Tugas Panel Fix Banget
Tugas Panel Fix Banget
18 Desember 2006
Disusun Oleh:
1. Kurniawan Hakim
(09754)
2. Agung Wibowo
(09776)
3. Ratna Mariska
(09902)
4. Adi Marhadi
(09948)
5. A Brian Septesar
(10143)
6. Herliyana Arum R
(10200)
Dosen Pembimbing :
Dr. Dedi Rosadi, M.Sc
PROGRAM STUDI STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2006
PENDAHULUAN
Latar belakang
Inflasi adalah proses kenaikan harga-harga umum barang-barang secara
terus menerus. Kenaikan harga tersebut terjadi selama periode tertentu. Kenaikan
yang terjadi hanya sekali saja (dengan persentase yang cukup besar) bukanlah
merupakan inflasi. Semakin tinggi inflasi, semakin tinggi pula kenaikan harga.
Beberapa Indikator yang digunakan oleh beberapa ahli ekonomi untuk
menggambarkan terjadinya inflasi di suatu negara antara lain :
1. Indeks Biaya Hidup (IBH)
2. Indeks Harga Konsumen (IHK)
3. Indeks Harga Perdagangan Besar
4. Indeks Deflator Produk Nasional Kotor
IHK secara umum mengukur perkembangan daya beli atau pengeluaran
untuk membeli sejumlah barang dan jasa oleh rumah tangga untuk keperluan
hidup dengan cakupan lebih luas. Data tersebut berupa harga barang-barang di
berbagai kota di seluruh Indonesia kemudian diindekskan. IHK ini biasa
digunakan oleh banyak pemerintahan dan sektor swasta untuk mengukur
perubahan dalam harga-harga yang dihadapi konsumen. Banyaknya hal yang
mempengaruhi perubahan IHK, terutama dipicu oleh kenaikan harga bahan
makanan yang berfluktuasi cukup tinggi (volatile food) antara lain beras, bumbubumbuan, ikan segar, dll. Diharapkan dengan dimodelkannya data IHK dan
dengan adanya nilai prediksi IHK, maka pemerintah dapat mengambil suatu
kebijakan dalam mengendalikan stabilitas harga di pasar konsumen dan
perekonomian pun akan menjadi stabil.
Tujuan
Memodelkan Indeks Harga Konsumen dengan variabel- variabel yang
berkaitan yaitu BM (Bahan makanan), MJ (Makanan jadi), PR ( Perumahan), SD
(Sandang), PDK (Pendidikan), KSH (Kesehatan), dan TRP (Transportasi) pada
kota Jambi, Gorontalo, Manado, Bengkulu dan Yogyakarta. Data yang digunakan
adalah data IHK bulan September 2005 s/d Agustus 2006. Sumber data dari
Statistik Ekonomi Keuangan Daerah perpustakaan Bank Indonesia Yogyakarta.
DASAR TEORI
Dalam dunia perekonomian ternyata tipe datanya tidak sesederhana seperti pada
data time series maupun data cross section, tetapi bisa lebih kompleks. Data
runtun waktu didefinisikan sebagai data yang dikumpulkan menurut waktu
sedangkan cross section adalah data yang dikumpulkan pada suatu titik waktu
untuk sejumlah variabel dan sejumlah objek tertentu. Pada data yang merupakan
kombinasi dari cross section dan time series, yang sering dijumpai pada data
ekonomi, dapat diselesaikan dengan model data panel. Pemodelan pada data panel
ada 3 yaitu :
