ABSTRAK

Dalam tulisan ini kita mempertimbangkan penggunaan pemodelan fuzzy dalam konteks analisis
ekonometrik dari kedua time-series dan data cross-section. Kami membahas dan menunjukkan
metodologi semi-parametrik untuk identifikasi model dan estimasi yang didasarkan pada algoritma Fuzzy
c-Means yang banyak digunakan dalam konteks pengenalan pola, dan pendekatan Takagi-Sugeno untuk
pemodelan sistem fuzzy. Metodologi ini sangat fleksibel dan menyediakan metode komputasi penurut
berurusan dengan model non-linear dalam dimensi tinggi. Dalam hal ini memiliki kelebihan teoritis yang
berbeda dari regresi kernel non-parametrik, dan kita menemukan bahwa keuntungan ini juga memegang
empiris dalam hal kebaikan-of-fit dalam pilihan aplikasi ekonomi.