1

Pusat Pengajian Ekonomi

Semester 1 Sesi 2011/2012

EPPE 2313 PENGANTAR EKONOMETRIK
LANJUTAN MODEL REGRESI LINEAR MUDAH

1. Regresi melalui Asalan (origin)

Fungsi regresi populasi (PRF) diandaikan berbentuk berikut:

Y
t
= |
1
X
t
+ u
t


yang mana sebutan pintasan bersamaan sifar regresi melalui asalan. Beberapa
contoh:

- hipotesis pendapatan kekal (permanent income hypothesis) Friedman:
penggunaan kekal adalah berkadaran (proportional) dengan pendapatan kekal

- model perletakan harga aset modal (capital asset pricing, CAPM) bagi teori
portfolio moden jika pasaran modal cekap, premium risiko dijangka bagi
sekuriti i (expected risk premium) dalam hubungan berikut:

ER
i
r
f
= |
i
(ER
m
r
f
)

dengan ER: kadar pulangan dijangka terahadap sekuriti i, ER
m
: kadar pulangan
dijangka terhadap portfolio pasaran (market) katakan diwakili oleh indeks papan
pertama, r
f
: kadar pulangan bebas (free) risiko, contoh bon kerajaan, |
i
: pekali
beta mengukur risiko sistematik i.e. risiko yang tidak boleh dihapuskan
menerusi diversifikasi.

- Teori analisis kos: kos berubah pengeluaran adalah berkadaran dengan output.
Dengan menggunakan OLS rumusan bagi
1

diberikan seperti berikut:

=
2
1

t
t t
X
Y X

=
2
2
1
)

(
t
X
Var

dengan o
2
dianggarkan oleh
1

2
2

n
e
t

2. R
2
bagi regresi melalui asalan

R
2
=

2 2
2
) (
Y X
XY



2
Walaupun R
2
memenuhi syarat 0 < R
2
< 1 ianya tidak boleh dibandingkan dengan
nilai R
2
yang telah dikaji sebelum ini (regresi dengan pintasan) R
2
bagi model
tanpa pintasan jarang dilaporkan.

Perhatian: regresi melalui asalan ini hanya digunakan jika
terdapat jangkaan awal yang kuat (strong prior expectation) tentang hubungan gelagat
pembolehubah ekonomi. Jika tidak gunakan model regresi mudah biasa dengan
pintasan kerana sebab berikut:

- jika pintasan disertakan dalam model dan didapati ianya tidak bererti (secara
statistik ia bersamaan sifar) regresi melalui asalan.
- Jika pintasan sepatutnya ada didalam model tetapi disingkirkan dan kita
memadankan model tanpa pintasan ralat spesifikasi model akan dilakukan
tidak memenuhi (violate) andaian model regresi linear.

3. Penskalaan (scaling) dan Unit Ukuran

Penskalaan menunjukkan bagaimana anggaran-anggaran pekali regresi, ukuran
pemboleh ubah, ralat piawai, R
2
dan lain-lain dipengaruhi oleh perubahan unit ukuran
pemboleh ubah yang digunakan. Contohnya, harga dalam RM sebenar dan bukannya
RM ribu dan lain-lain.

a. Skel pemboleh ubah bersandar sahaja yang berubah

(i) Penskalaan setiap pekali regresi iaitu setiap pekali perlu didarabkan dengan
faktor penskalaan.
(ii) Residual dan ralat piawai pekali teranggar berubah.
(iii) Statistik-t, F, dan R
2
tidak berubah kerana mereka melibatkan nisbah.

Contoh: penganggaran hubungan Kuantiti = |
0
+ |
1
Harga + u menghasilkan
keputusan berikut:

Kuantiti = 1000|
0
+ 1000|
1
Harga + 1000u = |
0
* + |
1
* Harga + u*

jika kuantiti berubah daripada 1 kg menjadi 1000kg.

b. Skel satu pemboleh ubah bebas berubah

Pekali regresi cerun dan ralat piawainya akan berubah mengikut songsangan kepada
skel tetapi statistik-statistik lain tidak berubah.

Contoh: Kuantiti = |
0
+ |
1
(1/1000) Harga + u

c. Skel semua pemboleh ubah (bebas dan bersandar) berubah oleh faktor penskelan
yang sama

3
(i) R
2
, F, dan t tidak berubah.
(ii) Residual,
0

dan
0

s
berubah mengikut skel yang digunakan.

