PENGANTAR APLIKASI EKONOMETRI DENGAN EVIEWS

by: Poltak “ Polsky”Harahap

Eviews merupakan software statistik yang berbasis windows. Eviews digunakan peneliti

sebagai alat JUSTIFIKASI terhadap penelitian yang dilakukan. Eviews dapat digunakan

dalam berbagai analisis ekonomi dan bisnis. Seoarang peneliti dapat menggunakan

Eviews untuk menganalisis data, mengevaluasi model, analisis finansial, peramalan

kondisi ekonomi makro/mikro, simulasi, peramalan penjualan/pembelian, pengukuran

efektivitas kebijakan, dll. Keunggulan dari software eviews adalah eviews mampu

mengolah data ekonomi secara terpisah dan bersama-sama semua bentuk data seperti

runtut waktu (time series), lintas sektoral (cross section), dan panel (pooling).

1. Menjalankan program EVIEWS

Gambar 1

Menjalankan eviews sama dengan software lain dalam computer. Caranya klik icon

eviews dua kali pada desktop, maka akan muncul tampilan eviews seperti gambar diatas.

Menu utama (main menu) dari eviews yakni; File, Edit Objects, Views, Procs, Ouick,

Option, Window dan Help. space kosong dibawah main menu adalah tempat yang

digunakan untuk menulis perintah (command eviews) secara manual.

2. Menciptakan kertas kerja (workfile)

Sebelum menciptakan kertas kerja, konsep dasar yang perlu diketahui adalah memahami

jenis data dalam statistika. Pada eviews ada berbagai jenis data yang bisa dipilih yakni;

Annual (A) : jenis data dalam bentuk tahunan

Quarterly(Q) : jenis data dalam bentuk kuartalan

Monthly (M) : jenis data dalam bulanan

Weekly (W) : jenis data dalam mingguan

Undated (U) : jenis data dalam bentuk lintas sektoral (cross section)

Dalam menciptakan kertas kerja ada dua cara yang bisa kita lakukan yakni metode

manual manual dan metode klik-klik. Prakteknya sebagai berikut;

Metode ketik

Cara: ketik Workfile nama kertas kerja jenis data range data ok

Metode klik – klik

Cara: klik file new Workfile pilih jenis data dan tulis range data ok

3. Memasukan data

Memasukan data bisa menggunakan dua metode yakni metode manual dan metode klik-

klik. Proses kerjanya sebagai berikut;

Metode ketik

Cara: buat kertas kerja (seperti langkah 2) ketik read(t=xls, b2) e:\table1_1.xls 2 ok

Ket: t = xls, data yang dibaca dalam bentuk tabel microsoft excel

b2 = kolom pertama kali data tertera di dalam microsoft excel

e:\table1_1.xls = membaca lokasi data yang ingin dibaca

2 = jumlah variabel dalam data.

INGOT : setelah menulis command, program excel tempat data di save harus di closed!!!!!!!!

Metode klik-klik

Cara: buat kertas kerja (seperti langkah 2) klik Quick empty group (edit series)

muncul kertas kerja copy data excel dikertas kerja paste data dikertas kerja

4. Melakukan regresi sederhana

Metode manual

Cara: ketik equation regresi_1.ls y c x ok

Ket: ls = metode pengujian dalam asumsi klasik. Biasa disebut sebagai metode OLS

(Ordinary Least Squares) atau metode kuadrat terkecil

y c x = cara eviews membaca bentuk persamaan

Metode klik-klik

Cara: klik Quick Estimate Equation ketik persamaan (y c x) ok klik name (nama

regresi yang dibuat)

CARCEP ( Cara CEPAT bro.....!!!!!)

Cara: buka workfile (klik window pada main menu) tekan ctrl pada keyboard klik

variabel yang mau diestimasi ( klik y dan klik x) klik kanan mouse open ase

equation muncul workfile pindahkan variabel constanta ke depan variabel y ok

REGRESI BERGANDA

Regresi berganda adalah model regresi yang terdiri dari lebih dari satu variabel

independen. Bentuk umum regresi berganda dapat ditulis sebagai berikut:

APLIKASI EVIEWS

Aplikasi metode gergersi berganda ini mengunakan data dari buku Gujarati edisi 4 th

chapter 7 topik Multiple Regression Anlaysis. Data yang diambil dari tabel 7.9 tentang

permintaan ayam di USA. Range data mulai tahun 1960 – 1982.

