Jelajahi eBook
Kategori
Jelajahi Buku audio
Kategori
Jelajahi Majalah
Kategori
Jelajahi Dokumen
Kategori
Tabel 1.3
Tahun AS Kanada Jepang Prancis Jerman Italia Inggris
1980 82,4 76,1 91 72,2 86,7 63,9 78,5
1981 90,9 85,6 95,3 81,8 92,2 75,5 87,9
1982 96,5 94,9 98,1 91 97 87,8 95,4
1983 99,6 100,4 99,8 100,3 100,3 100,8 99,8
1984 103,9 104,7 102,1 108 102,7 111,4 104,8
1985 107,6 109 104,2 114,3 104,8 121,7 111,1
1986 109,6 113,5 104,9 117,2 104,6 128,9 114,9
1987 113,6 118,4 104,9 121,1 104,9 135,1 119,7
1988 118,3 123,2 105,6 124,3 106,3 141,9 125,6
1989 124 129,3 108 128,7 109,2 150,7 135,4
1990 130,7 135,5 111,4 132,9 112,2 160,4 148,2
1991 136,2 143,1 115 137,2 116,3 170,5 156,9
1992 140,3 145,3 117 140,4 122,2 179,5 162,7
1993 144,5 147,9 118,5 143,4 127,6 187,7 165,3
1994 148,2 148,2 119,3 145,8 131,1 195,3 169,3
1995 152,4 151,4 119,2 148,4 133,3 205,6 175,2
1996 156,9 158,8 119,3 151,4 135,3 213,8 179,4
1997 160,5 156,3 121,5 153,2 137,8 218,2 185,1
1998 163 157,8 122,2 154,2 139,1 222,5 191,4
1999 166,3 160,5 121,8 155 140 226,2 194,3
2000 172,2 164,9 121 157,6 142 231,9 200,1
1
2001 177,1 169,1 120,1 160,2 144,8 238,3 203,6
2002 179,9 179,9 119 163,3 146,7 244,3 207
2003 184 177,7 118,7 166,7 148,3 250,8 213
2004 188,9 181 118,7 170,3 150,8 256,3 219,4
2005 195,3 184,9 118,3 173,2 153,7 261,3 225,6
Jawab.
2
1.1.b
Seperti yang Anda lihat dari angka ini, tingkat inflasi masing-masing
negara secara umum telah menurun selama bertahun-tahun.
1.2.a grafik dari tingkat inflasi ofthe enam negara diplot terhadap AS tingkat
3
inflasi adalah sebagai berikut:
Ingat bahwa korelasi tidak berarti Sebab - akibat. Satu mungkin harus
berkonsultasi buku internasional makroekonomi untuk mengetahui apakah
ada kausal koneksi antara TI AS dan negara-negara lain tingkat inflasi.
Tabel 1.4
Korea
Tahun Australia Kanada China Jepang Meksiko Selatan Swedia Swiss Inggris
1985 0,7003 1,3659 2,9434 238,47 0,257 872,45 8,6032 2,4552 1,2974
1986 0,6709 1,3896 3,4616 168,35 0,612 884,6 7,1273 1,7979 1,4677
1987 0,7014 1,3259 3,7314 144,6 1,378 826,16 6,3469 1,4918 1,6398
1988 0,7841 1,2306 3,7314 128,17 2,273 734,52 6,137 1,4643 1,7813
1989 0,7919 1,1842 3,7673 138,07 2,461 674,13 6,4559 1,6369 1,6382
1990 0,7807 1,1668 4,7921 145 2,813 710,64 5,9231 1,3901 1,7841
1991 0,7787 1,146 5,3337 134,59 3,018 736,73 6,0521 1,4356 1,7674
1992 0,7357 1,2085 5,5206 126,78 3,095 784,66 5,8258 1,4064 1,7663
1993 0,6799 1,2902 5,7795 111,08 3,116 805,75 7,7956 1,4781 1,5016
1994 0,7316 1,3664 8,6397 102,18 3,385 806,93 7,7161 1,3667 1,5319
1995 0,7407 1,3725 8,37 93,96 6,447 772,69 7,1406 1,1812 1,5785
1996 0,7828 1,3638 8,3389 108,78 7,6 805 6,7082 1,2361 1,5607
1997 0,7437 1,3849 8,3193 121,06 7,918 953,19 7,6446 1,4514 1,6376
1998 0,6291 1,4836 8,3008 130,99 9,152 1400,4 7,9522 1,4506 1,6573
1999 0,6454 1,4858 8,2783 113,73 9,553 1189,84 8,274 1,5045 1,6172
2000 0,5815 1,4855 8,2784 107,8 9,459 1130,9 9,1735 1,6904 1,5156
2001 0,5169 1,5487 8,277 121,57 9,337 1292,02 10,3425 1,6891 1,4396
2002 0,5437 1,5704 8,2771 125,22 9,663 1250,31 9,7233 1,5567 1,5025
2003 0,6524 1,4008 8,2772 115,94 10,793 1192,08 8,0787 1,345 1,6347
2004 0,7365 1,3017 8,2768 108,15 11,29 1145,24 7,348 1,2428 1,833
2005 0,7627 1,2115 8,1936 110,11 10,894 1023,75 7,471 1,2459 1,8204
2006 0,7535 1,134 7,9723 116,31 10,906 954,32 7,3718 1,2532 1,8434
1.3. Tabel 1.4 menyajikan tingkat nilai tukar dari tujuh negara industrialisasi
dari tahun 1985-2006 Kecuali inggris, nilai tukar didefinisikan sebagai unit
mata uang negara asing terhadap satu dollar AS; sedangkan untuk inggris,
didefinisikan sebagai jumlah dolar AS terhadap 1 pound U.K
4
a. Plotkan nilai tukar ini terhadap waktu dan berikan komentar terhadap
prilaku umum dari nilai tukar terhadap periode waktu tertentu.
b. Dolar dikatakan terapresiasi jika mampu untuk membeli unit mata
uang asing lebih banyak. Sebaliknya, terdepresiasi jika hanya dapat
membeli unit mata uang asing lebih sedikit. SEPANJANG PERIODE
1985-2006 , bagaimanakah prilaku umum dari dollar AS? Coba cari
dari buku teks mana pun mengenai makroekonomi atau ekonomi
internasioinal untuk mencari tahu faktor apa saja yang memengaruhi
apresiasi dari suatu mata uang .
Jawab
1.3.a Untuk lebih baik kesan visual logaritma dari nilai tukar diplot pada sumbu
vertikal dan waktu pada sumbu horisontal.
Seperti yang Anda lihat, kurs tampilkan kesepakatan yang baik dari
variabilitas sebagai contoh, pada tahun 1977 satu dolar AS membeli
tentang 268 yen, tetapi pada tahun 1995 itu bisa membeli hanya sekitar 94
yen.
Lagi, gambar dicampur. Sebagai contoh, antara 1977 dan 1995, yang dolar
AS pada umumnya disusutkan terhadap yen, maka mulai menghargai.
Serupa gambar muncul terhadap mata uang lainnya.
1.4. Data yang mendasari uang beredar MI yang tersaji pada figur 1.5 di
sajikan dalam tabel 1.5 Dapatkah anda memberikan alasan mengapa uang
5
beredar selama ini mengalami peningkatan sepanjang periode waktu yang
disajikan dalam tabel?
1.5. Anggap anda diminta untuk membuat model ekonomi dari aktivitas
kriminal, bisa dikatakan, jumlah waktu yang dihabisakan untuk kegiatan
kriminal (misal: menjual obat-obatan terlarang). Variabel apa saja yang
akan dipertimbangkan dalam model tersebut? Perhatikan apakah model
yang digunakan cocok dengan model yang dibangun oleh ekonomi
pemenang hadiah nobel Gary Becker.**
6
7
Jawab
sebagai PDB meningkat dari waktu ke waktu, tentu saja jumlah yang lebih
tinggi dari uang beredar diperlukan untuk membiayai peningkatan output.
8
1.6 Eksperimen terkontol dalam ekonomi: Pada tanggal 7 April 2000, Presiden
Clinton mendatatangani sebuah undang – uandang (UU) yang disetujui
oleh kedua kongres AS yang mengangkat pembatasan pendapatan untuk
penerima program jaringan sosial. Sebelum UU tersebut disetujui, pajak
penerima yang berusia 65 – 69 yang memiliki pendapatan lebih dari
$17.000 pertahun akan kehilangan $1 untuk setiap pendapatan yang
didapatkan dari Program Jarinagn Sosial, untuk setiap kelebihan $3
pendapatan dari $17.000 pendapatannya. Bagaimana anda membuat
sebuah studi untuk menguju dampak dari perubahan undang – undang ini?
1.7 Data yang disajikan dalam tabel 1.6 dipublikasikan pada tanggal 1 maret
1964, pada Wall Street Journal. Data ini memberikan hubungan dana iklan
dengan (jutaan dolar) dari 21 perusahaan (1983) dan jutaan pendapatan
yang didapatkan setiap minggunya dari pengamat produk prusahaan
tersebut. Data yang digunakan berdasarkan hasil survei terhadap 4.000
orang dewasa (pengguna produk) diminta untuk mengingat kembali iklan
mengenai produk tersebut selama seminggu terakhir
Tabel 1.6
Perusahaan Pendapatan, Jutaan Pengeluaran '83
Miller Lite 32,1 50,1
Pepsi 99,6 74,1
Stroh's 11,7 19,3
Fed'l Express 21,9 22,9
Burger King 60,8 82,4
Coca-Cola 78,6 40,1
McDonald's 92,4 185,9
MCI 50,7 26,9
Diet Cola 21,4 20,4
Ford 40,1 166,2
Levi's 40,8 27
Bud Lite 10,4 45,6
ATT/Bell 88,9 154,9
Calvin Klein 12 5
Wendy's 29,2 49,7
9
Polaroid 38 26,9
Shasta 10 5,7
Meow Mix 12,3 7,6
Oscar Meyer 23,4 9,2
Crest 71,1 32,4
Kibbles'N Bits 4,4 6,1
Jawab
1.6. Salah satu faktor kunci dalam analisis akan menjadi tingkat partisipasi
Angkatan kerja orang dalam 65-69 usia kategori. Data pada partisipasi
Angkatan kerja dikumpulkan oleh Departemen tenaga kerja jika setelah
Undang-Undang baru pergi berlaku, kita menemukan peningkatan
partisipasi ini "senior" warga di Angkatan kerja, yang akan menjadi
indikasi kuat bahwa sebelumnya hukum telah artifisial membatasi pasar
tenaga kerja partisipasi. Itu juga akan menarik untuk mencari tahu apa
jenis pekerjaan pekerja ini mendapatkan dan apa yang mereka Dapatkan.
(A), (B) dan (c) seperti gambar berikut menunjukkan, tampaknya ada
hubungan positif antara kedua variabel, Meskipun tampaknya tidak
menjadi sangat kuat. Ini mungkin menunjukkan bahwa membayar untuk
beriklan, jika tidak, itu adalah berita buruk untuk industri periklanan
2.1 Apakah yang dimaksut dengan fungsi ekspetasi kondisional atau FRP?
10
2.2 Apakah perbedaan FRP dengan FRS? Apakah perbedaan diantara kedua
fungsi ini dilakukan tanpa ada perbedaan?
2.3 Apakah peran dari faktor kesalahan stokastik, Ui, dalam analisis regresi?
Apakah perbedaan antara faktor kesalahan stokastik dan residual, Ui,?
2.4 Mengapa kita perlu melakukan analisis reresi? mengapa kita tidak
menggunakan (saja) nilai rerata dari regresan sebagai best value?
2.6 Tentukan apakah model – model di bawah ini linear dalam parameternya,
dalam variabelnya, atau keduanya. Manakah di antara model ini yang
merupakan model regresi linear?
a. Reciprocal
b. Yi = β1 + β2 inXi + Ui Semilogarithmic
2.7 Apakah model – model dibawah ini adalah model regresi linear? Berikan
alasannya.
a. Yi = e β1 + β2Xi + Ui
1
b. Yi = 𝑒 𝛽1 + 𝛽2Xi + Ui
c. InYi = β1 + β2 (1/X1) + Ui
e. Yi = β1 + β23 Xi + Ui
2.8 Apakah yang dimaksut degan model regresi linear secara intristik
(intrisically linear)? Jika β2 pada latihan 2.7 bernilai 0,8; apakah model
menjadi model regresi linear atau nonlinear?
Jawab.
11
2.1 itu menceritakan bagaimana berarti atau rata tanggap sub-populasi Y
bervariasi dengan tetap nilai penjelas variabel (S).
