BABX

OLAHDATA:
ORDINARY LEAST SQUARES (OLS)
ORDINARYLEASTSQUARES
DENGANEVIEWS

Pendahuluan
Olah data dengan analisis regresi adalah salah
satu analisis yang paling populer dan luas
pemakaiannya terutama dengan metode
Ordinary Least Squares (OLS).
OLS ini sering digunakan untuk mengolah data
secara statistik.

Manfaat
Olah data OLS dengan Eviews digunakan untuk
pengolahan data secara sederhana.
Hampir seluruh ilmu memerlukan dan
menggunakan olah data OLS ini terutama
dalam
memecahkan
masalah masalah
masalahmasalah
penelitian sederhana.

Relevansi
Materi ini relevan dan menjadi aplikasi pokok
dalam statistik terutama kaitannya dengan
olah data sederhana.
sederhana

Learning Outcome
LearningOutcome
Mahasiswa mampu mengolah data sesuai
model menggunakan OLS di Eviews.

OLS
Model regresi yang baik adalah model regresi yang dapat
menghasilkan nilai residual terkecil. Semakin kecil nilai
residual yang dihasilkan, maka semakin baik hasil dari
model regresi tersebut.
Nilai residual terkecil menunjukkan nilai estimasi yang
dihasilkan dari suatu analisis regresi akan mendekati nilai
aktualnya. Oleh karena itu, kita harus dapat menentukan
nilai
il i dan
d yang dapat
d t menghasilkan
h ilk nilai
il i residual
id l terkecil.
t k il
Metode yang dapat digunakan untuk menentukan nilai
koefisienkoefisien regresi tersebut adalah metode kuadrat
t k il (ordinary
terkecil
( di
l t square/OLS).
least
/OLS) Metode
M t d OLS dapat
d t
menghasilkan nilai residual sekecil mungkin dengan
menjumlahkan kuadrat residual.

AsumsiAsumsi
Asumsi
AsumsiOLS
OLS

Hubunganantaravariabeldependendanindependenadalahlinierdalam
parameter.
parameter
Variabelvariabelindependenadalahvariabelvariabelnonstokastikyangbernilai
tetapuntukbebagaiobservasiyangberulangulang.
Tidakadahubunganlinierantaravariabelindependenatautidakada
multikolinearitas antara variabel variabel independen
multikolinearitasantaravariabelvariabelindependen.
Nilaiharapan(expectedvalue)ataurataratadarivariabelgangguan(residual/ei)
adalahnol.
Variandarivariabelgangguan(ei)adalahsamasetiapperiodewaktuataubersifat
homoskedastis.
homoskedastis
Tidakadaserialkorelasiantaragangguanei yangsatudenganei yanglainatau
tidakadaautokorelasi.
Variabelgangguanei berdistribusinormal
Covariance antaraui danx
d
d l h l
i adalahnol
Banyaknyaobservasi(n)haruslebihbesardaribanyaknyaparameteryang
diestimasi
Nilaivariabelpenjelasharusbervariasiatauvar(x)harusbernilaipositif

 Dengan
Denganasumsi
asumsiasumsi
asumsidiatas,metodeOLS
di atas metode OLS
akanmenghasilkanestimatoryangbersifat
tidak bias linier dan memiliki varian minimum
tidakbias,linier,danmemilikivarianminimum
(bestlinearunbiasedestimators BLUE).

Kriteriaestimatoryangmemilikisifat
BLUEadalah:
d l h
Linier
e

Estimator linierterhadapvariabelstokastikY,
g
p
sebagaivariabeldependen.
Tidakbias
,y
Estimator tidakbias,yaitunilairatarataatau
nilaiharapansamadengannilai yang
sebenarnya.
Memilikivarianminimum
Estimator memilikinilaivarianyangminimum.
k

Standard Error OLS

StandardErrorOLS
EstimatoryangdiperolehdarimetodeOLSmemiliki
y g p
sifatacakdanrandomataunilainyaberubahubahdari
satukesampellainnya.Adanyavariabilitasestimator
ini maka kita membutuhkan ketepatan dari estimator
inimakakitamembutuhkanketepatandariestimator
tersebut.
y g p
g
g
Indikatoryangdapatdigunakanuntukmengetahui
ketepatanestimatorOLSadalahstandarderror (Se).
SemakinkecilnilaiSe dariestimator,makasemakin
kecil pula variabilitas dari angka estimator yang berarti
kecilpulavariabilitasdariangkaestimator,yangberarti
nilaiestimatortersebutsemakindapatdipercaya.