Ket:

Y = Per Capita Consumption of Chickens, Pounds

X2 = Real Disposable Income Per Capita, $

X3 = Real Retail Price of Chicken Per Pound, Cents

X4 = Real Retail Price of Pork Per Pound, Cents

X5 = Real Retail Price of Beef Per Pound, Cents

X6 = Composite Real Price of Chicken Substitutes Per Pound, Cents

1. Transfer Data

membuat kertas kerja (Workfile)

ketik workfile ketik range dan jenis data OK

transfer data dari excel ke eviews

Copy data dari excel ( semua variabel kecuali periode) Quick Empty Group

2. Melakukan Regresi

tekan ctrl pada keyboard klik variabel dependen pertama kali lalu diikuti variabel

independen lainnya klik kanan open as equation ok

Hasil regresi sebagai berikut:

Dependent Variable: YMethod: Least SquaresDate: 12/10/07 Time: 23:09Sample: 1960 1982Included observations: 23

Variable Coefficient Std. Error t-Statistic Prob. C 38.59691 4.214488 9.158150 0.0000X2 0.004889 0.004962 0.985370 0.3383X3 -0.651888 0.174400 -3.737889 0.0016X4 0.243242 0.089544 2.716443 0.0147X5 0.104318 0.070644 1.476674 0.1580X6 -0.071110 0.098381 -0.722805 0.4796

R-squared 0.944292 Mean dependent var 39.66957Adjusted R-squared 0.927908 S.D. dependent var 7.372950S.E. of regression 1.979635 Akaike info criterion 4.423160Sum squared resid 66.62224 Schwarz criterion 4.719376Log likelihood -44.86635 F-statistic 57.63303Durbin-Watson stat 1.100559 Prob(F-statistic) 0.000000

3. Uji statistika

Uji t

Uji t menjelaskan seberapa besar signifikansi variabel independen (x) mampu

menjelaskan variabel y (dependen). Hipotesa uji t adalah;

H0 diterima, bila nilai t_statistic < t_tabel (1%, 5%, 10%). Artinya variabel independen

tidak signifikan menjelaskan variabel dependen

Ha diterima, bila nilai t_statistic > t_tabel (1%, 5%, 10%) . Artinya variabel independen

signifikan menjelaskan variabel dependen.

Cara melihat nilai t_tabel:

Pr = probabilitas, pada tabel uji_t terletak pada bagian atas menunjukan hipotesi pada

satu atau dua sisi.

df = jumlah variabel independen ditambah konstanta

Hipotesis uji_t

Hipotesis positif pada satu:

H0 :

Ha :

Hipotesis negatif pada satu:

H0 :

Ha :

Hipotesi dua sisi

H0 :

Ha :

Menampilkan persamaan regresi

View Representation OK

Y = C(1) + C(2)*X2 + C(3)*X3 + C(4)*X4 + C(5)*X5 + C(6)*X6

Y = 38.59690942 + 0.004889344622*X2 - 0.6518875293*X3 + 0.2432418207*X4 +

(9.1581) (0.98537) (-3.737) (2.716)

0.1043176111*X5 - 0.07111034011*X6

(1.476) (-0.722)

Bandingkan nilai t_statistik dengan nilai t_tabel

VARIABEL t_statistik t_tabel

(df=6, α=5%)

Keterangan

Constanta 9.158 1.943 (satu sisi)

2.447 (dua sisi)

t_statistik > t_tabel, signifikan

X2 0.9853 1.943 (satu sisi)

2.447 (dua sisi)

t_statistik < t_tabel, tidak

signifikan

X3 -3.737 1.943 (satu sisi)

2.447 (dua sisi)

t_statistik < t_tabel, signifikan

X4 2.716 1.943 (satu sisi)