2.2 perbedaan antara sampel regresi fungsi dan penduduk regresi fungsi
penting, untuk yang pertama adalah merupakan estimator yang terakhir;
dalam banyak situasi kita memiliki sampel dari pengamatan dari suatu
populasi dan kami mencoba untuk belajar sesuatu tentang penduduk dari
diberikan sampel.
2.3 sebuah model regresi tidak pernah bisa menjadi benar-benar akurat
deskripsi realitas. Oleh karena itu, ada terikat untuk beberapa perbedaan
antara yang sebenarnya nilai-nilai yang regressand dan nilai-nilai estimasi
dari memilih model. Perbedaan ini adalah hanya stochastic kesalahan
istilah, yang berbagai bentuk dibahas dalam Bab. Sisa adalah sampel rekan
dari stochastic kesalahan panjang.
2.4 Meskipun bisa menggunakan nilai rata-rata, standar deviasi dan ikhtisar
langkah-langkah untuk menggambarkan perilaku dari regressand, kita
sering tertarik dalam mencari tahu apakah ada kausal pasukan yang
mempengaruhi regressand. Jika demikian, kami akan dapat lebih baik
memprediksi nilai rata-rata dari regressand. Juga, ingat bahwa
ekonometrik model sering dikembangkan untuk menguji satu atau
beberapa teori ekonomi.
2.5 Model yang linear di parameter; mungkin atau mungkin tidak linier dalam
variabel.
2.6 model (a), (b), (c) dan (e) adalah linear (dalam parameter) model regresi.
Jika kita membiarkan a = in β1 maka model (d) juga linear.
2.8 model yang dapat dilakukan linear di parameter disebut intrinsik model
regresi linier, sebagai model (a) di atas. Jika β2 adalah 0.8 dalam model (d)
dari pertanyaan 2.7, itu menjadi model regresi linier, sebagai ( rumus )
dapat dengan mudah dihitung
12
2.9 Perhatikan model nonstokastik berikut ( model – model tanpah kesalahan
stokastik ). Apakah model tersebut model regresi linear? Jika tidak, apakah
mungkin, dengan menipulasi secara aljabaryang sesuai, mengubahnya
menjadi model linear?
1
a. Yi = 𝛽1 + 𝛽2Xi
𝑋𝑖
b. Yi = 𝛽1 + 𝛽2Xi
1
c. Yi = 1+exp(−𝛽1− 𝛽2Xi)
2.10 Anda diberikan scattergram pada figur 2.8 dengan garis regresinya.
Kesimpulan umum apakah yang dapat anda ambil dari diagram tersebut?
Apakah garis regresi di dalam diagram itu merupakan sebuah regresi
populasi atau garis regresi sampel?
13
Figur 2.9 Tingkat pertumbuhan upah riil industri manufaktur dan ekspor. Data
didapatkan dari 50 nedara berkembang selama 1979 – 90. Intensitas
keterampilan ekspor serta sumber daya manusia. Data diambil dari
126 negara industri dan negara berkembng pada tahun 1985. Nilai
yang terteras sepanjang nilai horizontal adalah nilai logaritma dari
nilai rasio rata – rata tingkat pendidikan terhadap luas tanah; sumbu
vertikal merupakan nilai logaritma dari nilai rasio ekspor produk
manufaktur terhadap produk premier
2.11 Dari scattegram upah riil yang diberikan pada figur 2.9, kesimpulan
umum apakah yang dapat diarah? Apakah teori ekonimi yang mendasari
scattegram tersebut?
14
2.13 Apakah garis regresi yang ditunjukan pada figur P.3 di bagian
pendahuluan merupakan FRP atau FRS? Mengapa? Bagaimana anda
mempertimbangkan titik – titik acak yang tersebar di sekitar garis
regresi? Selain produk domestik bruto (PDB), faktor atau variabel apa
lag
i
ya
ng
bis
a
me
mp
en
gar
uhi
pe
ng
elu
ara
n
ko
ns
um
si
pri
badi?
15
Figur 2.10
Jawab.
2.10 Ini scattergram menunjukkan bahwa lebih berorientasi ekspor negara rata-
rata memiliki lebih pertumbuhan upah riil dari kurang berorientasi ekspor
negara. Itulah sebabnya banyak negara-negara berkembang telah diikuti
ekspor yang dipimpin kebijakan pertumbuhan. Dengan garis regresi
membuat sketsa dalam diagram sampel garis regresi, karena didasarkan
pada sampel 50 negara-negara berkembang.
2.12 angka ini menunjukkan bahwa lebih tinggi adalah upah minimum, yang
lebih rendah adalah per Kepala GNP, sehingga menunjukkan bahwa upah
minimum hukum mungkin tidak baik untuk negara-negara berkembang.
Tapi topik ini adalah kontroversial. Pengaruh upah minimum mungkin
tergantung pada mereka terhadap pekerjaan, sifat industri di mana ia
dikenakan, dan bagaimana sangat pemerintah memberlakukan itu
2.13 Ini adalah contoh garis regresi karena didasarkan pada sampel dari 15
tahun dari pengamatan. Yang menyebarkan poin di sekitar garis regresi
adalah data aktual poin. Perbedaan antara yang sebenarnya pengeluaran
konsumsi dan yang diperkirakan dari garis regresi merupakan (sampel)
sisa. Selain PDB, faktor seperti kekayaan, suku bunga, dll mungkin juga
mempengaruhi pengeluaran konsumsi.
2.14 Berdasarkan data Amerika Serikat (AS) pada tahun 1980 – 1991 yang
diberikan pada tabel 2.7:
16
a. Poltka data tingkat partisipasi angkatan kerja sipil pria terhadap tingkat
pengangguran dari angkatan kerja sipil pria. Perhatikan sebuah garis
regresi yang melalui titik – titik yang tersebar acak tersebut.
Berdasarkan dugaan awal, bagaimanakah perkiraan hubungan antara
dua variabel tersebut dan teori ekonomi apakah yang mendasarinya?
apakah scattegram mendukung teori itu?
b. Ulangi soal (a) untuk wanita
c. Sekarang, poltkan tingkat partisipasi angkatan kerja sipil, pria dan
wanita, terhadap penghasilan per jam rata – rata (harga konstan tahun
1982). (Anda dapat menggunakan diagram yang berbeda) kini apa
yang anda lihat sekarang? Dan, bagaimana anda mempertimbangkan
pertemuan anda?
d. Dapatkah anda memplot tingkat partisipasi angkatan kerja sipil
terhadap tingkat pengangguran dan hasil per jam rata – rata, secara
bersamaan? Jika tidak, bagaimanakah anda menjelaskan secara verbal
hubungan di antara ketiga variabel ini?
Jawab
17
hubungan positif antara kedua variabel mungkin tampak mengherankan
karena satu harapkan dua untuk berhubungan negatif. tetapi menambahkan
pekerja hipotesis tenaga kerja ekonomi menunjukkan bahwa ketika
pengangguran meningkat sekunder Angkatan kerja mungkin memasuki
pasar tenaga kerja untuk mempertahankan beberapa tingkat pendapatan
keluarga.
18
2.14.c plot CLFPRM terhadap AH82 menunjukkan berikut:
2.15 Tabel 2.8 memberikan data dari pengeluaran terhadap makanan dan
pengeluaran total, dalam rupee, untuk sampel dari 55 rumah tangga
pedesaan di India. (Pada awal tahun 2000, l US$ 40 rupee India)
19
Tabel 2.8
Jawab.
20
2.15.a scattergram dan garis regresi terlihat sebagai berikut:
2.16. Tabel 2.9 memberikan data tentang rerata nilai TBS untuk mahasiswa-
mahasiswa tingkat akhir pada tahun 1972-2007. Data ini
merepresentasikan nilai-nilai tes baca kritis dan matematika bagi
mahasiswa pria dan wanita. Kategori atau kemampuan untuk menulis
data pada tahun 2006. Oleh karena itu, data ini tidak ditampilkan.
21
d. Plotkan nilai TBS membaca kritis wanita terhadap nilai TBS
membaca kritis pria. (Gacam garis regresi yang melewati titik-titik
acak.) Apa yang bisa Anda lihat?
Tabel 2.9
Jawab.
22
2.16.a Plot pencar untuk nilai verbal pria dan wanita adalah sebagai berikut:
Dan plot yang sesuai untuk skor matematika pria dan wanita adalah
sebagai berikut:
23
2.16.d plot adalah sebagai berikut:
24
3.1. Berdasarkan kondisi yang ada pada kolom 1 dari Tabel berikut, tunjukkan
bahwa asumsi yang tertera sama dengan pernyataan yang ada pada kolom
Jawab
3.1
3.2. Tunjukkan bahwa estimator β1 = 1,572 dan β2 = 1,357 yang sangat tepat
dalam Tabel 3.1 memang benar adalah estimator OLS.
Jawab.
25
3.3. Menurut malinvaud (lihat catatan kaki 11), asumsi bahasa dari E (ui l Xi)
cukup penting. Untuk melihatnya, pertimbangkan FRP ini: Y = β1 + β2Xi +
ui sekarang, pertimbangkan kedua situasi ini dan ,kemudian,
ambilah ekspektasi FRP
yang kondisional terhadap X pada kedua kasus tadi, dan
lihat apakah Andari menyetujui malinvauad mengenai signifikansi bahasa
dari asumsi E (ui l Xi) = 0
Jawab.
3.3
Sama dengan situasi 1. Oleh karena itu tanpa asumsi E (ui) = 0, seseorang
tidak dapat memperkirakan parameter, karena seperti yang baru saja di
tunjukan, seorang memperoleh distribusi bersyarat Y yang sama meskipun
nilai parameter yang diasumsikandalam dua situasi berhenti berbeda.
Jawab,
Menyederhanakan ini
menghasilkan persamaan normal
26
pertama. Memaksakan pembatasan kedua, kita mendapatkan:
3.5 tunjukkan bahwa r2 yang didefinisikan pada persamaan (3.5.5) berada pada
nilai 0 sampai 1. Andari boleh saja menggunakan pertidaksamaan cauchy-
Schwarz, yang menyatakan bahwa untuk variabel acak X dan Y mana pun,
hubungan berikut ini berlaku:
Jawab.
3.6. Anggap βyx dan βxy, secara berturut-turut, representasi kemiringan regresi
Y terhadap X dan X terhadap Y. Tunjukkan bahwa
Jawab.
3.6 Perhatikan :
Jawab
27
3.7 Meskipun , mungkin masih penting (untuk kualitas dan teori)
jika Y diregresikan pada X atau X pada Y, karena itu hanya produk yang
sama dengan 1. Ini tidak mengatakan bahwa
Jawaba.
28
Sekarang dengan mengamati persamaan sebelumnya dalam (1), anda akan
mendapatkan jawabannya
Jawab.
3.9.a
Oleh karena itu, tidak perkiraan maupun varians dari dua estimator adalah
sama.
3.9.b
29
Artinya, estimasi dan varians dari dua estimator adalah sama
3.9.c Model II mungkin lebih mudah digunakan dengan angka X yang besar,
meskipun dengan komputer berkecepatan tinggi ini tidak lagi menjadi
masalah.
di mana, seperti biasanya, y1 dan x1 adalah deviasi dari nilai rerata untuk
masing-masing y1 dan x1, Apakah kemungkinan nilai dari β1? Mengapa?
Apakah β2 akan sama deagan apa yang dihasilkan pada Persamaan (3.1.6)?
Mengapa?
Jawab
2.10 Karena yaitu, jumlah deviasi dari nilai rata – rata selalu
nol, x = y = 0 juga nol. Oleh karena itu intinya adalah
bahwa jika kedua Y dan X adalah B dinyatakan sebagai penyimpangan
dari nilai rata – rata mereka, garis regresi akan melewati asal.
Jawab.
Menurut definisi
30
3.12. Jika r adalah koefisien korelasi di antara n pasangan nilai (Xp Yi) dan
bernilai positif, lalu, tentukanlah apakah pernyataan berikut ini benar atau
salah:
Jawab.
3.12.a Benar. Biyarkan a dan c sama dengan -1 dan b dan d sama dengan 0 di
pertanyaan 3.11
3.12.b Salah. Sekali lagi menggunakan pertanyaan 3.11, itu akan menjadi negatif
3.13. Jika X1, X2, dan X3 merupakan variabel yang tidak berkaitan dan masing-
masing memiliki standar deviasi yang sama, tunjukkan bahwa koefisien
korelasi antara X1 + X2 dan X2 + X3 koefisien adalah sama dengan 1/2.
Mengapa koefisien korelasi tidak bernilai 0?
Jawab.
31
Catatan tidak berkorelasi telah menghilangkan subskripsi obervasi untuk
kenyamanan.
Jawab.