1. Model pooled regresion.
2. Model fixed effect.
3. Model random effect.
Model Pooled Regession
Model liniernya adalah
Yit X 'iy ci d t it
Keterangan :
Yit = observasi dari unit ke i pada waktu ke t
X 'iy = Vektor variabel-variabel independent dari unit i pada waktu ke t
it = Komponen error asumsi memiliki mean dan variansi homogen dalam waktu
'
serta independent dengan X iy
ci = konstanta yang bergantung pada unit ke-i dan tidan bergantung pada waktu
ke t
d t = konstanta yang bergantung pada waktu ke-t dan tidak bergantung pada unit
ke-i
dimana
v it ci d t it , ci diasumsikan iid ~ N(0, 2c ) ; di diasumsikan iid ~ N(0, 2d ) dan
Uji Spesifikasi
1. Uji Haussman
Uji ini bertujuan untuk melihat apakah terdapat random effect dalam data
panel yaitu dengan menguji hipotesa yaitu H0 terdapat effect random
dalam model
2. Uji Breusch Pagan
Uji ini bertujuan untuk melihat apakah ada efek cross section atau time
atau keduanya dalam data panel yaitu dengan menguji hipotesa berbentuk
2
2
H0 : c d 0 . Test ini juga valid digunakan untuk menguji adanya efek
PEMBAHASAN
Data IHK akan di modelkan dengan beberapa variabel independent seperti :
BM (Bahan makanan), MJ (Makanan jadi), PR ( Perumahan), SD (Sandang),
PDK (Pendidikan), KSH (Kesehatan), dan TRP (Transportasi) dari bulan
september 2005 sampai agustus 2006. (Data terlampir)
Model yang akan diestimasi ada 7 yaitu :
Model 1
IHK = b1MJ
dimana :
IHK : Indeks Harga Konsumen
SD
: Sandang
BM : Bahan makanan
PDK : Pendidikan
MJ
: Makanan jadi
KSH : Kesehatan
PR
: Perumahan
TRP : Transportasi
Uji Haussman
uji hipotesis
0.05
Pada model I, II, III, IV, dan V Uji Hausman tidak dapat dilakukan karena dalam
estimasi efek random memerlukan jumlah variabel cross section lebih besar dari
jumlah variabel IHK dan variabel independennya. Dalam keadaan ini, kita hanya
dapat menggunakan model fixed effect dalam model I-V.
Berikut tabel perbandingannya :
Model
Statistik
P_value
Model I
Model II
Model III
Model IV
Model V
Model VI
Model VII
Model VIII
366.73132
25.383855
0.1523668
0.0000000
3.076E-06
0.6962837
Uji Breusch-Pagan
uji hipotesis
0.05
Hypothesis Statistik
Model I
H0:
Model II
H0:
Model III
H0:
Model IV
H0:
Model V
H0:
Model VI
H0:
Model VII
H0:
Model VIII
H0:
2c
2c
2c
2c
2c
2c
2c
2c
Kesimpulan
p-value
Uji
untuk
tingkat
kesalahan 5 %
=0
39,045,248 4.14E-07
=0
5.4986538
=0
23,986,820 9.70E-04
=0
23,986,820 9.70E-04
=0
91.992437
=0
19,896,337 8.18E-03
=0
19,896,337 8.18E-03
=0
0.0209807
0.0190311
0.0000000
0.884832
Estimasi Model
Tabel Perbandingan Model
Koefisien
C
Sig
BM
Sig
MJ
Sig
PR
Sig
SD
Sig
PDK
Sig
KSH
Sig
TRP
Sig
Model I
Model II
Model III
Model IV
Model V
Model VI
Model VII
0.310221
0.000
0.143476
0.0001
0.014755
0.2179
0.161973
0.0727
0.01627
0.4944
0.078939
0.0771
0.180132
0.000
0.333315
0.000
0.167849
0.000
0.015411
0.2086
0.546647
0.000
0.15643
0.006
0.028616
0.1582
0.555556
0.000
0.161801
0.0048
0.282135
0.000
0.145945
0.0001
0.547536
0.000
0.289021
0.000
0.57007
0.000
0.288002
0.000
Model
VIII(p)
97.67749
0.000
0.313244
0.0001
0.284458
0.0001
0.028631
0.2228
0.126211
0.001
0.182714
0.000
0.022109
0.5687
0.267859
0.000
0.019143
0.6245
0.286185
0.000
0.067283
0.1559
0.193499
0.000
Dari model diatas, dapat dilihat bahwa model yang signifikan semua
parameternya adalah model V, VII, VIII. Selanjutnya kita lihat beberapa kriteria
model dan dibandingkan sbb :
R-squared
Adjusted
R-squared
Model I
Model II
0.965545 0.963128
0.957649 0.955604
Model III
0.895968
0.877242
Model IV
0.891697
0.874709
Model V
0.961382
0.955325
Model VI
0.831342
0.808638
Model VIII
0.824618
0.804764
Model
0.2309
0.2176
S.E.
