
( ) ( )11'
1122
2
1'
11
21
2'1
21
2
1
2
1iii
xqxq
wxqeeii
ii
φβφππ
ββ
===−
−
dan
( )
( )
−
−Φ=
−∫∞−
−
−−
2
2'
222*
21
'11
*
2 *
1'
11*
2'
2212
* 112
1
i
iiiiixq
xqv
i
xqxqdve
iii
iii
ρ
βρβ
ρπ
β ρ
βρ
=
−
−Φ
2*
1*
2
1 i
iii ww
ρ
ρ
Dengan demikian diperoleh : 1111
*2
'221
'112 ),,(
iiiiiiii gxq
xqxq=
∂Φ∂
βρββ
Jadi : ( )( )∑
∂Φ∂
Φ=
∂∂ n
iii
iii
wwww
L
1 1
*212
*2121
,,
,,
1lnβ
ρ
ρβ
= ( )( )
∑
∂Φ∂
Φ
niiiii
iii
xqxqww1 1
*2
'221
'112
*212
,,
,,
1β
ρββ
ρ
= ( )∑Φ
n
iiiiii
gxqww1
111*212 ,,
1
ρ = ( ) 1
1*
212
11
,,i
n
iii
ii xwwgq∑
Φ ρ
Demikian pula bukti untuk 2
ln
β∂∂ L
, buktinya serupa dengan 1
ln
β∂∂ L
.
Diperoleh : 2
ln
β∂∂ L
= ( ) 21
*212
22
,,i
n
iii
ii xwwgq∑
Φ ρ
Jadi terbukti bahwa : 2,1ln
1 2
=∀
Φ
=∂
∂ ∑ jxgqL n
ijijij
jβ , dengan
( )
−
−Φ=
2*
1*
211
1 i
iiiii
wwwg
ρ
ρφ .
Sedangkan bukti untuk
∑
Φ
=∂
∂ nii qqL
1 2
221ln φρ
dapat secara
langsung diperoleh dengan mudah
dari persamaan
( )∑ Φ=n
iii wwL1
*212 ,,lnln ρ .
INTEGRAL, Vol. 8 No. 1, April 2003
18
Penaksir maksimum likelihood untuk model probit bivariat ini dapat diperoleh dengan cara menyusun secara serentak ketiga
turunannya (yaitu : ,ln
,ln
21 ββ ∂∂
∂∂ LL
dan ρ∂
∂ Lln) sama dengan nol,
dimana proses pencariannya dapat menggunakan metode iterasi Newton dengan alat bantu software , salah satunya adalah software LIMDEP .
IV. Penutup
Metode maksimum likelihood merupakan salah satu metode penaksiran yang memenuhi kriteria penaksir yang baik . Khususnya untuk ukuran sampel yang cukup besar , seperti data yang digunakan untuk model probit dan model probit bivariat , metode ini sangat baik digunakan . Sifat – sifat penaksir maksimum likelihood antara lain konsisten ,
berdistribusi normal asimtotik dan efisien asimtotik .
V. Pustaka
[1] Greene , William H , “Econometrics Analysis” , Macmillan , Inc. , 1995
[2] Gujarati , D. , “Basic Econometrics”, McGraw-Hill , Inc. , 1978
[3] Hoel , P . G . , “Introduction to Mathematical Statistics” , John Wiley and Sons , Inc. , 1984
[4] Hogg and Craig , “Introduction to Mathematical Statistics”, Prentice-Hall , Inc. , 1995
[5] Maddala , G . S . , “Limited Dependent and Qualitative Variables in Econometrics” , Cambridge Univ . Press , 1983
[6] Myers and Walpole , “Probability and Statistics for Engineers and Scientists” , Macmillan , Inc. , 1978