Regresi Komponen Utama Persamaan Permintaan Kedelai
4
LAMPIRAN REGRESI KOMPONEN UTAMA PERSAMAAN PERMINTAAN KEDELAI 1. Data ln(QD), ln(HD), ln(Y) dan ln (Pop) yang telah di standardize No . ZHD ZY ZPOP 1 - 1,82682 - 1,85308 - 1,90041 2 - 1,73479 - 1,65801 - 1,73807 3 - 1,38981 - 1,52142 - 1,64743 4 - 1,22530 - 1,33815 - 1,43380 5 - 1,07084 - 1,17023 - 1,28031 6 - 0,91769 - 1,20557 - 1,12681 7 - 0,84680 - 1,02690 - 0,97330 8 - 0,79914 - 0,88237 - 0,81981 9 - 0,59056 - 0,84210 - 0,67234 10 - 0,52582 - 0,72765 - 0,52486 11 - 0,48647 - 0,63024 - 0,37738 12 - 0,41871 - 0,50072 - 0,22989 13 - - - 0,33975 0,29279 0,24526 14 - 0,27970 - 0,08578 - 0,10221 15 - 0,10724 0,12047 0,01579 16 - 0,04077 0,28009 0,13147 No . ZHD ZY ZPOP 17 0,05198 0,44199 0,24484 18 0,34953 0,61335 0,35587 19 0,29080 0,81017 0,46414 20 0,32972 0,98720 0,57062 21 0,34863 1,08138 0,67576 22 0,37701 0,61045 0,77948 23 0,48751 0,59050 0,70108 24 0,52957 0,69240 0,82015 25 0,98779 0,75723 0,91354 26 1,19505 0,84712 1,00624 27 1,17278 0,94521 1,09817 28 1,30520 1,05059 1,18729 29 1,46527 1,17511 1,27907 30 1,74957 1,29418 1,36967 31 1,95983 1,43757 1,45869 2. Memfaktorkan variabel independen ini, agar mendapatkan variabel baru yang dapat mewakilkan keseluruhan data. Principal Component Analysis: ZHD; ZY; ZPOP Eigenanalysis of the Correlation Matrix Eigenvalue 2,9411 0,0487 0,0102 Proportion 0,980 0,016 0,003 Cumulative 0,980 0,997 1,000 Variable PC1 PC2 PC3 ZHD 0,575 -0,740 -0,348 ZY 0,576 0,669 -0,470 ZPOP 0,581 0,070 0,811
Transcript of Regresi Komponen Utama Persamaan Permintaan Kedelai
LAMPIRAN
REGRESI KOMPONEN UTAMA PERSAMAAN PERMINTAAN KEDELAI
1. Data ln(QD), ln(HD), ln(Y) dan ln (Pop) yang telah di standardize
No. ZHD ZY ZPOP
1 -1,82682 -1,85308 -1,90041
2 -1,73479 -1,65801 -1,73807
3 -1,38981 -1,52142 -1,64743
4 -1,22530 -1,33815 -1,43380
5 -1,07084 -1,17023 -1,28031
6 -0,91769 -1,20557 -1,12681
7 -0,84680 -1,02690 -0,97330
8 -0,79914 -0,88237 -0,81981
9 -0,59056 -0,84210 -0,67234
10 -0,52582 -0,72765 -0,52486
11 -0,48647 -0,63024 -0,37738
12 -0,41871 -0,50072 -0,22989
13 -0,33975 -0,29279 -0,24526
14 -0,27970 -0,08578 -0,10221
15 -0,10724 0,12047 0,01579
16 -0,04077 0,28009 0,13147
No. ZHD ZY ZPOP
17 0,05198 0,44199 0,24484
18 0,34953 0,61335 0,35587
19 0,29080 0,81017 0,46414
20 0,32972 0,98720 0,57062
21 0,34863 1,08138 0,67576
22 0,37701 0,61045 0,77948
23 0,48751 0,59050 0,70108
24 0,52957 0,69240 0,82015
25 0,98779 0,75723 0,91354
26 1,19505 0,84712 1,00624
27 1,17278 0,94521 1,09817
28 1,30520 1,05059 1,18729
29 1,46527 1,17511 1,27907
30 1,74957 1,29418 1,36967
31 1,95983 1,43757 1,45869
2. Memfaktorkan variabel independen ini, agar mendapatkan variabel baru yang dapat mewakilkan keseluruhan data.
3. Untuk mengetahui berapa banyak faktor yang akan digunakan, dapat melihat nilai EigenValue dari variabel independen yang digunakan, sebelum melanjut ke langkah selanjutnya.