of 1.154088 1.181630
regression
Sum
63.93210 68.41627
1.964863
1.985032
1.185335
2.453214
2.477921
4.9603
193.0342
200.9580
71.65597
312.9494
325.4248
1427.0
squared
resid
0.2844584991*SD_GORONTALO
0.2821353267*BM_MANADO
0.1934988122*TRP_GORONTALO
IHK_MANADO
10.92149174
0.1459451022*MJ_MANADO
0.2844584991*SD_MANADO
0.1934988122*TRP_MANADO
IHK_BENGKULU = 11.84859916 + 0.2821353267*BM_BENGKULU +
0.1459451022*MJ_BENGKULU + 0.2844584991*SD_BENGKULU +
0.1934988122*TRP_BENGKULU
IHK_YOGYA
18.98570627
0.1459451022*MJ_YOGYA
0.1934988122*TRP_YOGYA
0.2821353267*BM_YOGYA
0.2844584991*SD_YOGYA
+
+
Kemudian untuk model random effect pooled hanya ada satu yaitu model ke VIII,
jadi persamaan regresinya adalah :
IHK = 97.67749 + 0.313244 MJ
KESIMPULAN
Dari pembahasan diatas, dapat disimpulkan bahwa secara statistik untuk
kasus IHK ini, dapat dimodelkan dengan persamaan model fixed effect cross
section V yang mempunyai variabel independen bahan makanan, makanan jadi,
sandang, dan transportasi. Namun secara ekonomi makro atau fundamental tidak
dapat disangkal bahwa semua variabel independen dapat mempengaruhi inflasi
IHK. Model-model fixed effect lain dapat juga digunakan dalam analisis jika
penggunaannya hanya untuk melihat hubungan antar variabel dependen dengan
variabel independen lainnya. Sedangkan untuk model random effect pooled
digunakan model VIII.
10
Lampiran
Uji Hausman
Uji Hausman model 5
Hypothesis
H0:sigma^2_c=0
H0:sigma^2_d =0
H0:sigma^2_d =sigma^2_c=0
Hypothesis
H0:sigma^2_c=0
H0:sigma^2_d =0
H0:sigma^2_d =sigma^2_c=0
Hypothesis
H0:sigma^2_c=0
H0:sigma^2_d =0
H0:sigma^2_d =sigma^2_c=0
Hypothesis
H0:sigma^2_c=0
H0:sigma^2_d =0
H0:sigma^2_d =sigma^2_c=0
Hypothesis
H0:sigma^2_c=0
Statistic
39.045248
0.1890479
39.234296
p-value
4.141E-10
0.6637102
3.023E-09
Statistic
5.4986538
0.9853312
6.4839849
p-value
0.0190311
0.3208862
0.0390859
Statistic
23.986820
2.7278089
26.714628
p-value
9.700E-07
0.0986145
1.581E-06
Statistic
43.812817
2.7370380
46.549855
p-value
3.613E-11
0.0980463
7.795E-11
Statistic
19.896337
p-value
8.176E-06
11
H0:sigma^2_d =0
H0:sigma^2_d =sigma^2_c=0
5.1321030
25.028440
0.0234873
3.674E-06
Statistic
49.170797
3.4739531
52.644750
p-value
2.346E-12
0.0623422
3.701E-12
Statistic
0.0209807
69.229013
69.249994
p-value
0.8848315
1.110E-16
8.882E-16
Estimasi Model
Model 1
Variable
BM?
MJ?
PR?
SD?
PDK?
KSH?
TRP?
Fixed Effects
_JAMBI--C
_GORONTALO--C
_MANADO--C
_BENGKULU--C
_YOGYA--C
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Durbin-Watson stat
Coefficient
0.310221
0.143476
0.014755
0.161973
0.016270
0.078939
0.180132
16.67305
12.79241
11.15565
11.94309
17.01823
0.965545
0.957649
1.154088
-87.04062
1.781542
Std. Error
0.033914
0.034672
0.011817
0.088276
0.023626
0.043689
0.018942
t-Statistic
9.147151
4.138070
1.248630
1.834858
0.688620
1.806832
9.509736
Prob.
0.0000
0.0001
0.2179
0.0727
0.4944
0.0771
0.0000
138.0083
5.607992
63.93210
224.1869
0.000000
Model 2
Variable
BM?
MJ?