1.14. Nilai Residual dan pas dari Y tidak akan berubah. Dengan
32
definisi dari r yang diberikan pada maan (3.5.13) dan ingat kembali bahwa
dan ingat juga Persamaan (3.5.6).
Jawab.
3.15.
3.16. Jelaskan alasan apakah pernyataan berikut ini, benar, salah, atau tidak
pasti:
Jawab.
3.16.a Salah. Kovarian dapat mengasumsikan nilai apa pun; nilainya tergantung
pada satuan ukuran. Koefisien korelasi, di sisi lain, adalah tanpa unit,
yaitu, itu adalah bilangan murni.
3.16.b Salah. Lihat Gambar.3.11h. Ingat bahwa koefisien korelasi adalah ukuran
hubungan linear antara dua variabel. Oleh karena itu, seperti yang
ditunjukkan Fig.3.11h, ada hubungan yang sempurna antara Y dan tetapi
hubungan itu adalah nonlinier X,
Oleh karena itu, jelas bahwa jika kita mundur yi pada yi, koefisien
kemiringan akan menjadi satu dan nol intersep. Tapi bukti formal dapat
dilanjutkan sebagai berikut:
33
Jika kita mundur yi pada yi, kita mendapatkan koefisien kemiringan,
katakanlah, sebagai:.
3.17. Regresi tanpa regresor Anggap Anda diberikan model sebagai berikut: .
Gunakan metode OLS untuk mengestimasi β1. Bagaimanakah
varians dan RSS-nya? Apakah β1 yang diestimasi ini memiliki arti intuitif?
Sekarang, apa yang terjadi jika model adalah model FRP dua variabel .
Apakah berguna jika X ditambahkan pada model?
Jika tidak, mengapa kita perlu melakukan analisis regresi?
Jawab.
Ingat bahwa untuk model dua variabel yang kita peroleh dari (3.5.2),
Oleh karena itu, jika B2, berbeda dari nol, RSS dari model yang
mengandung setidaknya satu regresi, akan lebih kecil daripada model
tanpa regresi. Tentu saja, jika ada lebih banyak regresi dalam model dan
34
koefisien kemiringannya berbeda dari nol, RSS akan jauh lebih kecil dari
pada model tanpa-regresi.
3.18. Pada Tabel 3.5, Anda diberikan data ranking hasil ujian tengah semester
(UTS) dan ujian akhir semester (UAS) dari 10 siswa. Hitung koefisien
korelasi urutan Spearman kemudian interpretasikan!
Tabel 3.5
Jawab.
3.18 Mengambil perbedaan antara dua peringkat, kita memperoleh:
3.19. Hubungan antara nilai tukar nominal dan harga relatif. Dari observasi
tahunan antara 1985 sampai dengan 2005, didapatkan hasil regresiberikut
ini, di mana Y = nilai tukar dolar Kanada terhadap dolar AS (CD/$) dan X
= rasio IHK AS terhadap IHK Kanada, di mana X mewakili harga relatif di
antara kedua negara:
35
Jawab.
3.19.a Nilai kemiringan -4.318 menunjukkan bahwa selama periode 1980 1994,
untuk setiap unit kenaikan harga relatif, rata-rata, nilai tukar (GM / $)
menurun sekitar 4.32 unit. Itu adalah dolar terdepresiasi karena semakin
berkurang nilai Jerman untuk setiap dolar yang dipertukarkan. Secara
harfiah ditafsirkan, nilai intercept dari 6.682 berarti bahwa jika rasio harga
relatif adalah nol, dolar akan bertukar untuk 6.682 tanda Jerman. Tentu
saja, interpretasi ini tidak bermakna secara ekonomi
3.19.b Nilai negatif dari koefisien kemiringan masuk akal ekonomi sempurna
karena jika harga AS naik lebih cepat daripada harga Jerman, konsumen
domestik akan beralih ke barang Jerman, sehingga meningkatkan
permintaan untuk GM, yang akan mengarah pada apresiasi tanda Jerman.
Ini adalah esensi dari teori purchasing power parity (PPP), atau hukum
satu harga.
3.19.c Dalam hal ini koefisien kemiringan diharapkan menjadi positif, karena
semakin tinggi CPI Jerman relatif terhadap IHK AS, semakin tinggi
tingkat inflasi relatif di Jerman yang akan mengarah pada apresiasi dolar
AS. Sekali lagi, ini dalam semangat PPP.
Tabel 3.6
36
3.20. Tabel 3.6 memberikan data-data indeks output per jam (X) dan
kompensasi per jam riil (Y), untuk sektor bisnis dan sektor bisnis
nonpertanian dari perekonomian AS pada tahun 1960-2005. Angka dasar
untuk indeks adalah 1992 = 100 dan indeks indeks tersebut disesuaikan
secara musiman.
Jawab.
37
3.20.b Sebagaimana ditunjukkan oleh kedua diagram tersebut, ada hubungan
positif antara upah dan produktivitas, yang tidak mengejutkan dalam
pandangan teori produktivitas marjinal ekonomi tenaga kerja
3.20.c Seperti yang ditunjukkan oleh angka sebelumnya, hubungan antara upah
dan produktivitas, meskipun positif, tidak linear. Oleh karena itu, jika
kami mencoba menyesuaikan model regresi garis lurus ke data, kami mungkin
tidak mendapatkan kecocokan yang baik. Dalam bab selanjutnya kita akan
melihat jenis model apa yang sesuai dalam situasi ini. Tetapi jika kita
secara rutin menyesuaikan model linier dengan data, kita memperoleh hasil
berikut.
Jawab.
3.21
Data asli: 1110 1700 205500 322000 132100
Data yang direvisi 1110 1680 204200 315400 133300
Oleh karena itu, koefisien korelasinya yang terkoreksi adalah 0,9688
38
3.22. Tabel 3.7 menyajikan data harga emas, IHK, dan indeks New York Stock
Exchange (NYSE) untuk AS periode 1974-2006. Indeks NYSE
memasukkan sebagian besar saham yang terdaftar di pasar saham New
York, yang jumlahnya sekitar 1500.
a. Plotkan diagram acak dari harga emas, lHK, dan indeks NYSE.
b. Sebuah investasi bertujuan untuk melakukanhedging terhadap inflasi,
jika harganya dan/atau tingkat pengembaliannya setara dengan
Jawab.
3.22 Jika Anda memplot variabel-variabel ini terhadap waktu, Anda akan
melihat bahwa umumnya mereka telah bergerak ke atas, dalam hal emas
ada volatilitas harga yang cukup besar.
(c)
Tampaknya pasar saham adalah lindung nilai yang lebih baik terhadap
inflasi daripada emas. Seperti yang akan kita lihat di Ch.5, koefisien
kemiringan dalam persamaan harga emas tidak signifikan secara statistik.
3.23. Tabel 3.8 menyajikan data mengenai produk domestik bruto (PDB) untuk
AS pada tahun 1959-2005.
a. Plotkan data PDB pada dolar nominal dan konstan (misal: 2000)
terhadap waktu.
b. Jika Y mewakii PDB dan x adalah waktu (yang diukur secara
kronologis, mulai dengan 1 untuk 1959 dan 2 untuk 1960, hingga
47 untuk 2005), perhatikan apakah model berikut ini dapat
mewakili data PDB:
39
c. Bagaimana Anda menginterpretasi β2?
d. Jika ada perbedaan d2 untuk PDB nominal dengan PDB konstan
yang diestimasi, apakah hal yang dapat menjelaskan perbedaan
tersebut?
e. Dari hasil yang didapatkan, apakah yang dapat Anda katakan
mengenai sifat innasi di AS selama periode sampel?
Tabel. 3.7
Jawab.
3.23.a Plotnya adalah sebagai berikut, di mana NGDP dan RGDP adalah nominal
dan riil GDP.
40
3.23.b
3.23.c Kemiringan di sini memberi laju perubahan PDB per periode waktu.
3.23.d Perbedaan antara keduanya mewakili inflasi dari waktu ke waktu.
3.23.e Sebagaimana ditunjukkan oleh angka dan hasil regresi, PDB nominal telah
tumbuh lebih cepat daripada GDP riil yang menunjukkan bahwa inflasi
telah meningkat dari waktu ke waktu.
3.24. Menggunakan data yang terdapat pada Tabel P.1 pada Bagian
pendahuluan, buktikan Persamaan (3.7.1).
Jawab.
3.25. Menggunakan contoh Tes Bakat Skolastik (TBS) yang diberikan pada
Latihan 2.16 kerjakanlah hal-hal berikut ini:
a. Plotkan hasil nilai verbal wanita terhadap hasil nilai verbal pria
b. Jika hasil diagram acak memberikan informasi akan adanya hubungan
linear di antara kedua gender yang tampak sesuai. lakukan regresi dari
nilai verbal wanita terhadap nilai verbal pria. hubungannya
c. Jika ada hubungan di antara kedua nilai verbal tersebut, apakah sebab
akibat?
Jawab.
3.25.a Lihat gambar di Latihan 2.16 (d)
3.25.b Hasil regresi adalah:
3.26. Ulangi Latihan 3.24, dengan mengganti nilai matematika untuk nilai
verbal
Jawab.
41
3.26 Hasil regresi adalah:
42
4.1. "Jika dua variabel secara statistik independen, koefisien korelasi
antarkeduanya adalah nol.Namun demikian, kebalikannya tidak selalu
berlaku; yaitu korelasi nol tidak selalu berarti secara statistik independen.
Bagaimanapun, jika dua variabel terdistribusi secara normal, korelasi nol
bisa saja berarti secara statistik independen." Buktikan pernyataan ini
dengan joint probability density function dari dua variabel yang
terdistribusi secara normal, Y1 dan Y2 (fungsi joint probability density
function ini dikenal juga sebagai fungsi densitas probabilitas normal dua
variabel- bivariate normal probability density function):
Jawab.
4.1 Mengingat bahwa koefisien korelasi antara Y1 dan Y2, p, adalah nol,
di mana f(Y1) dan f (Y2) adalah PDF normal univariat. Jadi, ketika p
adalah nol, f(Y1,Y2) = f(Y1) f(Y2), yang merupakan kondisi untuk
independensi statistik. Oleh karena itu, dalam kasus normal bivariat,
korelasi nol menyiratkan independensi statistik.
Jawab.
43
Karena semua turunan kedua negatif, estimator memaksimalkan fungsi
kemungkinan.
Jawab.
44
Dan log LF akan:
45
5.1. Nyatakanlah alasan bagaimana pernyataan-pernyataan berikut ini benar,
salah, atau tidak pasti. Jelaskan secara tepat.
Jawab.
5.1.a Benar. Uji t didasarkan pada variabel dengan distribusi normal. Karena
penduga dari β1 dan β2, adalah kombinasi linear dari kesalahan ui, yang
diasumsikan terdistribusi normal di bawah CLRM, penduga ini juga
terdistribusi normal.
5.1.b Benar. Selama E (ui) = 0, estimator OLS tidak bias. Tidak ada asumsi
probabilistik yang diperlukan untuk membentuk ketidaksempurnaan.
5.1.c Benar. Dalam hal ini Persamaan. di Aplikasi. 3A, Sec. 3A.1, akan absen.
Topik ini dibahas lebih lengkap di Chap. 6, Sec. 6.1.
5.1.d Benar. Nilai p2 adalah tingkat signifikansi terkecil di mana hipotesis nol
dapat ditolak. Istilah tingkat signifikansi dan ukuran tes adalah sama.
5.1.e Benar. Ini mengikuti dari Persamaan. (1) dari App 3A, Bagian 3A.1.
5.1.f Salah. Yang bisa kita katakan adalah bahwa data yang ada tidak
memungkinkan kita untuk menolak hipotesis nol.
5.1.g Salah. O yang lebih besar dapat diimbangi oleh yang lebih besar
46
hanya jika yang terakhir dipertahankan konstan, pernyataan dapat true
5.1.h Salah, mean kondisional dari variabel acak bergantung pada nilai yang
diambil oleh variabel lain (conditioning) Hanya jika kedua variabel
independen, berarti kondisional dan tanpa syarat dapat sama.
5.2. Buatlah Tabel ANOVA dari Tabel 5.4 untuk model regresi yang diberikan
pada Persamaan (3.7.2) dan lakukanlah pengujian hipotesis bahwa tidak
ada hubungan antara pengeluaran makanan dan pengeluaran total di India.
Jawab.
5.3. Merujuk pada regresi permintaan untuk telepon seluler dalam Persamaan
(3.7.3).
47
d. Berapakah rerata nilai forecast dari permintaan telepon seluler jika
pendapatan per kapita adalah $9.000? Berapakah interval kepercayaan
95 persen untuk nilai forecast?
Jawab.