4. Regresi Terhadap Pemboleh ubah Terpiawai

Dalam tajuk OLS lepas ditunjukkan yang unit dalam mana pemboleh ubah bersandar
(regressand) dan regresor/regresor2 diukur akan mempengaruhi rumusan/interpretasi
pekali regresi. Ini boleh dielakkan jika regressand dan regresor dinyatakan dalam bentuk
pemboleh ubah terpiawai (standardized).

Satu pemboleh ubah dikatakan terpiawai jika nilai individu ditolakkan dengan nilai
minnya dan dibahagi dengan sisihan piawai (standard deviation) pemboleh ubah tersebut,
contoh:


Y
t
t
Y
t
t
s
X X
X
s
Y Y
Y

=

= * , *

dengan Y = min sampel bagi Y, s
Y
= sisihan piawai sampel bagi Y, X= min sampel bagi
X, s
X
= sisihan piawai sampel bagi X Y
t
* dan X
t
* dipanggil pemboleh ubah-pemboleh
ubah terpiawai. Dengan itu model baru berbentuk:

Y
t
* = |
0
* + |
1
* X
t
* + u
t
* = |
1
* X
t
* + u
t
*

oleh kerana nilai sebutan pintasan bagi regresi dengan regressand dan regresor terpiawai
selalunya sifar. Dalam literatur, |
0
* dan |
1
* dikenali sebagai pekali-pekali beta.

Rumusan Pekali:

Jika regresor (terpiawai) meningkat sebanyak satu unit sisihan piawai, secara purata,
regressand (terpiawai) meningkat sebanyak |
1
unit sisihan piawai tidak seperti model
tradisional, kita mengukur kesan bukan dalam sebutan-sebutan unit asal dalam mana Y
dan X dinyatakan, tetapi dalam unit sisihan piawai.

5. Bentuk Fungsi Lain Model Regresi
A. Bentuk Fungsi
1. Model Semilog: Model Log-Lin dan Lin-Log

Mengukur kadar pertumbuhan: Model Log-linear

Kadar pertumbuhan beberapa pembolehubah ekonomi tertentu seperti populasi, KNK,
bekalan wang, guna tenaga, produktiviti dan lain-lain sering dikaji.

4
Katakan kita ingin menentukan kadar pertumbuhan perbelanjaan penggunaan
persendirian (personal) terhadap perkhidmatan, katakan Y
t
mewakili perbelanjaan
sebenar pada masa t dan Y
0
mewakili nilai asal (initial). Dalam ekonomi rumusan
kadar bunga kompaun (compound interest) terkenal dinyatakan seperti berikut:

Y
t
= Y
0
(1+r)
t


dengan r adalah kadar pertumbuhan kompaun bagi Y. Dengan mengambil logarithma
semula jadi (natural log) kedua-dua belah persamaan:

Ln Y
t
= Ln Y
0
+ t Ln (1+r) = |
1
+ |
2
t (1)

dengan |
1
= Ln Y
0
. (1a) dan
|
2
= Ln (1+r) (1b).

dengan menambah sebutan gangguan model menjadi:

Ln Y
t
= |
1
+ |
2
t + u
t
(2)

Rumusan: Pekali cerun mengukur kadaran malar (constant proportional) atau
perubahan relatif dalam Y bagi perubahan mutlak (absolute) dalam nilai regresor
(dalam contoh t) iaitu


|
2
=
regresor dalam mutlak perubahan
Y regresand dalam relatif perubahan

) (
(3)

Jika perubahan relatif dalam Y didarab dengan 100 (3) akan memberikan perubahan
peratusan, atau kadar pertumbuhan dalam Y bagi perubahan mutlak dalam regresor
iaitu 100 x |
2
memberikan kadar pertumbuhan dalam Y, dan dikenali sebagai semi-
keanjalan bagi Y terhadap X. Contoh:

= XS E Ln

7.789 + 0.00743 t

Rumusan: perbelanjaan perkhidmatan meningkat pada kadar (suku tahunan) 0.743
peratus. Secara kasar ini sama dengan kadar pertumbuhan tahunan 4 x 0.743 = 2.97
peratus. Oleh kerana 7.7890 = log EXS pada permulaan tempoh kajian, dengan
mengambil antilog didapati 2413.90 sebagai permulaan nilai EXS. (lihat contoh
Gujarati).