PR?
PDK?
KSH?
TRP?
Fixed Effects
_JAMBI--C
_GORONTALO--C
_MANADO--C
_BENGKULU--C
_YOGYA--C
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Coefficient
0.333315
0.167849
0.015411
0.028631
0.126211
0.182714
22.23876
16.19470
17.08836
17.33751
21.86700
0.963128
0.955604
1.181630
-89.07430
Std. Error
0.032244
0.032791
0.012093
0.023186
0.036126
0.019340
t-Statistic
10.33723
5.118740
1.274333
1.234849
3.493638
9.447320
Prob.
0.0000
0.0000
0.2086
0.2228
0.0010
0.0000
138.0083
5.607992
68.41627
255.9868
12
Durbin-Watson stat
Model 3
Variable
BM?
MJ?
PR?
PDK?
KSH?
Fixed Effects
_JAMBI--C
_GORONTALO--C
_MANADO--C
_BENGKULU--C
_YOGYA--C
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Durbin-Watson stat
Model 4
Variable
BM?
MJ?
PDK?
KSH?
Fixed Effects
_JAMBI--C
_GORONTALO--C
_MANADO--C
_BENGKULU--C
_YOGYA--C
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Durbin-Watson stat
1.896359
Coefficient
0.546647
0.156430
0.028616
0.022109
0.267859
8.493560
-0.225769
0.630516
6.320381
-0.181221
0.895968
0.877242
1.964863
-120.1920
2.034987
Coefficient
0.555556
0.161801
0.019143
0.286185
9.057799
-0.145259
0.661916
6.556528
-0.170399
0.891697
0.874709
1.985032
-121.3989
2.021449
Prob(F-statistic)
Std. Error
0.038273
0.054489
0.019974
0.038537
0.054654
t-Statistic
14.28273
2.870850
1.432628
0.573703
4.901016
Std. Error
0.038152
0.054918
0.038877
0.053681
t-Statistic
14.56152
2.946236
0.492400
5.331198
0.000000
Prob.
0.0000
0.0060
0.1582
0.5687
0.0000
138.0083
5.607992
193.0342
107.6552
0.000000
Prob.
0.0000
0.0048
0.6245
0.0000
138.0083
5.607992
200.9580
139.9677
0.000000
Model 5
Variable
BM?
MJ?
SD?
TRP?
Fixed Effects
_JAMBI--C
_GORONTALO--C
_MANADO--C
_BENGKULU--C
_YOGYA--C
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Coefficient Std.
Error
0.282135
0.030348
0.145945
0.034694
0.284458
0.067916
0.193499
0.018363
16.87135
14.69646
10.92149
11.84860
18.98571
0.961382
0.955325
1.185335
-90.46227
t-Statistic
Prob.
9.296715
4.206587
4.188383
10.53727
0.0000
0.0001
0.0001
0.0000
138.0083
5.607992
71.65597
423.2134
13
Durbin-Watson stat
Model 6
Variable
BM?
MJ?
PDK?
Fixed Effects
_JAMBI--C
_GORONTALO--C
_MANADO--C
_BENGKULU--C
_YOGYA--C
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Durbin-Watson stat
Model 7
Variable
BM?
MJ?
Fixed Effects
_JAMBI--C
_GORONTALO--C
_MANADO--C
_BENGKULU--C
_YOGYA--C
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Durbin-Watson stat
1.616397
Coefficient
0.547536
0.289021
0.067283
22.70350
14.19643
11.70249
20.27717
17.43512
0.831342
0.808638
2.453214
-134.6872
1.689342
Prob(F-statistic)
Std. Error
0.047114
0.061129
0.046732
t-Statistic
11.62149
4.728080
1.439765
t-Statistic
12.70039
4.665061
0.000000
Prob.
0.0000
0.0000
0.1559
138.0083
5.607992
312.9494
128.1580
0.000000
Prob.
0.0000
0.0000
138.0083
5.607992
325.4248
249.1983
0.000000
Model 8
Variable
C
MJ?
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Durbin-Watson stat
Data Asli
Prob.