5.3.b rata-rata, berarti upah per jam naik oleh 64 sen untuk tambahan tahun
sekolah.
5.3.c di sini n = 13, jadi df = 11. jika hipotesis nol yang benar, estimasi T nilai
9.6536. Kemungkinan mendapatkan seperti T nilai sangat kecil, yang p
nilai praktis nol. Oleh karena itu, orang dapat menolak hipotesis nol bahwa
pendidikan tidak memiliki efek pada jam penghasilan.
Jawab.
5.4 Secara verbal, hipotesis menyatakan bahwa tidak ada korelasi antara dua
variabel. Oleh karena itu, jika kita dapat menunjukkan bahwa kovariansi
antara dua variabel adalah nol, maka korelasi harus nol.
48
5.5. Apakah yang dikenal sebagai barisan karekteristik (characteristic line)
analisis investasi modern adalah sebuah garis regresi sederhana yang
didapatkan dari model berikut ini:
di mana
Jawab.
5.5.a Gunakan uji t untuk menguji hipotesis bahwa koefisien kemiringan yang
benar adalah satu. Itu diperoleh:
Untuk 238 df, nilai t ini tidak signifikan bahkan pada a = 10%.
Kesimpulannya adalah bahwa selama periode sampel, IBM bukanlah
keamanan yang bergejolak.
49
portofolio pasar memiliki nol kembali, pengembalian sekuritas adalah 0,73
persen.
Jawab.
Jawab.
50
5.8, Perhatikan output regresi berikut:
Jawab.
5.8.a Ada hubungan positif dalam LFPR pada tahun 1972 dan 1968, yang tidak
mengherankan mengingat fakta sejak Perang Dunia II telah terjadi
peningkatan yang tetap dalam TPAK perempuan.
51
5.8.c Rata-rata LFPR adalah 0,2033 + 0,6560 (0,58) = 0,5838. Untuk
menetapkan interval kepercayaan 95% untuk nilai perkiraan ini, gunakan
rumus: 0,5838 + 2,11 (se dari nilai perkiraan rata-rata), di mana 2,11
adalah nilai t kritis 5% untuk 17 df. Untuk mendapatkan kesalahan standar dari
nilai perkiraan, gunakan Persamaan. (5.10.2). Tetapi perhatikan bahwa
karena penulis tidak memberikan nilai rata-rata LFPR wanita pada tahun
1968, kami tidak dapat menghitung kesalahan standar ini.
5.8.d Tanpa data yang sebenarnya, kita tidak akan dapat menjawab pertanyaan
ini karena kita memerlukan nilai-nilai residu untuk merencanakannya dan
memperoleh Plot Probabilitas Normal atau menghitung nilai tes Jarque-
Bera.
5.9. Tabel 5.5 memberikan gaji rata-rata guru sekolah (gaji tahunan dalam
dolar) dan pengeluaran dari sekolah publik per murid (dolar) dari 50
negara bagian tahun 1958 dan dari Distrik Kolombia.
Untuk mencari tahu apakah terdapat hubungan antara pendapatan guru dan
pengeluaran per murid di sekolah publik, model berikut ini memberikan
saran: Payi = β1 + β2Spend,i + ui, di mana "Pay" mewakili gaji guru dan
"Spend" mewakili pengeluaran per murid
52
Jawab.
5.9.a
5.9.b
5.9.c Jika pengeluaran per murid meningkat sebesar satu dolar, gaji rata-rata
meningkat sekitar $ 3,31. Istilah intersep tidak memiliki arti ekonomi yang
layak.
5.9.e Nilai perkiraan rata-rata dan individu adalah sama, yaitu, 12129.37 +
3.3076 (5000) = 28.667. Kesalahan standar dari nilai perkiraan rata-rata,
menggunakan persamaan (5.10.2), adalah 520.51 17 (dolar) dan kesalahan
standar dari perkiraan individu, menggunakan Persamaan (5.10.6), adalah
2382.337. Interval kepercayaan adalah:
53
5.9.f
Tabel. 5.5
54
5.10. Mengacu pada Latihan 3.20., buatlah Tabel ANOVI dan ujilah hipotesis
bahwa tidak ada hubungan antara produktivitas dan kompensasi upah riil.
Lakukan untuk kedua sektor, yaitu sektor bisnis dan sektor bisnis
nonpertanian.
Jawab.
Di bawah hipotesis nol bahwa tidak ada hubungan antara upah dan
produktivitas di sektor bisnis, nilai F ini mengikuti distribusi F dengan 1
dan 37 df di pembilang dan penyebut, masing-masing. Probabilitas untuk
mendapatkan nilai F adalah 0,0000, artinya nol. Dengan demikian, kita
dapat menolak hipotesis nol, yang seharusnya tidak mengejutkan.
Jika hipotesis nol itu benar, kemungkinan memperoleh nilai F seperti itu
praktis nol, sehingga mengarah pada penolakan hipotesis nol.
55
a. Plot data pendapatan pada sumbu vertikal dan data pengeluaran iklan
pada horizontal. Bagaimanakah hubungan yang bisa kita peroleh dari
grafik tersebut?
b. Apakah memungkinkan untuk mencocokkan model regresi garis
bivariat terhadap data? Jelaskanlah jika iya dan jika tidak? Jika tidak,
apakah tipe model regresi yang cocok dengan data? Apakah kita
memerlukan perangkat yang dibutuhkan untuk mencari model yang
cocok? regresi
c. Anda tidak memplotkan data dan langsung mencocokkan model
Anggap bivariat terhadap data. Dapatkanlah output regresi yang biasa.
Simpan hasilnya untuk kita perhatikan kembali permasalahan ini.
Jawab.
5.11.a Plot yang ditunjukkan di bawah ini menunjukkan bahwa hubungan antara
5.11.b Akibatnya, itu tidak pantas untuk cocok dengan model regresi linier
bivariat untuk data. Saat ini kami tidak memiliki alat untuk menyesuaikan
model yang tepat. Seperti yang akan kita tunjukkan nanti, model dari tipe:
56
5.11.c Hasil secara membabi buta menggunakan model linier adalah sebagai
berikut:
Jawab.
5.12.a
5.12.b&c
57
Output berikut diperoleh dari paket statistik Eviews 3.
Ketika output ini menunjukkan, hubungan antara dua variabel itu positif.
Satu dapat dengan mudah menolak hipotesis nol bahwa tidak ada
hubungan antara dua variabel, karena nilai t yang diperoleh di bawah
hipotesis itu adalah 53,55, dan nilai p untuk memperoleh nilai yang sama
hampir nol.
58
Jawab.
5.13.b Statistik Jarqu Bera untuk persamaan harga emas adalah 4,751 dengan
nilai p 0,093. Statistik JB untuk persamaan Indeks NYSE adalah 1,218
dengan nilai p 0,544 Pada tingkat signifikansi 5%, dalam kedua kasus
kami tidak menolak asumsi normalitas.
5.13.c Karena koefisien kemiringan dalam regresi harga emas tidak berbeda
secara statistik dari nol, tidak masuk akal cari tahu apakah itu berbeda dari
1.
5.13.d&e
Karena nilai t ini melebihi nilai t kritis dari 2,160, kami menolak hipotesis
nol. Koefisien diperkirakan sebenarnya lebih besar dari 1. Untuk periode
sampel ini, investasi di pasar saham mungkin adalah lindung nilai terhadap
inflasi. Ini jelas merupakan lindung nilai yang jauh lebih baik terhadap
inflasi bahwa investasi dalam emas.
5.14. Tabel 5.6 memberikan data mengenai PNB dan empat definisi dari pasar
uang untuk AS pada periode tahun 1970-1983. Jika kita meregresikan
PNB terhadap keempat definisi pasar uang tadi, kita akan memperolah
hasil seperti yang ditunjukkan dalam Tabel 5.7.
Ahli teori moneter atau ahli teori kuantitas menyatakan bahwa pendapatan
nominal (misal: PNB nominal) dipengaruhi sebagian besar oleh perubahan
jumlah atau stok uang, walaupun tidak ada kesepakatan mengenai definisi
59
"tepat'dari uang. Berdasarkan hasil yang disajikan dalam Tabel berikut ini,
pertimbangkan pertanyaan pertanyaan berikut ini:
Jawab.
5.14.a Tidak ada yang tampak lebih baik dari yang lain. Semua hasil statistik
sangat mirip. Setiap koefisien kemiringan signifikan secara statistik pada
tingkat kepercayaan 99%.
5.14.c Seseorang tidak dapat mengatakan dari hasil regresi. Namun belakangan
ini Fed tampaknya menargetkan ukuran M2.
Tabel 5.6
60
Tabel 5.7
Tabel 5.8
5.15. Misalkan persamaan dari kurva indiferens (indiference curve) dari dua
barang adalah sebagai berikut
Jawab.
61
Koefisien "kemiringan" secara statistik signifikan pada koefisien
kepercayaan 92%. Tingkat substitusi marjinal (MRS)
5.16. Sejak tahun 1986, majalah Economist telah mempublikasikan Indeks Big
Mac, sebagai sebuah ukuran yang sinis, namun cukup lucu untuk
mengukur apakah nilai tukar mata uang internasional adalah pada nilai
tukar yang benar sesuai ukuran paritas daya beli (purchasing power parity-
PPP) PPP menyatakan bahwa sebuah unit mata uang seharusnya bisa
untuk membeli sebundel barang yang sama di semua negara. Para
pendukung teori PPP ini berpendapat bahwa dalam jangka panjang, mata
uang mata uang cenderung bergerak menuju PPP-nya. Majalah Economist
ini menggunakan produk Big Mac dari McDonald's sebagai barang yang
mewakilikonsep ini dan informasi mengenai Indeks Big Mac ini diberikan
pada Tabel 5.9.
a. Jika PPP ini benar, nilai β1 dan β2 yang bagaimanakah yang Anda
perkirakan?
b. Apakah hasil regresi mendukung perkiraan Anda? Pengujian formal
apakah yang akan Anda gunakan dalam menguji hipotesis yang Anda?
c. Apakah majalah Economisi ini harus meneruskan dalam
mempublikasikan Indeks Big Mac ini? Jika ya, mengapa, dan jika
tidak, mengapa?
Jawab.
di mana Y adalah nilai tukar aktual dan X yang tersirat PPP. Jika PPP
memegang, orang akan menduga bahwa intercept menjadi nol dan
kemiringan menjadi satu.
62
Nilai t ini sangat signifikan, mengarah pada penolakan hipotesis nol.
Sebenarnya, koefisien kemiringan kurang dari 1. Dari regresi yang
diberikan, pembaca dapat dengan mudah memverifikasi bahwa koefisien
intercept tidak berbeda dari nol, karena nilai t di bawah hipotesis bahwa
intersep yang benar adalah nol, hanya 1,2628.
5.16.c Karena Big Max Index "mentah dan lucu" untuk memulai, itu mungkin
tidak masalah. Namun, untuk data sampel, hasilnya tidak mendukung teori
5.17. Mari kita mengacu pada data TBS (Tes Bakal Skolastik) yang diberikan
pada Latihan 2.16. Misalkan, Anda ingin membuat prediksi atas nilai
matematika untuk pelajar laki- laki (Y terhadap nilai matematika pelajar
perempuan (X) dengan mengolah model regresi berikut ini:
Jawab.
5.17.b Statistik Jarque-Bera adalah 1,0317 dengan nilai p 0,5970. Oleh karena itu,
secara asimtotik kita tidak dapat menolak asumsi normalitas.
63
5.17.c Oleh karena itu, dengan keyakinan 99% kita dapat
64
Tabel 5.9
65
Tabel 5.10
5.18. Ulangi latihan dari Soal 5.17, namun kita ubah Y dan X sebagai nilai
membaca kritis lelaki dan nilai membaca kritis perempuan, secara
berturut-turut
Jawab.
5.18.b Statistik Jarque-Bera adalah 1,243 dengan nilai p 0,5372. Oleh karena itu
kita dapat menolak hipotesis nol non-normalitas.
Nilai t kritis pada tingkat 5% adalah 2,074. Oleh karena itu, kita dapat
menolak hipotesis nol bahwa koefisien kemiringan sebenarnya adalah 1.
5.18.d Nilai ESS, RSS, dan TSS masing-masing adalah 3157.586 (1 df), 110.247
(22 df), dan 32367.833 (23 df). Di bawah nol hipotesis biasa, nilai F
66
adalah 630.131. Nilai p dari nilai F hampir nol. Oleh karena itu, kita dapat
menolak hipotesis nol bahwa tidak ada hubungan antara dua variabel.
5.19. Tabel 5.10 menyajikan data tahunan dari IHK an indeks harga pedagang
besar (IHPB), yang juga dikenal sebagai indeks harga produsen (IHP)
untuk perekonomian AS pada periode 1960-1999.
a. Plot IHK pada sumbu vertikal dan IHP nada sumbu horizontal.