Contoh: Katakan lny
i
= x
i
' | + u
i
interpretasi bagi |i: perubahan relatif dalam y
i

hasil perubahan mutlak seunit dalam x
ij
.



5
Kadar Pertumbuhan serta merta (instantaneous) dan kompaun

Pekali pembolehubah arah aliran (trend) dalam (2) iaitu |
2
mewakili kadar
pertumbuhan serta merta (pada satu titik masa) dan bukannya kadar pertumbuhan
kompaun (bagi satu tempoh masa). Kadar kompaun boleh didapati daripada (1b)
dengan mengambil antilog kepada
2

dan tolakkan 1 daripadanya dan darabkan

perbezaan tersebut dengan 100. Dengan itu, jika
2

= 0.00743, [antilog (0.00743)

1] = 0.00746 atau 0.746 peratus. Dengan itu kadar pertumbuhan kompaun terhadap
perbelanjaan perkhidmatan adalah 0.746 peratus per suku tahun, yang agak tinggi
sedikit daripada kadar pertumbuhan serta merta sebanyak 0.743 peratus. Ini disebabkan
oleh kesan memkompaun (compounding effect).
[nota: cara yang lebih ringkas adalah ( 1

e ) 100].

Model Arah Aliran Linear

Model yang dipanggil model arah aliran linear dan pemboleh ubah t dikenali sebagai
pemboleh ubah arah aliran berbentuk:

Y = |
1
+ |
2
t + u
t
(4)

Jika pekali cerun dalam (4) adalah positif maka terdapat arah aliran meningkat keatas
(upward trend) dalam Y dan jika negatif terdapat arah aliran merosot kebawah
(downward trend) dalam Y. Contoh,

S X E

= 2405 + 19.692 t

boleh dirumuskan sebagai: sepanjang tempoh suku tahun 1993-I hingga 1998-III, secara
purata, perbelanjaan terhadap perkhidmatan meningkat pada kadar mutlak (nota: bukan
relatif) 20 bilion per suku tahun: iaitu terdapat arah aliran meningkat dalam perbelanjaan
perkhidmatan.



Y








X
Rajah 1
6
Model Lin-Log

Katakan ingin dicari perubahan mutlak dalam Y bagi satu peratus perubahan dalam X.
Model berbentuk:
Y
t
= |
1
+ |
2
Ln X
t
+ u
t

Model dipanggil model lin-log. Rumusan kepada pekali cerun |
2
:

|
2
=
X dalam relatif perubahan
Y dalam perubahan
LnX dalam perubahan
Y dalam perubahan




=

Sebutan kedua mengikut fakta yang satu perubahan dalam log satu nombor adalah satu
perubahan relatif. Secara simbol,

|
2
=
X X
Y
/ A
A


yang mana A mewakili satu perubahan kecil. Persamaan ini boleh ditulis sebagai:

AY = |
2
(AX/X) (5)

Persamaan (5) bermaksud yang perubahan mutlak dalam Y (= AY) sama dengan cerun
didarab dengan perubahan relatif dalam X. Jika sebutan |
2
(AX/X) didarabkan dengan
100, (5) memberikan perubahan mutlak dalam Y bagi satu peratusan perubahan dalam X.
Contoh jika (AX/X) berubah sebanyak 0.01 unit (atau 1%), perubahan mutlak dalam Y
adalah 0.01(|
2
); jika |
2
= 500, perubahan mutlak dalam Y adalah (0.01)(500) = 5.

Bila model lin-log berguna? Penggunannya yang penting adalah dalam model
perbelanjaan Engel dinamakan mengikut ahli statistik German Ernst Engel yang
menyatakan jumlah perbelanjaan yang diperuntukkan kepada makanan cenderung
meningkat mengikut progresi arithmetik (arithmetic progression) apabila jumlah
perbelanjaan meningkat mengikut progresi geometrik (geometric progression). Contoh
empirik:

E F

= 1283.9 + 257.27 Ln TE

yang mana FE adalah perbelanjaan makanan dan Ln TE adalah logarithma jumlah
perbelanjaan. Rumusan: pekali cerun adalah 257 bermakna yang satu kenaikan dalam
jumlah perbelanjaan sebanyak 1%, secara purata, membawa kepada hampir RM 2.57
kenaikan dalam perbelanjaan makanan bagi 55 keluarga dalam sampel kajian.