0.0000
0.0001
138.0083
5.607992
1427.081
17.41298
0.000102
14
Tahun
Sep-05
Okt-05
Nop-05
Des-05
Jan-06
Feb-06
Mar-06
Apr-06
PR
Jambi
143.19
156.06
155.87
55.95
158.18
158.11
158.61
158.28
Gorontalo
116.49
134.26
135.37
135.67
135.89
136.04
135.46
135.21
Manado
114.05
127.92
129.23
128.59
128.37
123.66
123.95
143.91
Bengkulu
128.5
141.37
141.72
142.19
142.22
142.1
142.94
143.33
Yogyakarta
132.61
142.99
143.87
143.68
143.92
144.47
144.39
145.27
15
Mei-06
Jun-06
Jul-06
Agust-06
160.04
159.97
160.43
159.9
135.11
135.15
135.22
135.71
124.37
125.07
125.1
125.2
144.81
144.84
145.01
145.49
146
148.01
150.62
151.16
Tahun
Sep-05
Okt-05
Nop-05
Des-05
Jan-06
Feb-06
Mar-06
Apr-06
Mei-06
Jun-06
Jul-06
Agust-06
SD
Jambi
111.37
116.13
116.24
118.63
118.69
120.2
120.2
121.85
123.94
124.04
125.65
129.34
Gorontalo
106.26
106.26
106.43
107.24
107.34
107.63
107.33
108.02
108.75
109.13
109.57
109.82
Manado
116.86
118.08
122.14
122.67
123.58
123.69
124.11
124.36
126.45
126.54
126.5
126.95
Bengkulu
116.84
120.17
120.45
120.73
120.95
121.13
121.88
122.07
124.82
124.88
125.56
125.87
Yogyakarta
120.1
121.39
122.37
123.69
124.78
125.05
125.06
126.85
130.5
128.97
130.13
130.73
Tahun
Sep-05
Okt-05
Nop-05
Des-05
Jan-06
Feb-06
Mar-06
Apr-06
Mei-06
Jun-06
Jul-06
Agust-06
PDK
Jambi
126.42
126.42
126.42
128
128.75
127.67
127.67
127.67
126.42
126.42
128.41
128.41
Gorontalo
118.73
118.73
119.02
119.02
119.02
142.41
106.27
142.41
142.41
142.41
142.41
142.41
Manado
146.82
147.43
150.24
150.27
150.06
151
151.2
136.48
151.06
151.68
151.81
152.06
Bengkulu
122.03
123.82
123.92
124.09
124.13
124.28
124.54
124.52
124.54
124.66
126.14
135.11
Yogyakarta
139.24
139.73
140.76
141.35
141.94
142.09
142.27
143.41
153.98
157.27
157.91
158.23
Tahun
Sep-05
Okt-05
Nop-05
Des-05
Jan-06
Feb-06
Mar-06
Apr-06
Mei-06
Jun-06
KSH
Jambi
112.31
113.48
115.03
117.69
122.67
122.67
122.67
123.41
128.37
127.13
Gorontalo
119.33
119.49
119.73
120.1
120.26
120.3
120.88
126.11
121.25
121.43
Manado
111.01
112.19
115.04
114.97
114.52
114.8
114.77
122.4
114.57
114.66
Bengkulu
115.11
115.47
115.61
116.08
117.11
117.09
117.94
135.43
135.7
135.77
Yogyakarta
142.04
142.31
142.31
142.24
143.41
143.52
143.59
144.41
144.45
144.63
16
Jul-06
Agust-06
128.24
130.72
123.18
123.18
114.85
115.06
135.98
136.16
Tahun
Sep-05
Okt-05
Nop-05
Des-05
Jan-06
Feb-06
Mar-06
Apr-06
Mei-06
Jun-06
Jul-06
Agust-06
TRP
Jambi
127.31
167.82
169.16
169.89
171.56
171.59
171.69
171.56
172.7
175.36
175.47
175.53
Gorontalo
132.63
162.56
162.62
162.64
162.65
177.51
177.51
177.51
177.56
177.56
177.46
162.7
Manado
125.38
163.12
163.36
163.4
163.4
163.4
163.29
165.58
163.41
163.52
163.52
163.59
Bengkulu
133.47
196.27
196.25
195.88
195.93
196
196.47
196.95
196.82
197.38
197.38
197.19
144.87
154.13
Yogyakarta
118.32
139.4
143.47
143.41
143.6
144.04
144.08
144.07
144.43
144.47
144.59
144.78