Bab Ii
Bab Ii
MODEL REGRESI
Persamaan Matematis
Y=a+bX (pers 1)
Persamaan Ekonometrika
Y = b0 + b1X+e (Pers 2)
2. Model Kuadratik
Salah satu ciri model kuadratik dapat diketahui dari adanya pangkat dua
pada salah satu variabel bebasnya. Ciri yang lain dapat dilihat dari scatter
plott yang menunjukkan kcenderungan sebaran data membentuk lengkung,
tidak seperti model linear yang cenderung lurus
Persamaan fungsi Kuadratik sebagai berikut :
Y = b0 + b1 X1 + b2X12 + e (pers. 5)
3. Model Kubik
Salah satu ciri model kubik dapat diketahui dari pangkat tiga pada salah
satu variabel bebasnya. Oleh karena itu sering disebut juga dengan fungsi
berderajat tiga. Ciri lain dilihat dari pengamatan terhadap scatter plott
yang menunjukkan kecenderungan sebaran data yang berbentuk lengkung
dengan arah yang berbeda.
Setiap fungsi kubik setidaknya mempunyai sebuah titik belok (inflextion
point), yaitu titik peralihan bentuk kurva dari cekung menjadi cembung
atau dari cembung menjadi cekung.
Model kuadratik dituliskan dalam persamaan fungsi :
Y = b0 + b1 +b1X1 + b1X12 + b1X13 + e (pers. 6)
NOTASI MODEL
Y = b0 + b1X1 + b2X2
Keterangan :
b :menunjukkan ketergantungan variabel Y terhadap variabel X
b0 :intercept, menjelaskan nilai variabel terikat ketika masing-masing
variabel bebasnya bernilai 0 (nol). Model ini yang menggambarkan
hubungan sistemik antara variabel Y, X1, X2.
e :diasumsikan non random model ini tidak mampu menjelaskan
variabel-variabel ekonomi secara pas (clear), oleh karean itu
membutuhkan regresi.
b. Model Statistik
Model ekonomi seperti yang dijelaskan di atas mencerminkan nilai
harapan, maka dapat ditulis :
E(Y) = b0 + b1X1 + b2X2
Karena nilai harapan, maka tidak akan secara pasti sesuai dengan
realita, sehingga akan muncul nilai random error term (e). Nilai e
merupakan selisih antara nilai kenyataan dan nilai harapan.
Asumsi-asumsinya :
1. Nilai harapan e sama dengan 0 (nol). E(e) = 0, masing-masing random
error mempunyai distribusi probabilitas = 0. Meskipun e bisa bernilai
positif atau negatif, tetapi rata-rata e harus = 0.
2. Variance residual sama dengan standar deviasi Var (e) = , artinya:
masing masing random error mempunyai distribusi probabilitas variance
yang sama dengan standar deviasi = () . Asumsi ini menjelaskan bahwa
residual bersifat homoskedastik.
3. Kovarian ei dan ej mempunyai nilai nol. Cov (ei, ej) = 0. Nilai nol dalam
asumsi ini menjelaskan bahwa antara ei dan ej tidak ada korelasi serial
atau tida berkorelasi (autocorrelation).
4. Nilai random error mempunyai distribusi probabilitas yang normal.
Karena masing, masing observasi Y tergantung pada e, maka masing-
masing Y juga memiliki varian yang random. Dengan demikian, statistik
Y menjadi sebagai beriku:
a. Nilai harapan Y tergantung pada nilai masing-masing variabel penjelas
dan parameterparameternya. Dengan menggunakan asumsi E(e) = 0,
maka rata-rata perubahan nilai Y untuk setiap observasi ditentukan
oleh fungsi regresi. E (Y) = b0 + b1X1 + b2 X2
b. Variance distribusi probabilitas Y tidak dapat berubah setiap observasi.
Var (Y) = Var (e) =
c. Tidak ada kaitan langsung antara observasi satu dengan observasi
lainnya.
Cov (Yi, Yj) = Cov (ei, ej) = 0
d. Nilai Y secara normal terdistribusi di sekitar ratarata. Asumsi-asumsi
di atas difokuskan pada pembahasan variabel terikat. Perlu adanya
asumsi tambahan terhadap variabel penjelas, yaitu:
1. Variabel independen tidak bersifat random, karena dengan jelas
dapat diketahui dari data.
2. Variabel independen tidak merupakan fungsi linear dari yang lain.
Asumsi ini penting agar tidak terjadi redundancy, yang
menyebabkan multikolinearitas.
Y = b0 + b1 + X + e
2. Multiple Linear
Apabila variabel bebas lebih dari satu variabel dengan batasan pangkat
satu. Persamaan Multiple Linear
Y = b0 + b1X1 + b2 X2,
Model kuadratik
Salah satu ciri model kuadratik dapat diketahui dari adanya
pangkat dua pada salah satu variabel bebasnya. Ciri yang lain dapat dilihat
dari scatter plott yang menunjukkan kcenderungan sebaran data
membentuk lengkung, tidak seperti model linear yang cenderung lurus
Y = b0 + b1 X1 + b2X12 + e (pers. 5)
Model Kubik
Salah satu ciri model kubik dapat diketahui dari pangkat
tiga pada salah satu variabel bebasnya. Oleh karena itu sering
disebut juga dengan fungsi berderajat tiga. Ciri lain dilihat dari
pengamatan terhadap scatter plott yang menunjukkan
kecenderungan sebaran data yang berbentuk lengkung dengan arah
yang berbeda.
Setiap fungsi kubik setidaknya mempunyai sebuah titik
belok (inflextion point), yaitu titik peralihan bentuk kurva dari
cekung menjadi cembung atau dari cembung menjadi cekung.
Model kuadratik dituliskan dalam persamaan fungsi :