Olah DataOLS
Data OLS
Y = 0 + 1 X

Keterangan:
Y : variabelterikat/dependen
i b l ik /d
d
X : variabelpenjelas/independen

: konstanta(intercept)
: slope/koefisienregresiparsial
slope/koefisien regresi parsial
0

 Model
Modelregresiakanmenghasilkannilai
regresi akan menghasilkan nilai
estimasidarivariabeldependen(Y),namun
nilai estimasi tersebut sangat mungkin
nilaiestimasitersebutsangatmungkin
berbedadengannilaiaktualnya ( Y ).
Perbedaan antara nilai estimasi Y ( Y )dannilai
PerbedaanantaranilaiestimasiY(
) dan nilai
aktualYdisebutdenganresidual ( e ).
Yt = 0 + 1 X + e

 Residual
Residual(( e )seringpuladisebutdengan
) sering pula disebut dengan
variabelgangguan(disturbance/errorterms).
Nilairesidual(
Nilai residual ( e )dapatpositifmaupun
) dapat positif maupun
negatif.Variabelgangguandapatmuncul
karena hubungan antara variabel variabel
karenahubunganantaravariabelvariabel
ekonomibersifatacak(random),dantidak
seperti hubungan antara variabel variabel
sepertihubunganantaravariabelvariabel
dalammatematikayangbersifatdeterministik.

Contoh :Olah
: Olah DataOLS
Data OLS
MelakukanRegeresidenganMetodeOLS
g
g
Contoh1:Pengeluaran=f(Gaji)
*Datatelah tersedia
Modeldarifungsitersebut:

Pengeluara

n = 0 + 1 Gaji

Untuk dapat melakukan estimasi atau regresi

terhadap persamaan di atas,
atas maka dalam program olah
data eviews, salah satu cara yang dapat dilakukan
adalah: mengklik menu utama QUICK.

 Dengan
Dengancarainiadalah
cara ini adalah
klikQUICK KLIK
ESTIMATEEQUATION
akanmunculkotak
dialogEQUATION
SPECIFICATION D l
SPECIFICATION.Dalam
kotakdialogEquation
Specification ketik
Specification,ketik
Pengeluaran CGaji
KlikOK.

 Hasil
HasilEstimasiRegresi
Estimasi Regresi
Sederhanasebagai
berikut:
Pengeluaran=1434,32+0,2106Gaji
Se(490,46)(0,019)
R2 =0,696

Tugas :Latihan
: Latihan
Dengan
g data di bawah Datasbb:
ini lakukan olah data
obs
Y
regresi OLS dengan
1
19583
Eviews
Eviews.
Dimana
Y
2
20263
adalah Pendapatan dan
3
20325
C adalah Konsumsi.
4
26800
Modelnya adalah:

C = + Y

Dimana
konsumsi
dipengaruhi
oleh
pendapatan
pendapatan.

C
3346
3114
3554
4642

29470

4669

26610

4888

30678

5710

27170

5536

25853

4168

10

24500

3547

11

24274

3159

21

22644

3914

12

27170

3621

22

24624

4517

13

30168

3782

23

27186

4349

14

26525

4247

24

33990

5020

15

27360

3982

25

23382

3594

16

21690

3568

26

20627

2821

17

21974

3155

27

22795

3366

18

20816

3059

28

21570

2920

19

18095

2967

29

22080

2980

20

20939

3285

30

22250

3731

Daftar Pustaka
Gujarati
Gujarati,Damodar
Damodar N.2003.BasicEconometrics
N 2003 Basic Econometrics
4thedition.Singapore:McGraw Hill,
Maddala,G.S.2001.Introductionto
Maddala G S 2001 Introduction to
Econometrics.ThirdEdition.Chichester:John
Wiley&Sons ltd.
ltd
Wahyu,Winarno Wing.2007.Analisis
Ek
Ekonometrika
ik dan
d Statistika
S i ik dengan
d
E i
Eviews,
Yogyakarta:UPPSTIMYKPN.