Buatlah perkiraan awal, hubungan apakah yang dapat Anda
ekspektasikan di antara kedua indeks? Berikan alasannya.
b. Anggap Anda ingin membuat prediksi dari salah satu indeks tersebut
terhadap indeks lainnya. Manakah yang akan Anda tentukan sebagai
regresan dan mana yang akan digunakan sebagai regresor? Berikan
alasannya.
c. Coba regresikan dari yang telah Anda tentukan pada poin (b).Sajikan
juga hasilnya. Ujilah hipotesis, apakah terdapat hubungan satu-satu di
antara kedua indeks tersebut.
d. Dari nilai residual yang didapatkan dari regresi pada soal (c), dapatkah
Anda membuktikan bahwa faktor kesalahan terdistribusi secara
normal. Perlihatkan uji yang Anda gunakan.
Jawab.
5.19.a
5.19.b Memperlakukan CPI sebagai regressand dan WPI sebagai regressor. CPI
mewakili harga yang dibayarkan oleh konsumen, sedangkan WPI
mewakili harga yang dibayar oleh produsen. Yang pertama biasanya markup
pada yang terakhir.
5.19.c&d
67
Output berikut yang diperoleh dari Eviews 3 memberikan data yang
diperlukan.
Statistik Jarqe-Bera adalah 0,3335 dengan nilai p 0,8456. Oleh karena itu, kita
tidak bisa menolak asumsi normalitas. Histogram juga menunjukkan bahwa residu
terdistribusi secara simetris.
68
6.1. Mengingat model regresi berikut:
di mana yi = (Yi -Y) dan xi = (Xi,-X). Dalam kasus ini, garis regresi harus
melalui melalui titik asal, yaitu titik nol. Benar atau salah? Tunjukkan
perhitungan Anda.
Jawab.
6.1 Benar. Perhatikan bahwa rumus OLS biasa untuk menaksir intercept
adalah β1 = (rata-rata dari regressand — β2 mean of the regresor) Tetapi
ketika Y dan X dalam bentuk deviasi, nilai rata-ratanya selalu nol. Maka
dalam hal ini intercept diperkirakan juga nol.
6.2. Hasil regresi berikut ini, berdasarkan pada data bulanan sepanjang periode
Januari 1978 sampai dengan Desember 1987:
di mana Y tingkat penerimaan bulanan saham umum dari Texaco (9%) dan
X = tingkat penerimaan pasar bulanan (%).*
69
intercept memperlihatkan adalah sekitar 2,81. Dapatkah Anda
memikirkan alasan dari hasil tersebut?
Jawab.
6.2.a&b
6.2.c Untuk setiap model, peningkatan satu persen poin dalam tingkat
pengembalian pasar bulanan rata-rata menjadi sekitar 0,76 persentase
peningkatan poin dalam tingkat pengembalian bulanan pada saham biasa
Texaco selama periode sampel
6.2.d Seperti yang dibahas dalam bab ini, model ini mewakili garis karakteristik
teori investasi. Dalam kasus ini model tersebut menghubungkan
pengembalian bulanan pada saham Texaco ke pengembalian bulanan di
pasar, sebagaimana diwakili oleh indeks pasar yang luas
6.2.f Karena kita memiliki sampel yang cukup besar, kita bisa menggunakan uji
Jarque-Bera normalitas. Statistik JB untuk dua model hampir sama, yaitu,
1,12 dan nilai p untuk memperoleh nilai JB adalah sekitar 0,57. Maka
jangan menolak hipotesis bahwa istilah kesalahan mengikuti distribusi
normal.
6.2.g Sesuai komentar Theil's yang dibahas dalam bab ini, jika istilah intersep
tidak ada dari model, maka menjalankan regresi melalui asal akan
memberikan perkiraan yang lebih efisien dari koefisien kemiringan, yang
dilakukannya dalam kasus ini.
70
Jawab.
6.3.a Karena model ini linier dalam parameter, itu adalah model regresi linier.
6.3.b Definisikan Y*=(1/Y) dan X*=(1/X) dan lakukan regresi OLS dari Y*
pada X*
6.3.d Barangkali model ini mungkin tepat untuk menjelaskan konsumsi rendah
suatu komoditi ketika pendapatan besar, seperti barang inferior.
Jawab.
6.4
71
di mana Y* dan X* adalah variabel yang terstandardisasi. Tunjukkan
bahwa di, a2= β2 (Sx /Sy) dan karena itu ditetapkan bahwa walaupun
koefisien kemiringan regresi bersifat independen dari perubahan awalnya,
mereka bersifat tidak independen dari perubahan skala
Jawab.
Jawab.
72
Bandingkan ini dengan model kedua, Anda akan melihat bahwa kecuali
untuk istilah intersep, kedua model itu sama. Oleh karena itu, koefisien
kemiringan yang diperkirakan dalam kedua model akan sama, satu-satunya
perbedaan adalah dalam perkiraan intersepsi.
6.7. Antara Persamaan regresi (6.6.8) dan (6.6.10), manakah model yang lebih
Anda pilih? Mengapa?
Jawab.
Jawab.
6.8 Hipotesis nol adalah bahwa koefisien kemiringan sejati adalah 0,005.
Hipotesis alternatif bisa satu atau dua sisi. Misalkan kita menggunakan
alternatif dua sisi. Nilai kemiringan yang diperkirakan adalah 0,00743.
Dengan menggunakan uji t, kami mendapatkan :
Ini sangat signifikan. Oleh karena itu kami dapat menolak hipotesis nol.
6.9. Dari kurva Philips yang diberikan pada Persamaan (6.7.3), apakah
memungkinkan untuk melakukan estimasi tingkat pengangguran alamiah?
Bagaimanakah caranya?
Jawab.
6.9 Ini dapat diperoleh kira-kira sebagai: 18,5508 / 3,2514 = 5,7055, persen.
73
Dari model model tersebut, model manakah yang akan Anda pilih untuk
kurva pengeluaran Engel? Jelaskan alasan pilihan Anda? (Petunjuk:
Interpretasikan beberapa koefisien kemiringan, temukan ekspresi dari
elastisitas pengeluaran terhadap pendapatan, demikian juga, faktor atau
variabel lainnya.)
Jawab.
Jawab.
6.11 Saat berdiri, model tidak linear dalam parameter. Tetapi pertimbangkan
"trik" berikut. Pertama mengambil rasio Y ke (1-Y) dan kemudian
mengambil log natural dari rasio. Transformasi ini akan membuat model
linear dalam parameter. Artinya, jalankan kekecewaan berikut:
Model ini dikenal sebagai model logit, yang akan kita bahas dalam bab
tentang variabel dependen kualitatif.
6.12. Gambarkan model berikut ini (untuk mengurangi penjelasan yang sangat
terperinci, kita hilangkan observasi terhadap subscript i):
74
Jawab.
6.12.
6.13. Anda diberikan data pada tabel 6.7*** Gunakan model berikut ini pada
data tersebut dan dapatkan regresi statistiknya seperti biasa dan
interpretasikan hasilnya:
Jawab.
6.13
75
6.14. Untuk mengukur elastisitas substitusi antara modal dan input tenaga kerja
Arrow, Chenery, Minhas, dan Solow, para penulis dari fungsi produksi
CES (elastisitas substitusi) yang sekarang terkenal, menggunakan model
berikut ini:
Jawab.
Untuk 13 df, nilai t kritis 5% (dua-ekor) adalah 2,16. Oleh karena itu,
jangan menolak hipotesis bahwa elastisitas substitusi yang sesungguhnya
antara modal dan tenaga kerja adalah 1.
6,15. Tabel 6.9 memberikan data tentang deflator PDB (produk domestik bruto)
untuk barang-barang domestik dan deflator PDB untuk impor ke
Singapura untuk periode 1968-1982. Deflator PDB sering digunakan
sebagai indikator flation sebagai pengganti CPI. Singapura adalah
perekonomian kecil yang terbuka, sangat bergantung pada perdagangan
luar negeri untuk kelangsungan hidupnya
76
Tabel 6.8
Tabel 6.9
77
Di mana Y = GDP deflator untuk barang domestik dan deflator X = PDB
untuk impor.
Jawab.
6.15.a Jika seseorang percaya bahwa ada hubungan ketat satu-ke-satu antara
dua deflator, model yang tepat adalah tanpa intercept.
6.15.b
6.16. Lihat data yang diberikan dalam latihan 6.15. Sarana Y dan X adalah 1456
dan 1760, masing-masing, dan standar deviasi yang sesuai adalah 346 dan
641. Perkirakan regresi berikut:
Jawab.
78
sebanding dengan yang diberikan dalam masalah sebelumnya ketika
seseorang mencatat hubungan antara koefisien kemiringan dari regresi
6.17. Mengacu pada data yang diberikan dalam Tabel 6.3. Temukan tingkat
pertumbuhan dari pengeluaran/belanja barang tahan lama. Apakah dala
tersebut diestimasi secara semielastisitas? Interpretasikan hasilnya.
Apakah masuk akal untuk menjalankan model regresi double-log
pengeluaran barang tahan lama sebagai regresan dan waktu sebagai
regresor? Bagaimana Anda menginterpretasikan koeiisien kemiringan
pada kasus ini?
Jawab.
6.18. Mengacu pada data yang diberikan pada Tabel 6.3. Temukan tingkat
pertumbuhan dari pengeluaran barang tidak tahan lama dan bandingkan
hasil Anda dengan hasil regresi yang Anda dapatkan dari Latihan 6.17.
79
Jawab.
6.18. Hasil yang sesuai untuk sektor barang tidak tahan lama adalah
Dari hasil ini dapat dilihat bahwa selama periode sampel (triwulanan)
tingkat pertumbuhan pengeluaran untuk non-barang adalah sekitar 0,62
persen.
6.19. Tinjau kembali latihan 1.7. Sekarang Anda tahu beberapa bentuk
fungsional, mana yang mungkin tepat untuk mempelajari hubungan antara
tayangan iklan yang dipertahankan dan jumlah uang yang dihabiskan
untuk iklan? Tampilkan perhitungan yang diperlukanJawab.
Jawab.
80
7.1. Perhatikan data pada Tabel 7.5.
Kesimpulan penting apakah yang dapat Anda gamabrkan dari soal ini?
Jawab.
7.1
7.2. Berdasarkan data berikut, estimasilah nilai koefisien regresi parsial, nilai
standard error-nya, serta nilai adjusted dan unadjusted R2
81
Jawab.
7.2 Menggunakan rumus yang diberikan dalam teks, hasil regresi adalah
sebagai berikut:
Jawab.
82
Jawab.
untuk total 100 eksperimen. Secara keseluruhan akan ada 100 nilai S2.
Ambil rata-rata dari 100 nilai S2 ini. Nilai rata-rata ini harus mendekati o
4. Kadang-kadang Anda mungkin membutuhkan lebih dari 100 sampel
agar aproksimasi menjadi baik.
Jawab.
Jawab.
83
Mengingat Pertanyaan 3.6, berikut:
Jawab.
7.7
a. Tidak. Nilai r tidak dapat melebihi 1 dalam nilai absolut. Memasukkan
data yang diberikan dalam Persamaan. (7.11.2), pembaca dapat
memverifikasi bahwa: r12.3 = 2,295, yang secara logis tidak mungkin.
b. Ya. Mengikuti prosedur yang sama seperti pada (a), pembaca akan
menemukan bahwa r12.3 = 0.397, yang mungkin.
c. Ya, sekali lagi dapat ditunjukkan bahwa r12.3 = 0.880, yang mungkin.
Jawab.
7.8 Jika Anda meninggalkan tahun pengalaman (X3) dari model, koefisien
pendidikan (X2) akan bias, sifat bias tergantung pada korelasi antara X2
dan X3. Kesalahan standar, jumlah sisa kuadrat, dan R2 semuanya akan
terpengaruh sebagai akibat kelalaian ini. Ini adalah contoh dari bias
variabel yang dihilangkan.
Jawab.
84
7.9 Koefisien lereng dalam model double-log memberikan perkiraan langsung
dari elastisitas (konstan) dari variabel sisi kiri dengan memperhatikan
variabel sisi kanan. Di sini:
7.10. Perhatikan model regresi linear tiga variabel yang didiskusikan dalam bab
ini.
Jawab.
7.10 (a) & (b) Jika Anda mengalikan X2 dengan 2, Anda dapat memverifikasi
dari Persamaan (7.4.7) dan (7.4.8), bahwa lereng tetap tidak terpengaruh.