2.447 (dua sisi)

t_statistik > t_tabel, signifikan

X5 1.476 1.943 (satu sisi)

2.447 (dua sisi)

t_statistik < t_tabel, tidak

signifikan

X6 -0.722 1.943 (satu sisi)

2.447 (dua sisi)

t_statistik < t_tabel, tidak

signifikan

Uji F

Uji F digunakan untuk menjelaskan seberapa besar keseluruhan variabel independen

mampu menjelaskan variabel dependen. Hipotesa uji F adalah;

H0 diterima, bila nilai F_statistic < F_tabel atau (1%, 5%, 10%). Artinya seluruh variabel

independen tidak signifikan menjelaskan variabel dependen

Ha diterima, bila nilai F_statistic > F_tabel (1%, 5%, 10%) . Artinya seluruh variabel

independen signifikan menjelaskan variabel dependen.

Cara menghitung F_tabel

F =

ket: (k – 1) = numerator

(n – k) = denominator

k = jumalah variabel independen ditambah konstanta

n = jumlah observasi

F =

F =

F =

F = 53,40

Cara melihat F_tabel

F (numerator(k – 1), denominator(n – k), α=5%) = 2.81

Bandingkan nilai F_tabel dengan F_hitung

Nilai F_hitung > nilai F_tabel, berarti Ha diterima yang artinya semua variabel

independen mampu menjelaskan variabel dependen.

Uji adjusted R2

uji adjusted R2 dimaksudkan untuk mengukur seberapa besar proporsi model dmampu

menjelaskan variabel dependen.

hasil perhitungan eviews menunjukan nilai adjusted R2 = 0.9279, artinya permintaan

ayam ke USA mampu dijelaskan model sebesar 92,79% sedangkan sisanya sebesar

7,21% dijelaskan variabel lain di luar model.

4. Uji Normalitas

Penerapan metode OLS untuk regresi linear klasik memilik asumsi bahwa distribusi dari

variabel penggangu ( ) mempunyai nilai rata-rata yang diharapkan sama dengan nol,

tidak berkorelasi dan mempunyai varian yang konstan. Uji yang digunakan untuk

mengetahui noramal atau tidaknya variabel penggangu ( ) adalah Jarque Bera Test.

Pedoman dari J_B test adalah:

Bila nilai JB hitung > nilai χ2-tabel, maka hipotesis yang

menyatakan bahwa residual, ut adalah berdistribusi normal ditolak.

Bila nilai JB hitung < nilai χ2-tabel, maka hipotesis yang

menyatakan bahwa residual, ut adalah berdistribusi normal tidak dapat ditolak.

Aplikasi dalam eviews:

view residual test Histogram – normality Test OK

0

2

4

6

8

10

-4 -3 -2 -1 0 1 2 3 4

Series: ResidualsSample 1960 1982Observations 23

Mean -1.15E-14Median 0.098389Maximum 3.133900Minimum -3.632498Std. Dev. 1.740196Skewness -0.075973Kurtosis 2.153137

Jarque-Bera 0.709421Probability 0.701377

Dari tabel diatas ditemukan bahwa nilai Jarque Berra sebesar 0.709421. sedangkan nilai

χ2_tabel (α = 5%, df=5) = 11.07. Karena nilai J_B test < nilai χ2

-tabel , maka dapat disimpulkan

bahwa residual dari model permintaan ayam USA berdistribusi normal.

5. Uji Linearitas

uji linearitas sangat penting dilakukan karena uji ini untuk memeriksa kembali apakah

spesifikasi model yang digunakan sudah benar atau tidak. uji yang digunakan untuk

melihat linearitas adalah uji Ramsey Reset Test. adapun hipotesa uji ini adalah:

H0 diterima bila nilai F_hitung < F_tabel , artinya spesifikasi model yang digunakan dalam

bentuk linear.