7



Y | > 1

0<|<1




X
Rajah 2

3. Model Log-berganda (Log-linear)

Perhatikan model regresi eksponen berikut:

Y
t
= |
0

t
u
t
e X
2

yang boleh dinyatakan secara alternatif seperti berikut:

Ln Y = Ln |
0
+ |
1
Ln X + u

Ln Y = o + |
1
Ln X + u

Keluk sama ada cekung (concave) atau cembung (convex) bergantung pada saiz |
1
. Jika
terdapat satu atau lebih pembolehubah lain di sebelah kanan (rhs) fungsi serupa dengan
fungsi terkenal Cobb-Douglas. Dengan hanya menukar tanda |
1
kita boleh mendapat
keluk yang kelihatan seperti keluk puas sama (indifference) atau isokuan (isoquant),
seperti dalam rajah berikut. Dengan menukar magnitud |
1
adalah mungkin, dalam
konteks keluk-keluk puas sama, untuk menunjukkan keutamaan (preference) yang lebih
kuat terhadap satu barangan berbanding barangan yang lain.


8
Rajah 3

Sifat penting model ini adalah pekali cerun |
1
mengukur keanjalan Y terhadap X iaitu
peratusan perubahan dalam Y bagi satu peratusan perubahan dalam X jika Y
mewakili kuantiti satu komoditi diminta dan X adalah harga unit, |
1
mengukur keanjalan
harga bagi permintaan.

Dua sifat penting model log-linear: Model mengandaikan pekali keanjalan antara Y dan
X, |
1
, kekal malar dan dengan itu nama alternatifnya adalah model keanjalan malar.
Sifat yang lain, walaupun dan
1

adalah penganggar saksama bagi o dan |

1
, |
0

(parameter yang wujud dalam model asal) bila dianggar sebagai
0

= antilog ( ) adalah
penganggar tak saksama. (lihat contoh Gujarati).

3. Model Salingan (reciprocal)
Model berikut dikenali sebagai model salingan.
Y
t
= |
0
+ |
1

|
|
.
|

\
|
t
X
1
+ u
t
(6)
Model ini mempunyai bentuk: bila X meningkat berterusan (indefinitely), sebutan |
1

|
|
.
|

\
|
t
X
1
mendekati sifar (nota: |
1
adalah malar) dan Y mendekati nilai had atau asimptot
(limiting or asymptote) |
0
. Dengan itu, model seperti (6) mempunyai nilai had atau
asimptot yang akan diambil oleh pembolehubah bersandar apabila nilai pembolehubah X
meningkat berterusan.
9
Cerun (6) adalah:

|
.
|

\
|
=
2
1
1
X dX
dY


yang membayangkan jika |
1
adalah positif, cerun adalah negatif, dan jika |
1
adalah
negatif, cerun adalah positif (lihat Rajah 4(a) dan (c)).

|
1
< 0
Y |
1
> 0 Y |
0
|
0
> 0 |
1
> 0
|
0
|
0
< 0
0 X 0
0
1

X
-|
0
Rajah 4(a) Rajah 4(b) Rajah 4(c)
Dalam Rajah 4(a) keluk adalah cembung (convex) dan mendekati satu asimptot daripada
atas (approaches an asymptote from above). Ini mungkin berguna bagi menganggar
fungsi permintaan wang. Contoh lain,
M C

= 81.79 + 27,237.17 |
.
|

\
|
PGNP
1

dengan CM mewakili mortaliti bayi dan PGNP mewakili KNK perkapita. Apabila PGNP
meningkat secara berterusan, mortaliti bayi mendekati nilai asimptot sebanyak 82
kematian per ribu. Nilai positif bagi pekali bagi |
.
|

\
|
PGNP
1
membayangkan yang kadar
perubahan bagi CM terhadap PGNP adalah negatif.
Dalam Rajah 4(c) kita hanya menukar tanda pada pekali dalam fungsi permintaan wang.
Keputusannya adalah ianya cekung (concave) dan mendekalti asimptot daripada bawah
(approaches the asymptote from below).