Di sisi lain, jika Anda mengalikan Y dengan 2, lereng serta koefisien
intercept dan kesalahan standar mereka semua dikalikan dengan 2. Selalu
ingat unit di mana regressand dan regresi diukur.
7.11. Secara umum, tetapi hal ini hanya berlaku jika r23 = 0. Berilah
13 komentar dan tekankan terhadap pentingnya hasil temuan ini. Petunjuk:
Lihat Persamaan (7.11.5)
Jawab.
Oleh karena itu, ketika r23 = 0, artinya, tidak ada korelasi antara variabel
X2 dan X3, R2 = r212 + r213, yaitu, koefisien determinasi berganda adalah
penjumlahan koefisien determinasi dalam regresi Y pada X2 dan Y di X3.
85
a. Akankah estimasi OLS terhadap a1 dan β2 akan bernilai sama?
Mengapa?
b. Akankah estimasi OLS terhadap a3 dan β3, akan bernilai sama?
Mengapa?
c. Apakah hubungan antara a2 dan β2?
d. Dapatkah Anda membandingkan R2 dari kedua model? Mengapa atau
mengapa tidak?
Jawab.
7.12
Oleh karena itu, kedua model serupa. Ya, penyadapan dalam model
adalah sama.
Jawab.
86
= 1 – β2
Sekarang ganti (Rumus) dan verifikasi bahwa kedua RSS itu sama.
Jika Anda merubah model ini menjadi model log-transform, Anda akan
memiliki In ui sebagai nilai faktor gangguan pada sisi kanan persamaan.
Jawab.
87
Setelah memperkirakan model Cobb-Douglas, dapatkan residu dan
subjek mereka untuk tes normalitas, seperti tes Jarque-Bera.
b.
7.15. Regresi melalui titik asal. Pertimbangkan hasil regresi melalui titik asal
berikut:
(Petunjuk: Ikuti diskusi kasus dua variabel yang dijelaskan dalam Bab 6.)
Jawab.
7.15
7.16. Permintaan bunga mawar.*** Tabel 7.6 memberikan bagi kita data per
kuartal untuk variabel ini:
Y = jumlah bunga nawar yang dijual, lusin
X2 = rata-rata harga bunga mawar di tingkat pedagang besar, $/lusin
X3 = rata-rata harga bunga anyelir ditingkat pedagang besar, $/lusin
X4 = rata-rata pendapatan bersih mingguan rumah tangga, $/minggu
88
X5 = Variabel kencenderungan, dengan nilai 1,2,dan seterusnya, untuk
menunjukkan periode 1971-II hingga 1975-II di Kawasan
Metropolitan Detroit.
Tabel 7.6
Jawab
89
7.16
a. Model Linear :
X3 = output domestik
90
X5 = variabel trend, 1948 = 1, 1949 = 2,..., 1978 = 31
Perhatikan
jika model
berikut
sesuai dengan data yang kita miliki:
91
Tabel 7.7
Jawab.
7.17
92
c. Harga per barel dan variabel output domestik signifikan secara statistik
pada level 5% dan memiliki tanda-tanda yang diharapkan. Variabel lain
tidak berbeda secara statistik dari nol.
d. Model log-linear mungkin spesifikasi lain. Selain memberikan
perkiraan langsung dari elastisitas, dapat menangkap nonlinier (dalam
variabel), jika ada
Tabel 7.8
di mana
Yt = anggaran-pengeluaran pertahanan untuk tahun t milia $
X2t = PNB untuk tahun t, miliar $
X3t = bantuan militer AS pada tahun t, miliar $
X4t = nilai penjualan industri penerbangan, miliar $
93
X5 = Konflik militer yang melibatkan lebih dari 100.000 tentara;
variabel in memiliki nilai 1 ketika tentara yang terlibat berjumlah
100.000 atau lebih, dan bernilai 0 ketika jumlah tentara yang
terlibat kurang dari 100.000
Untuk menguji model ini, Anda diberikan data pada Tabel 7.8.
Jawab.
7.18
94
Sekarang pertimbangkan model permintaan berikut:
Jawab.
95
d. Mungkin ada masalah multikolinieritas antara harga daging sapi dan
harga daging babi.
e. Ya. Ini mungkin meringankan masalah multikolinearitas
f. Mereka harus menjadi barang pengganti karena mereka bersaing
dengan ayam sebagai produk konsumsi makanan.
g. Hasil regresi dari Model (5) adalah sebagai berikut:
Tabel 7.9
7.20. Dalam sebuah studi tentang pergantian (turnover) pekerja di pasar tenaga
kerja, James F Ragan, Jr. mendapatkan hasil berikut untuk perekonomian
AS, periode 1950.I hingga 1979-IV." (Angka di dalani tanda kurung
merupakan nilai estimasi t statistik.)
96
Catatan: kita akan mendiskusikan nilai t statistik pada bab berikutnya.
di mana
Y = tingkat berhenti kerja di sektor industri, didefinisikan sebagai
jumlah orang yang berhenti kerja secara sukarela per 100 pekerja
X2 = variabel instrumental untuk tingkat pengangguran pria
X3 = persentase pekerja yang berumur kurang dari 25 tahun
X4 = Nt-1/N1-4 = rasio tenaga kerja yang bekerja di sektor industri
pada kuartal (t - 1) terhadap kuartal (t- 4)
X5 = persentase pekerja wanita
Jawab.
7.20
a. Ceteris paribus, rata-rata, peningkatan 1% dalam tingkat
pengangguran mengarah ke peningkatan 0,34% dalam tingkat yang
cukup, peningkatan 1% dalam persentase karyawan di bawah 25
mengarah ke peningkatan 1,22% pada tingkat yang cukup , dan
peningkatan 196 dalam pekerjaan manufaktur relatif mengarah ke
peningkatan 1,22% dalam tingkat yang cukup, peningkatan 1% dalam
persentase karyawan perempuan mengarah ke peningkatan 0,80%
dalam tingkat yang cukup, dan bahwa selama periode waktu yang
diteliti, tingkat cukup menurun pada tingkat 0,54% per tahun.
b. Ya, cukup tingkat dan tingkat pengangguran diharapkan berhubungan
negatif.
c. Karena semakin banyak orang di bawah usia 25 yang dipekerjakan,
maka tingkat yang adil diperkirakan akan naik karena omset di antara
para pekerja muda.
97
d. Tingkat penurunan adalah 0,54%. Karena kondisi kerja dan tunjangan
pensiun meningkat dari waktu ke waktu, tingkat berhenti mungkin
telah menurun.
e. Tidak. Rendah adalah istilah relatif.
f. Karena nilai t diberikan, kita dapat dengan mudah menghitung
kesalahan standar. Di bawah hipotesis nol bahwa ßi yang benar adalah
nol, kita memiliki hubungan:
di mana:
M = permintaan uang riil, dengan menggunakan defenisi uang M2
Y = PDB riil
r = tingkat suku bunga
Jawab.
7.21
a. Hasil regresi adalah sebagai berikut:
98
Hasil regresi menggunakan jangka panjang (30 obligasi tahun) tingkat
adalah sebagai berikut:
Tabel 7.10
99
7.22. Tabel 7.11 memberikan data untuk sektor industri dari perekonomian
Yunani, periode 1961-1987.
Jawab.
100
a. Estimasi output / tenaga kerja dan output / elastisitas modal adalah
positif, seperti yang diharapkan. Tapi seperti yang akan kita lihat di
bab berikutnya, hasilnya tidak masuk akal secara ekonomi karena
input modal tidak ada kaitannya dengan output, yang jika benar, akan
sangat mengejutkan. Seperti yang akan kita lihat, mungkin collinearity
mungkin menjadi masalah dengan data.
b. Hasil regresi adalah sebagai berikut:
7.23 Lihat Contoh 3.3 dan data yang diberikan pada Tabel 2.6. Sekarang
perhatikan model berikut:
101
Jika Anda mencoba memperkirakan model ini, masalah apa yang akan
Anda hadapi? Cobalah untuk memperkirakan model ini dan lihat
apakah paket perangkat lunak Anda dapat memperkirakan model ini.
Jawab.
7.23 Hasil regresi adalah sebagai berikut: Perhatikan bahwa kami telah
menggunakan semua 528 pengamatan dalam mengestimasi regresi.
8.1. Anggap Anda ingin melakukan studi tentang perilaku penjualan sebuah
produk, katakanlah, kendaraan bermotor dalam beberapa tahun dan (andai)
seseorang menyarankan Anda untuk mencoba model regresi berikut:
102
di mana Y penjualan pada waktu t dan twaktu (pada satuan tahun).Model
pertama menetapkan bahwa penjualan mengikuti fungsi linear terhadap
waktu, sedangkan model kedua menyatakan bahwa fungsi tersebut adalah
fungsi kuadrat terhadap waktu.
Jawab.
8.1
8.2. Buktikan rasio F dari Persamaan (8.4.16) adalah sama dengan rasio F dari
Persamaan (8.4.18). (Petunjuk: ESS/TSS = R2.)
Jawab.
8.2
103
8.3. Tunjukkan bahwa uji F pada Persamaan (8.4.18) dan Persamaan (8.6.10)
adalah sama.
Jawab.
8.3 Ini adalah masalah definisi. Sebagaimana dicatat dalam bab ini, tidak
dibatasi regresi dikenal sebagai panjang, atau baru, regresi, dan regresi
terbatas dikenal sebagai regresi pendek. Keduanya berbeda dalam jumlah
regressor yang termasuk dalam model.
Jawab.
104
a. Anggap Anda memiliki data untuk melakukan regresi terhadap
Persamaan (3). Bagaimanakah Anda menguji bahwa hipotesis
menyatakan bahwa terjadi constant returns to scale, misal: (β 2+ β 3)=1
b. Jika terjadi constant returns to scale, bagaimanakah Anda
menginterpretasikan regresi (3)?
c. Apakah terdapat perbedaan jika kita membagi Persaman (1) dengan L
dibandingkan K?
Jawab.
8.5
8.6. Nilai kritis dari R2 ketika nilai R2 sebenarnya adalah nol. Persamaan
(8,411) memberikan hubungan antara F dan R2 berdasarkan hipotesis yang
menyatakan semua koefisien kemiringan parsial secara simultan sama
dengan nol (misal: R2 = 0). Seperti halnya, kita dapat menemukan nilai F
kritis pada tingkat signifikansi a dari Tabel F kita dapat menemukan nilai
R2 kritis dari hubungan berikut:
105
Jawab.
kami mendapatkan:
Ini adalah nilai R2 kritis pada tingkat signifikansi 5%. Sejak diamati R2
dari 0,7077 di (8.2.1) jauh melebihi nilai kritis, kami menolak hipotesis nol
bahwa nilai R2 benar adalah nol.
8.7. Dari data tahunan periode 1968-1987, kita memperoleh hasil regresi
seperti berikut:
di mana
Y = pengeluaran AS untuk barang impor (dalam miliar dolar harga
konstan tahun 1982)
X2 = pendapatan bersih (dalam miliar dolar tahun 1982)
X3 = variabel trend
Benar atau salah: Standard error X3 pada Persamaan (1) adalah 4.2750.
Tunjukkan hasil perhitungan Anda. (Petunjuk: Gunakan hubungan antara
R2, F, dan t.)
Jawab.
8.7 Karena regresi (2) adalah bentuk terbatas dari (1), kita dapat lebih dulu
hitung rasio F yang diberikan dalam (8.5.18):
106
Sekarang ingat bahwa F1,17 = t2i7. Yaitu, 27.033 = t2i7, yang memberi t =
27.033 = 5.1993. Di bawah hipotesis nol bahwa slop benar koefisien dari
variabel tren adalah nol, kami memperoleh:
Jawab
Oleh karena itu, kesalahan standar dari estimasi koefisien fl dapat dengan
mudah diperoleh dari kesalahan standar perkiraan sebuah koefisien, yang
sudah diketahui.
107
Anda menguji hipotesis bahwa kecenderungan tambahan konsumsi (MPC)
(misal: B2) tidak berhubungan dengan kesejahteraan konsumen?
Jawab
8.9 Cara terbaik untuk memahami istilah ini adalah untuk mengetahui tingkat
perubahan Y (pengeluaran konsumsi) sehubungan dengan X2 dan X3,
yaitu:
Jawab.
8.10 Mengingat hubungan antara distribusi t dan F, kita tahu bahwa dari
persamaan pertama: Fi, (n-k) = t2n-k. Karena itu,
108
Memecahkan persamaan ini untuk n, kita mendapatkan n = 16. Catatan:
Yang pertama persamaan, k = 2 dan R2 = 0,6149
8.11. Berdasarkan diskusi kita mengenai uji hipotesis individual dan bersama,
secara berturut-turut, pada uji t dan uji F, manakah dari situasi berikut ini
yang sesuai?
