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
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
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.