Model
Y = 0 + 1 X1 + 2X 2 + 3X3 . . . + kXk + Ui
Untuk X1 dan X2 saja Y = 0+ 1X1 + 2X 2 + Ui
Asumsi: E (u) = 0 E (u2) = 2 (Homoskedastis)
Venn Cov (ui; uj) = 0 ui = independent
Diagram
1. Pengaruh X1 terhadap Y
Y
1 2 2. Pengaruh X2 terhadap Y
X1 X2 X1 dan X2 independent
Y
3. Pengaruh bersama X1
3 dan X2 terhadap Y
X2
X1 2
Estimasi OLS terhadap Koefisien Regresi
Metode OLS akan tetap mampu mendapatkan 0,
1, 2 yang BLUE.
Prosedurnya sama seperti regresi sederhana,
sebelumnya mencari nilai minimum dari jumlah
residual kuadrat sebagai berikut:
e2 = minimal (Y 0 1X1 2X2) 2 = minimal
e2
1. 0 2 (Y 0 1X1 2X2) ( 1) = 0
0
Y = n0 + 1 X1 + 2 X2 . . . . . . (1)
e 2
2 (Y 0 1X1 2X2) (X1) = 0
2. 0
1
X1Y = 0 X1 + 1 X12 + 2 X1X2 . . . . . . (2)3
e2 . . . . (3)
3. 0 2 (Y X X ) (X ) = 0
2
0 1 1 2 2 2
X2Y = 0 X2 + 1 X1 X2 + 2X22
( x1 ) ( x2 ) x1 x2
2 2 2
2
x 2 y x1 x1 y x1 x 2
2
x1 x2 x1 x2
2 2 2
0 Y - 1 X 1 2 X 2 4
Dalam mengestimasi koefisien regresi berganda
dengan hanya dua variabel independen masih bisa
dengan manual (kalkulator). Demi efisiensi waktu,
apalagi variabel independen lebih dari dua, maka kita
harus menggunakan program komputer untuk olahan
regresi seperi EViews, Sazam, Rats, SPSS, dan lain-
lain.
Formulasi untuk menghitung varian dan standar
error untuk 0, 1, dan 2 sebagai berikut:
var0
2 2 2 2
1 X x X x 2 X X x x
1 2 2 1 1 2 1 2
. 2
x1 x2 x1 x2
2 2 2
n
se0 var0
5
var1
2
x2 2
. 2
( x12 ) ( x22 ) x1 x2
2
atau var( 1 )
1
x 2
(1 r 2
12 )
se1 var 1
2
x1
var 2
2
atau var( )
2
( x1 ) ( x2 x1 x2
2 2 2
x2 (1 r12 )
2 2 2
se2 var 2
2
( x1 x2 )
Rumus untuk menghitung r
2
12 2 2
korelasi X1 dan X2 x1 x2
y 2
1 x1 y 2 x2 y
Varian
2
nk 6
n 1 e n 1 e
2 2
1 ; 2 2 Maka ( 1) > (2)
nk y nk y
2
Jadi R2 >R
Contoh 1 model regresi berganda:
Misalkan kita ingin menganalisis ekspor pakaian jadi Indonesia
ke Jepang periode 1986-2001. Ekspor adalah analisis pada sisi
penawaran dengan variabel independen harga pakaian jadi dan
nilai tukar rupiah terhadap Yen Jepang. Harga diharapkan
berhubungan positif dan kurs juga positif terhadap ekspor.
Model persamaan regresinya: = 0 + 1 X1 + 2 X2 + e
Dimana
Y = Nilai ekspor pakaian jadi ke Jepang (ton)
X1 = harga ekspor pakaian jadi,
X2 = Kurs rupiah terhadap Yen Jepang 7
Koefisien Determinasi R2
R2 menunjukkan besarnya variasi Y yang dijelaskan
oleh variasi X1 , X2 , X3, X4 . . . . Xk
Menghitung besarnya R2 :
ESS 1 x1 y 2 x2 y ...... k xk y i xi y
R
2
2
2
TSS y y
2
ESS TSS RSS RSS e . . . . . . . (1)
R2 = 1 1
TSS TSS TSS 2
y
2
Adjusted R (tidak bias)
ESS TSS - RSS RSS e 2
/ n k e 2
n 1 . . (2)
R
2
1 1 2 1 2 .
TSS TSS TSS y / n 1 y nk 8
Hasil analisis regresi sebagai berikut:
= - 4067,50 + 7,82 X1 + 1001,86 X2
t (-0,887) (4,297) (7,688) t0,05 (df =13) = 1,771
R2 = 0,9111 ; R 0,8977
2
n = 16
TSS y 2
RSS = TSS ESS = y2 R2 y2 = (1 R2) y2
Constant Return 1 + 2 = 1
Decreasing Return 1+ 2 < 1
Increasing Return 1+ 2 > 1 16
Contoh 3 (diambil dari buku Gujarati)
Y = Gross product real ; X1 = Labor ; X2 = Capital
Tahun Y X1 X2 ln Y ln X1 ln X2
1960 16.607,7 275,5 17.803,7 9,72 5,62 9,79
1961 17.511,3 274,4 18.096,8 9,77 5,61 9,80
1962 20.171,2 269,7 18.271,8 9,91 5,60 9,81
1963 20.932,9 267,0 19.167,3 9,95 5,59 9,86
Gunakan Rumus ln Y 0 1 ln X 1 2 ln X 2 17
Didapat Regresi : lnY = - 3,34 + 1,50 lnX1 + 0,49 lnX2
s (2,45) (0,54) (0,10)
t - 1,36 2,78 4,80
2
R2 = 0,8890 ; R = 0,8705
Elastisitas Y terhadap X1 E11 = 1 = 1,50
Jika labor bertambah 1% maka Y bertambah 1,50%
19
SV SS df MS
ESS thd X1 saja Q1 = 1 x1 y = 65898,24 1 65899,24
(0,9988 - 0,9978)/1
F 10,83 > 4,75
(1 - 0,9988)/(15 - 2)
Maka Ho ditolak, artinya X2 harus tetap ada dalam
model.
21
MODEL REGRESI DENGAN VARIABEL
INDEPENDEN KUALITATIF (353)
Harga, produksi, deviden, profit, penjualan, inflasi,
GNP adalah beberapa contoh variabel yang
datanya bersifat kuantitatif.
Jenis kelamin, warna kulit, tingkat pendidikan,
status perkawinan, kepemilikan mobil dalam data
cross section berarti kita membahas variabel
kualitatif. Variabel kualitatif mempengaruhi pelaku
ekonomi.