Jawab.
8.11
109
d. Apakah elastisitas pendapatan dari permintaan untuk saldo kas riil
secara signifikan berbeda dari kesatuannya?
e. Apakah sebaiknya variabel tingkat suku bunga dipertahankan dalam
model? Mengapa?
Jawab.
8.13. Dari data untuk 46 kota di AS, tahun 1992, Baltagi menemukan hasil
regresi seperti berikut ini:
110
Di mana:
C = konsumsi rokok (bungkus per tahun)
P = harga rill per bungkus rokok
Y = pendapatan bersih riil per kapita
Jawab.
8.13
a. Elastisitasnya adalah —1.34. Ini sangat berbeda dari nol, untuk nilai t di
bawah hipotesis nol bahwa koefisien elastisitas yang sebenarnya adalah
nol adalah:
111
di mana gaji = gajiCEO
Jawab.
8.14
112
c. Untuk menguji signifikansi keseluruhan, yaitu, semua lereng sama
dengan nol, gunakan uji F yang diberikan dalam (8.5.11), yang
menghasilkan:
d. Karena variabel dependen dalam bentuk logaritmik dan roe dan ros
dalam bentuk linier, koefisien dari variabel-variabel ini memberikan
semi elastisitas, yaitu, tingkat pertumbuhan dalam variabel dependen
untuk perubahan absolut (unit) dalam regresi .
Jawab.
113
Mengikuti prosedur yang persis sama, verifikasi bahwa:
Jawab.
8.16
a. Log indeks harga riil dan tingkat bunga dalam tahun sebelumnya
menjelaskan sekitar 79 persen variasi dalam log stok traktor, suatu
bentuk modal. Karena ini adalah model log ganda, koefisien kemiringan
adalah elastisitas harga (parsial). Kedua elastisitas harga ini memiliki
tanda-tanda yang diharapkan.
114
b. Setiap koefisien slope parsial secara individual signifikan pada tingkat
5% dan masing-masing juga secara signifikan berbeda dari kesatuan.
c. Menggunakan Persamaan (8.5.12), kami memperoleh:
di mana
t = waktu
Jawab.
8.17
115
peningkatan pound dalam harga output akhir di tahun sebelumnya,
memimpin rata-rata peningkatan upah dan gaji per karyawan sekitar
0,004 poundsterling. Memegang semua hal lain yang konstan,
peningkatan tingkat pengangguran dari 1 poin persentase, rata-rata,
mengarah ke sekitar 2,56 pon penurunan upah dan gaji per karyawan.
Tiga pendaftar menjelaskan sekitar 87 persen variasi upah dan gaji per
karyawan.
b. Jika Anda membagi koefisien yang diperkirakan dengan kesalahan
standarnya, Anda akan mendapatkan nilai t di bawah hipotesis nol
bahwa nilai koefisien populasi yang benar adalah nol. Nilai t
diperkirakan untuk tiga koefisien lereng adalah 4,55, 0,055, dan -3,89,
masing-masing. Dari ini, yang pertama dan yang ketiga adalah
signifikan secara statistik tetapi yang kedua tidak.
c. Seperti yang akan kita pelajari dalam bab tentang model-model lag
terdistribusi, ini variabel dimasukkan untuk mengukur efek lag, jika
ada, dari harga output akhir tahun sebelumnya.
b. Karena nilai t koefisien ini tidak signifikan, ini variabel dapat
diturunkan dari model, asalkan kita tidak melakukan kesalahan
spesifikasi menghilangkan variabel penting dari model. Tetapi lebih
lanjut tentang ini dalam bab tentang model spesifikasi.
c. Gunakan rumus elastisitas (standar) berikut:
di mana bilah atas variabel menunjukkan nilai rata-rata mereka atas data
sampel.
8.18. Variasi dari persamaan penentuan upah yang diberikan pada Latihan 8.17.
adalah sebagai berikut:#
di mana
116
Mt-1= harga barang impor pada tahun lalu
Jawab.
8.18
117
Nilai F ini sangat signifikan; untuk 4 dan 14 pembilang dan
denominator derajat kebebasan, tingkat signifikansi 1% nilai F adalah
5,04.
8.19. Untuk fungsi estimasi atas permintaan ayam pada Persamaan (8.6.24),
apakah elastisitas pendapatan yang diestimasi sama dengan 1? Apakah
elastisitas harga sama dengan -1?
Jawab.
Jawab.
Nilai t ini tidak signifikan, katakanlah pada level 5%. Jadi, tidak ada alasan
untuk menolak hipotesis nol.
8.21. Merujuk pada fungsi permintaan mawar pada Contoh 7.16. yang
membatasi pertimbangan Anda dengan spesifikasi logaritma,
118
a. Apakah estimasi terhadap elastisitas harga sendiri yang dimiliki
terhadap permintaan (misal: elastisitas terhadap harga bunga mawar)?
b. Apakah secara statistik signifikan?
c. Jika demikian, apakah secara signifikan berbeda dengan kesatuannya?
d. Apakah tanda yang diekspektasikan dari variabel X3 (harga bunga
anyelir) dan X4 (pendapatan)? Apakah hasil empiris sesuai dengan
ekspektasi Anda?
e. Jika koefisjen dari X3 dan X4 secara statistik signifikan, apakah
alasannya?
Jawab.
8.21
Karena nilai t ini tidak signifikan secara statistik, kami tidak menolak
hipotesis bahwa elastisitas harga yang sebenarnya adalah kesatuan.
8.22. Merujuk pada Latihan 7.17. yang berhubungan dengan kegiatan wildcat.
119
c. Berapakah besar tingkat pertumbuhan instan dari kegiatan wildcat pada
periode 1948-1978? Berapakah tingkat pertumbuhan kompleksnya?
Jawab.
8.22
8.23. Merujuk pada regresi yang mengestimasi anggaran pertahanan AS, pada
Latihan 7.18.
Jawab.
8.23
a. Merujuk pada hasil regresi yang diberikan dalam Latihan 7.18. A priori,
semua koefisien kemiringan diharapkan positif, yang merupakan
kasusnya, kecuali untuk variabel penjualan militer AS. Nilai R2 cukup
tinggi. Secara keseluruhan, model ini terlihat memuaskan.
b. Kita dapat menggunakan versi R2 dari tabel ANOVA yang diberikan
dalam Tabel 8.5 dari teks.
120
Di bawah hipotesis nol yang biasa, rasio F adalah:
8.24. Berikut ini adalah fungsi yang cukup terkenal, yaitu transcendental
production function (TPF), dan secara umum dikenal sebagai fungsi
produksi Cobb-Douglas:
Jawab.
8.24
121
b. . Ini adalah model standar.
c. Seseorang dapat menggunakan uji F dari kuadrat terkecil yang dibatasi.
d. Hasilnya adalah sebagai berikut:
8.25. Harga energi dan pembentukan kapital: AS. 1948-1978. Untuk menguji
hipotesis yang menyatakan bahwa peningkatan harga energi secara relatif
terhadap output menyebabkan berkurangnya produktivitas keberadaan
kapital dan sumber daya manusia yang ada. John A. Tatom
memperkirakan fungsi produksi berikut untuk AS per kuartal ; 1948-I
sampai dengan 1978-II:
di mana
y = output riil pada sektor bisnis swasta
k = ukuran dari arus pelayanan modal
h = jam kerja perorangan pada bisnis swasta
Pe = harga indeks produsen untuk bahan bakar dan produk turunannya
P = deflator harga bisnis swasta
t = waktu
122
Nilai di dalam tanda kurung adalah nilai I statistik.
Jawab.
8,25
a. Ya. Indeks harga bahan bakar negatif dan signifikan secara statistik di
level 1%.
b. Kehilangan output akan menjadi 6,48% [(-0,1081) (60%)].
c. Tingkat tren pertumbuhan adalah 0,45%
d. Rata-rata, untuk sampel, peningkatan 1% dalam rasio tenaga kerja /
modal menyebabkan peningkatan output 0,71%.
e. Lihat Pertanyaan 8.11 di atas. Jika masing-masing koefisien individu
signifikan secara statistik, tidak mungkin R2 = 0. Dalam contoh ini
123
Tabel 8.10
Jawab.
8.26
124
b. Orang akan berharap) β2, β3dan β6 menjadi positif dan β4dan β5 menjadi
negatif.
c. β2. β3 dan β4 memenuhi harapan; yang lain tidak.
d. Sebagai hasil regresi menunjukkan, X3, X4 dan X6 signifikan pada
tingkat 5%, X2 signifikan pada tingkat 10%, tetapi X5 secara statistik
tidak signifikan.
e. Kami menggunakan metodologi pembatasan kuadrat terkecil yang
dibahas dalam bab ini. Regressing Y pada X2, X3, dan X4 saja, kami
dapatkan RR = 0,6012. Termasuk semua regresi, seperti dapat dilihat
dari hasil regresi yang diberikan dalam (a), kami memiliki RI2, R =
0,8227. Oleh karena itu, menggunakan Persamaan. (8.7.10), kita
dapatkan
8.27. Marc Nerlove telah mengestimasi fungsi biaya berikut untuk pengadaan
listrik . "
di mana
Y = total biaya produksi
X = output dalam kilowatt jam
P1 = harga dari input tenaga kerja
P2 = harga dari input kapital
P3 = harga bahan bakar
u = faktor gangguan
Dengan kata lain, Persamaan (1) fungsi biaya tanpa restriksi dan
Persamaan (2) adalah dengan restriksi.
125
a. Interpretasikan Persamaan (3) dan (4).
b. Bagaimanakah Anda menemukan bahwa jika restriksi (a1 + a2 + a3) = 1
adaiah valid? Tunjukkan perhitungan yang Anda miliki
Jawab.
8.28. Estimasi dari capital asset pricing model (CAPM). Pada Subbab 6.1, kita
telah mengenal model CAPM sebagai teori portofolio modern. Pada
analisis empiris, CAPM diestimasi dalam dua tahap.
di mana Rit dan Rmt adalah tingkat pengembalian pada sekuritas ke-1 dan
pada pasar portofolio (katakanlah, S&P 500) pada tahun t; Bi seperti yang
telah dijelaskan sebelumnya, adalah koefisien beta atau volatilitas dari
pasar sekuritas ke-i; dan eit adalah residual. Terdapat sejumlah regresi N,
satu untuk setiap sekuritas, memberikan N yang mengestimasi Bi
126
Tahap II (regresi cross-section). Pada tahap ini, kita lakukan regresi
berikul terhadap sekuritas N:
jadi, dalam uji empirls dari CAPM, R dan Bi digunakan sebagai estimator
BR, dan Bi secara berturut-turut. Sekarang, jika CAPM dipertahankan,
secara statistik,
di mana s2e adalah varians residual sekuritas ke-i dari regresi Tahap I.
Setelah itu, Jika CAPM valid, y3 sebaiknya tidak secara signifikan berbeda
dengan nol nilainya. Untuk menguji CAPM, Levy menjalankan regresi (2)
dan (4) pada sampel 101 saham pada periode 1948-1968 dan mendapatkan
hasil berikut:##
127
c. Jika model CAPM terpenuhi, yi, pada Persamaan (2) harus mendekati
nilai rata- rata dari tingkat bebas resiko, rf Nilai yang diestimasi adalah
10.9 persen. Apakah hal ini merupakan estimasi yang masuk akal dari
tingkat pengembalian bebas risiko selama periode observasi, 1948-
1968? (Anda dapat mempertimbangkan tingkat pengembalian dari
Treasury bills atau aset bebas risiko sejenis.)
d. Jika model CAPM terpenuhi, risiko premium pasar (R.,-r) dari
Persamaan (2) adalah sekitar 3,7 persen, lika rdiasumsikan 10.9 persen,
berarti Rm untuk periode sampel sebesar kira-kira 14,6 persen. Apakah
hal ini merupakan estimasi yang masuk akal?
e. Apakah yang dapat Anda katakan tentang model CAPM secara umum?
Jawab.
8.28
8.29. Merujuk pada Latihan 7.21.c. Kini, Anda telah memiliki alat yang cukup,
uji apakah yang akan Anda gunakan untuk memilih di antara kedua model.
Tunjukkan perhitungan yang diperlukan. Perhatikan bahwa variabel
dependen pada kedua model berbeda.
Jawab.
8.29 Kami hanya akan membahas hasil berdasarkan tingkat tagihan treasury; itu
hasil berdasarkan tingkat jangka panjang bersifat paralel. Model dalam
Latihan 7.21 (a) adalah model tak terbatas dan yang di dalam (b) adalah
model terbatas. Karena variabel dependen dalam dua model berbeda, kami
menggunakan uji F yang diberikan dalam (8.7.9). Itu RSS terbatas dan
tidak terikat masing-masing adalah 0,0772 dan 0,0463. Perhatikan bahwa
kami hanya menempatkan satu pembatasan, yaitu, bahwa Koefisien Yin
model pertama adalah kesatuan.