Ha diterima, bila nilai F_hitung > F_tabel , artinya spesifikasi model yang digunakan dalam

bentuk non linear.

aplikasi dalam eviews:

view Stability Test Ramsey Reset Test number of fitted terms:2 OK

Ramsey RESET Test:F-statistic 22.26999 Probability 0.000032Log likelihood ratio 31.70775 Probability 0.000000

Test Equation:Dependent Variable: YMethod: Least SquaresDate: 02/28/08 Time: 08:31Sample: 1960 1982Included observations: 23

Variable Coefficient Std. Error t-Statistic Prob. C 245.5496 100.7320 2.437654 0.0277X2 0.055015 0.020105 2.736407 0.0153X3 -6.307119 2.622131 -2.405342 0.0295X4 2.325378 0.977217 2.379591 0.0310X5 1.105911 0.442868 2.497157 0.0246X6 -0.790239 0.296259 -2.667395 0.0176

FITTED^2 -0.187502 0.097781 -1.917570 0.0744FITTED^3 0.001191 0.000752 1.582972 0.1343

R-squared 0.985966 Mean dependent var 39.66957Adjusted R-squared 0.979416 S.D. dependent var 7.372950S.E. of regression 1.057804 Akaike info criterion 3.218476Sum squared resid 16.78425 Schwarz criterion 3.613430Log likelihood -29.01247 F-statistic 150.5422Durbin-Watson stat 1.653524 Prob(F-statistic) 0.000000

nilai F_tabel { numerator (k -1), denominator (n – k), α = 5%) = (7, 15, α = 5%) adalah

2.71 dan nilai F_hitung adalah 22.26 karena nilai F_hitung > F_tabel berarti Ha diterima,

artinya dugaan sementara spesifikasi model yang digunakan belum benar dalam bentuk

linear.

Seorang peneliti yang cerdik dan teliti tidak langsung memutuskan bahwa model yang

dibentuk salah. akan tetapi peneliti tersebut harus mencari solusi terhadap masalah

yang muncul. Akhirnya peneliti ini menemukan solusi untuk menyelesaikan masalah ini

dengan melakukan proses smoothing data. caranya adalah dengan melogaritmakan

semua variabel.

Cara di Eviews: klik procs klik generate series mis ketik lnY=log(Y) lakukan

langkah serupa untuk semua variabel lalu variabel yang sudah dalam bentuk

logaritma diregresikan.

Hasil estimasinya sebagai berikut:

Ramsey RESET Test:F-statistic 2.550666 Probability 0.111301Log likelihood ratio 6.732924 Probability 0.034512

Test Equation:Dependent Variabel: LNYMethod: Least SquaresDate: 02/28/08 Time: 08:14Sample: 1960 1982Included observations: 23

Variabel Coefficient Std. Error t-Statistic Prob. C 31.81236 44.78067 0.710404 0.4884

LNX2 9.517659 12.90866 0.737308 0.4723LNX3 -16.03462 21.86352 -0.733396 0.4746LNX4 9.951008 13.57678 0.732943 0.4749LNX5 9.510382 12.69428 0.749187 0.4653LNX6 -12.55564 16.88211 -0.743724 0.4685

FITTED^2 -6.670779 10.09300 -0.660931 0.5187FITTED^3 0.553698 0.910014 0.608450 0.5520

R-squared 0.990736 Mean dependent var 3.663887Adjusted R-squared 0.986413 S.D. dependent var 0.187659S.E. of regression 0.021874 Akaike info criterion -4.538789Sum squared resid 0.007177 Schwarz criterion -4.143835Log likelihood 60.19608 F-statistic 229.1659Durbin-Watson stat 2.092574 Prob(F-statistic) 0.000000

nilai F_tabel { numerator (k -1), denominator (n – k), α = 5%) = (7, 15, α = 5%) adalah

2.71. nilai F_hitung adalah 2.55. karena nilai F_hitung < F_tabel berarti H0diterima, artinya

spesifikasi model yang digunakan sudah benar dalam bentuk linear.

REFRENSI BOOK: Read Gujarati 4th edition chapter 7 “Multiple Regression Analysis”

Material for the next meeting : The Asumption of the Classical Model, chapter 10 in

Gujarati 4th edition

………..MAOLIATE DAN MATUR NUWUN NJEH……..