PC1 PC2 PC3
0,574908 -0,740320 -0,348436
0,576058 0,668643 -0,470185
0,581066 0,069594 0,810875
Principal Component Analysis: ZHD; ZY; ZPOP
Eigenanalysis of the Correlation Matrix
Eigenvalue 2,9411 0,0487 0,0102Proportion 0,980 0,016 0,003Cumulative 0,980 0,997 1,000
Variable PC1 PC2 PC3ZHD 0,575 -0,740 -0,348ZY 0,576 0,669 -0,470ZPOP 0,581 0,070 0,811
No. W1 W2 W3
1 -3,757 0,329 0,0672 -3,358 0,100 0,1003 -3,079 0,308 -0,0134 -2,968 0,802 0,0775 -2,546 0,572 0,0476 -2,580 1,003 -0,0237 -1,171 -1,303 -0,3258 -1,693 0,171 -0,0199 -1,144 -0,400 -0,23610 -1,078 -0,119 -0,15811 -0,723 -0,473 -0,17912 -0,564 -0,355 -0,11913 -0,226 -0,685 -0,07614 0,042 -0,708 0,02315 0,511 -1,006 -0,00116 0,629 -0,811 0,095No. W1 W2 W3
17 0,788 -0,661 0,16818 1,048 -0,417 0,11919 1,166 -0,362 0,30820 1,177 0,015 0,46621 1,086 0,467 0,59122 1,465 -0,691 0,03523 1,291 -0,309 0,00824 1,250 0,103 0,11525 1,609 0,228 -0,14326 1,708 0,546 -0,17627 1,781 0,602 -0,08328 1,983 0,622 -0,10029 2,169 0,742 -0,10630 2,496 0,747 -0,22231 2,690 0,940 -0,238
4. Terdapat satu faktor yang memiliki nilai EigenValue lebih dari satu, maka kita akan gunakan satu faktor, yaitu W1.W1=PC1PC1=0,574908 Z1+0,576058 Z2 +0,581066 Z3 Meregresikan variabel Ln(QD) dengan W1 dengan metode two stage least square
Dependent Variable: LQDMethod: Two-Stage Least SquaresDate: 12/28/13 Time: 07:50Sample: 1 31Included observations: 31White Heteroskedasticity-Consistent Standard Errors & CovarianceLQD=C(1)+C(2)*W1Instrument list: C LPD LY LPOP LBM LHI
Coefficient Std. Error t-Statistic Prob.
C(1) 14.32302 0.047999 298.4022 0.0000C(2) 0.166652 0.028901 5.766303 0.0000
R-squared 0.541026 Mean dependent var 14.32302Adjusted R-squared 0.525199 S.D. dependent var 0.387845S.E. of regression 0.267247 Sum squared resid 2.071213F-statistic 34.24745 Second-Stage SSR 2.066710Prob(F-statistic) 0.000002
0
1
2
3
4
5
6
7
8
-0.4 -0.2 -0.0 0.2 0.4 0.6
Series: ResidualsSample 1 31Observations 31
Mean 4.33e-15Median -0.029483Maximum 0.541365Minimum -0.472325Std. Dev. 0.262755Skewness 0.185473Kurtosis 2.019186
Jarque-Bera 1.420314Probability 0.491567
Heteroskedasticity Test: White
F-statistic 0.846698 Prob. F(2,28) 0.4395Obs*R-squared 1.767910 Prob. Chi-Square(2) 0.4131Scaled explained SS 0.788417 Prob. Chi-Square(2) 0.6742
Hasil pemodelan tidak memiliki masalah heteroskedastisitas (dari uji heteroskedastik secara umum dari White), dan error sudah menyebar normal (Normality Test). Semua variabel signifikan saat dilakukan uji-t maupun uji F, selain itu R2 cukup baik, yakni sebesar 54,1%. Maka kita dapat nyatakan bahwa model sudah cukup baik.
5. Mengubah hasil pemodelan faktor ini menjadi semula, dengan menggunakan nilai PC yang kita gunakan sebelumnya.
LQD =14.32302 + 0.171571 W1LQD =14.32302 + 0.171571 PC1LQD =14.32302 + 0.166652 (0,574908 Z1+0,576058 Z2 +0,581066 Z3)LQD = 14.32302 + 0,09581 Z1+ 0,096 Z2 + 0,09684 Z3 LQD = 3,233286 + 0,105878 Ln(HD) + 0,29591 Ln(Y) + 0,69063 Ln(POP)