10
Log Hiperbola (hyperbola) atau Model Salingan Logarithma (logarithmic
Reciprocal)

Model berbentuk seperti berikut:


Ln Y = |
1
- |
2
|
.
|

\
|
X
1
+ u

Bentuknya seperti ditunjukkan dalam Rajah 5. Asalnya Y meningkat pada kadar
bertambahan (increasing rate) [i.e., keluk asalnya cembung (convex)] dan kemudian ia
meningkat pada kadar berkurangan (decreasing rate) [i.e., keluk menjadi cekung
(concave)].


Y








X
Rajah 5

Untuk mendapatkan cerun Y terhadap X, ingat semula dari kalkulus:


|
.
|

\
|
= |
.
|

\
|
=
2
2
2
2
1 1
) (
X X
LnY
dX
d


tetapi
dX
dY
Y
LnY
dX
d 1
) ( =

Dengan penggantian didapati:


2
2
X
Y
dX
dY
=


Dalam Rajah 5 kita boleh menghasilkan bentuk sigmoidal (sigmoidal shape) tersebut
menerusi pilihan parameter yang sesuai. Sebagai contoh, satu fungsi pengeluaran
mungkin mempunyai bentuk ini jika sepanjang julat output yang relevan tidak terdapat
11
keluaran sut negatif (negative marginal product). Bagi kebanyakan masalah-masalah
dalam ekonomi ini mungkin berlaku.

4. Model Kuadratik

Model berbentuk parabola seperti berikut:

Y = o + | X + X
2


Y






X
Rajah 6
Dengan pilihan parameter yang sesuai kita boleh membalikkan fungsi tersebut (flip it
over) dan mendapatkan keluk kos purata. Akhirnya, walaupun pekali telah dipilih
untuk memperbesarkan (exaggerate) bentuk, satu fungsi kuasa tiga (cubic) boleh
dipilih untuk mewujudkan satu fungsi pengeluaran atau fungsi kos yang berkelakuan
baik (well behaved).
5. Model Kuasa Tiga (cubic)
Model berbentuk: Y = Y = o + | X + X
2
+ o X
3
+ u


Y







X
Rajah 7

12
Terdapat cabaran-cabaran semasa menganggarkan keluk-keluk dalam Rajah 6 dan
7. Sering didapati apabila pembolehubah bebas yang disertakan di rhs dalam bentuk
polinomial masalah multikolineariti mungkin muncul. Ini boleh diatasi
sebahagiannya, misalnya dengan menganggar keluk kos purata dan bukannya keluk
jumlah kos (total cost curve). Perlaksanaan ini memerlukan, katakan, sebutan kuasa
tiga (cube term) digugurkan daripada fungsi.
B. Pilihan Bentuk Fungsi
Panduan memilih bentuk fungsi:
1. Teori asas (underlying) (e.g. keluk Phillips, lihat contoh model Rajah 4(b) dalam
Gujarati).
2. Amalan yang baik adalah mendapatkan kadar perubahan (i.e., cerun) bagi
regresand terhadap regresor begitu juga mendapatkan keanjalan regresand
terhadap regresor.
3. Pekali model yang dipilih sepatutnya memenuhi jangkaan awal (a priori) tertentu.
Sebagai contoh, jika permintaan komoditi sebagai fungsi harga dan lain-lain
pembolehubah, dijangka pekali negatif bagi pembolehubah harga.
4. Kadang-kadang lebih daripada satu model yang padan dengan set data. Dalam
keluk Phillips terlaras (modified) kedua-dua model linear dan salingan
dipadankan pada data yang sama. Dalam kedua-dua kes, pekali-pekali adalah
seperti dijangka dan bererti secara statistik. Perbezaannya R
2
bagi model linear
agak tinggi berbanding model salingan. Tentukan dalam membandingkan dua
nilai R
2
, walaupun pembolehubah bersandar atau regresand mesti sama, regresor
boleh mengambil sebarang bentuk.
5. Umumnya jangan terlalu memberi perhatian yang berlebihan pada ukuran R
2

dalam erti kata lebih tinggi R
2
lebih baik model kerana R
2
sentiasa meningkat
apabila lebih banyak regresor ditambah dalam model.
Dalam banyak kes, pilihan bentuk fungsi ditentukan oleh kesesuaian /kemudahan dalam
interpretasi ekonomi dan lain-lain perkara juga mungkin boleh memainkan peranan.
Contohnya, menggunakan lnY
i
menggantikan Y
i
mungkin boleh mengurangkan masalah
heteroskedastisiti (Tajuk 7).