128
Untuk 1 dan 16 pembilang dan penyebut df, masing-masing, nilai F kritis
5% adalah 4.49. Oleh karena itu kami menolak model terbatas dan
menyimpulkan bahwa elastisitas pendapatan riil kurang dari satu.
8.30. Merujuk pada Contoh 8.3. Gunakan uji t seperti yang ditunjukkan pada
Persamaan (8.6.4) untuk membuktikan apakah terdapat constant returns to
scale pada perekonomian Meksiko selama periode yang dipelajari.
Jawab.
8.30 Untuk menggunakan uji t yang diberikan pada (8.7.4), kita perlu
mengetahui kovarians antara dua penduga lereng. Dari data yang
diberikan, itu bisa menunjukkan bahwa coy (β2, β3) = -0.3319.
Menerapkan (8.7.4) ke data Meksiko, kami memperoleh:
Dari tabel t, kita menemukan bahwa nilai t 5% dua-ekor adalah 2,12. Oleh
karena itu, pada tingkat signifikansi ini, kami tidak menolak hipotesis hasil
konstan untuk skala, meskipun secara numerik jumlah dari dua koefisien
(= 1,19) lebih besar dari 1.
8.31. Kembali pada contoh kematian anak yang sudah kita diskusikan beberapa
kali. Pada regresi (7.6.2), kita regresikan kematian balita (CM) terhadap
PNB per kapita (PNBP) dan tingkat kepandaian membaca wanita (FLR).
Sekarang, kita mengembangkan model ini dengan memasukkan total
tingkat kesuburan (total fertility rate-TFR). Data dari variabel-variabel ini
sudah diberikan pada Tabel 6.4. Kita reproduksi regresi (7.6.2) dan
mendapatkan hasil untuk model regresi yang sudah dikembangkan, seperti
berikut:
129
b. Apakah nilai koefisien PNBP dan FR berubah pada kedua persamaan?
Jika iya. apakah alasan(-alasan) untuk perubahan tersebut? Apakah
perbedaan yang diobservasi secara statistik berbeda signifkan? Uji
apakah yang akan Anda pilih dan mengapa?
c. Bagaimanakah Anda memilih antara model 1 dan 2? Uji statistik
apakah yaig akan Anda gunakan untuk menjawab hal ini? Tunjukkan
perhitungan yang diperlukan
d. Kita belum diberikan standard error dari koefisien TFR. Dapatkah Anda
menemukan hal tersebut? (Petunjuk: Ingat hubungan antara distribusi t
dan F.)
Jawab.
8.31
c. Kita dapat memperlakukan model (1) sebagai versi model terbatas (2).
Oleh karena itu, kita dapat menggunakan versi R dari uji F yang
diberikan dalam (8.7.10), karena variabel dependen dalam dua model
adalah sama. Statistik F yang dihasilkan adalah sebagai berikut:
d. Ingat itu
130
F1k = t2k. Oleh karena itu, mengambil akar kuadrat (positif) dari nilai F
yang diberikan dalam (c) di atas, kita menemukan:
Therefore, under the null hypothesis that the true value of coefficient of
TFR in model (2) is zero, we can obtain the standard error of the
estimated TFR coefficient by dividing the estimated coefficient by the
preceding t value, which gives
8.32. Kembali pada Latihan 1,7, yang memberikan dala terhadap efek iklan dan
pengeluaran/ biaya iklan untuk sampel 21 perusahaan. Pada Latihan 5.11.
Anda dininta untulk memplotkan data-data ini dan menentukan model
yang cocok mengenai hubungan antara efek dan pengeluaran iklan.
Apabila Y mewakili efek yang diperoleh dan X adalah pengeluaran iklan,
maka kita akan mendapatkan hasil regresi berikut ini:
Jawab.
8.32
131
tingkat belanja iklan. Mengambil turunan Y terhadap X, Anda akan
memperoleh:
d. Sebagaimana dicatat dalam (b), ada hasil yang berkurang untuk iklan
pengeluaran; jika koefisien dari istilah X-kuadrat positif, akan ada
peningkatan hasil untuk iklan. Menyamakan derivatif dalam (b) ke nol,
kami memperoleh: 1,0847 = 0,008X, yang memberikan X = 135,58.
Pada nilai X ini, tingkat peningkatan Y terhadap X adalah nol. Sejak
Xis diukur dalam jutaan dolar, kita dapat mengatakan bahwa pada
tingkat pengeluaran sekitar 136 juta dolar tidak ada perolehan lebih
lanjut dalam tayangan yang dipertahankan, yang diukur dalam jutaan
tayangan.
8.33. Pada regresi (7.9.4), kami menyajikan hasil dari fungsi produksi Cobb-
Douglas pada sektor industri di 50 negara bagian dan Washington, DC,
AS, tahun 2005. Berdasarkan regresi tersebut, temukan apakah terdapat
constant returns to scale pada sektor tersebut, menggunakan
132
c. Apakah terdapat perbedaan di antara hasil kedua uji tersebut? Dan,
apakah keputusan Anda terkait returns to scale pada sektor industri di
50 negara bagiarn dan Washington, DC, AS selama periode?
Jawab.
8.33
RSS tidak terikat, RSSUR, dari regresi (7.9.4) adalah 0,0672 dan RSS
yang dibatasi, RSSR, dari regresi yang diberikan dalam (b) adalah
0,0915. Dengan menggunakan uji F yang diberikan dalam (8.7.9), kami
memperoleh:
133
8.34. Perhatikan kembali regresi tabungan-pendapatan pada Subbab 8.7.
Asumsikan kita membagi sampel ke dalam dua periode 1970-1982 dan
1983-1995. Dengan menggunakan uji Chow, tentukan apakah terdapat
perubahan struktural pada regresi tabungan-pendapatan pada kedua
periode. Bandingkan hasil yang Anda dapatkan dengan yang diberikan
pada Subbab 8.7, apakah kesimpulan menyeluruh yang Anda dapatkan
mengenai sensitivitas dari uji Chow terhadap pilihan titik potong yang
membagi sampel ke dalam dua periode (atau lebih)?
Jawab
134
9.1. Jika Anda memiliki data bulanan untuk beberapa tahun, berapa banyaknya
variabel dummy yang Anda gunakan untuk menguji hipotesis berikut ini:
Jawab.
9.1
a. Jika intercept hadir dalam model, perkenalkan 11 dummies. Jika
mencegat ditekan, memperkenalkan 12 dummies.
b. Jika mencegat termasuk dalam model, memperkenalkan 5 dummies,
tetapi jika intercept ditekan (yaitu, regresi melalui asal),
memperkenalkan 6 dummies.
9.2. Perhatikan hasil regresi berikut ini (nilai rasio t terdapat di dalam kurung)*
di mana
Y = jumlah jam kerja dalam satu tahun yang diinginkan oleh istri;
dihitung sebagai jumlah jam kerja dalam satu tahun ditambah
jumlah minggu mencari kerja
X2 = rata-rata pendapatan per jam istri setelah pajak
X3 = pendapatan suami setelah pajak dalam setahun pada tahun
sebelumnya
X4 = usia istri dalam tahun
X5 = lamanya istri bersekolah
X6 = variabel perilaku
= ; jika responden merasa bahwa sebaiknya wanita bekerja asalkan ia
menginginkannya dan mendapat persetujuan dari suaminya
= 0; lainnya
X7 = variabel perilaku
= 1; jika suami responden lebih menginginkan istrinya untuk bekerja
= 0; lainnya
X8 = jumlah anak yang berusia kurang dari 6 tahun
X9 = jumlah anak yang berusia 6-13 tahun
135
a. Apakah tanda koefisien dari berbagai regresor bukan dummy masuk
akal secara ekonomi? Jelaskan jawaban Anda.
b. Bagaimana Anda menginterpretasikan variabel-variabel dummy, X6
dan X7? Apakah kedua variabel ini secara statistik signifikan? Oleh
karena sampel cukup besar, Anda dapat menggunakan aturan baku "2-t"
untuk menjawab pertanyaan ini.
c. Mengapa Anda berpikir bahwa variabel usia dan pendidikan bukan
merupakan faktor yang signifikan dalam partisipasi angkatan tenaga
kerja wanita pada studi ini?
Jawab.
9.2
a. Sesuai teori ekonomi, koefisien X2, X5 diharapkan menjadi positif dan
X3, X8, dan X9 diharapkan menjadi negatif. Koefisien X4 bisa positif
atau negatif, tergantung pada usia istri dan jumlah anak-anak. Mungkin
interaktif dummy usia dan anak-anak di bawah 6 atau antara 6 dan 13
mungkin menjelaskan lebih lanjut tentang hubungan antara usia dan
jam kerja yang diinginkan.
b. Memegang semua faktor lain konstan, orang akan berharap bahwa jam
kerja yang diinginkan akan lebih tinggi dari nilai intercept (umum) dari
1286 jam. Koefisien ini, bagaimanapun, memiliki tanda negatif.
Namun, karena tidak signifikan secara statistik, kita dapat mengatakan
sedikit tentang dampak X6 pada (rata-rata) Y. Sedangkan untuk X7,
koefisiennya diharapkan positif, yang mana itu. Tidak hanya itu, secara
statistik signifikan, karena nilai t cukup tinggi.
c. Mungkin, ini karena collinearity antara usia dan pendidikan, serta
collinearity variabel-variabel ini dengan jumlah anak-anak. Juga,
perhatikan bahwa model tidak termasuk tahun sekolah yang
diselesaikan oleh suami.
9.3. Perhatikan hasil regresi berikut ini. (Data aktual terdapat dalam Tabel 9.8)
136
Catatan: Pada kuartal keempat tahun 1966, pemerintah membebaskan
aturan asuransi nasional dengan menggantikan sistem flat-rate untuk
keuntungan pengangguran jaagka pendek dengan sistem campuran antara
flat-rate dan sistem yang terkait dengan penghasilan (sebelumnya), yang
menaikan tingkat keuntungan bagi pengangguran.
Jawab.
9.3
a. Hubungan antara dua variabel diharapkan negatif, karena jika tingkat
pengangguran tinggi, menunjukkan kelambanan di pasar tenaga kerja,
pengusaha cenderung untuk mengiklankan lowongan pekerjaan
b. Ini 3,8998 (= 2,7491 + 1,1507). Karena koefisien boneka secara
statistik signifikan, tingkat pengangguran pasca 1966 kuartal 4 secara
statistik lebih tinggi daripada di periode kuartal ke-4 pra-1964.
c. Karena koefisien dummy diferensial hanya signifikan pada tingkat 5%,
kita dapat mengatakan bahwa kemiringan regresi fungsi dalam dua
periode berbeda.
d. Kemungkinan besar ya. Dengan membuat tunjangan pengangguran
lebih banyak murah hati, pemerintah mengurangi biaya peluang untuk
tetap menganggur.
137
Tabel 9.8
di mana
y = perbedaan antara harga minyak saat ini dengan tahun lalu (dalam
dolar per barel)
x1 = perbedaan antara harga minyak di lokasi spot dengan harga minyak
OPEC tahun lalu
x2 = 1; untuk tahun 1974
= 0; untuk lainnya
Interpretasikan hasil ini dan tunjukkan hasilnya secara grafis. Apakah yang
disarankan oleh hasil tersebut mengenai kekuatan monopoli OPEC?
Jawab
9.4 Hasilnya menunjukkan bahwa harga rata-rata lebih tinggi sebesar $ 5,22
per barel pada tahun 1974 dibandingkan tahun-tahun lain dalam sampel.
Lereng Koefisien, $ 0,30 adalah sama atas seluruh sampel. Grafik akan
menyerupai Gambar 9.3 b dalam teks, dengan garis regresi untuk 1974
dimulai pada 5,22 pada sumbu vertikal dengan kemiringan 0,30; Untuk
138
sisa tahun garis regresi akan melewati titik asal, tetapi dengan kemiringan
yang sama
di mana
Y = gaji tahunan seorang profesor di universitas
X = lamanya mengajar (tahun)
D = dummy untuk jenis kelamin
Jawab
9.5 a.
b.
c.
139
9.6. Merujuk pada Persamaan (9.7.3). Bagaimana Anda menguji hipotesis yang
menyatakan bahwa koefisien D2 dan D3 adalah sama? Dan, koefisien D2
dan D4 juga sama? Jika koefisien D3 secara statistik berbeda dari D2 dan
koefisien D4 secara statistik juga berbeda dari D2 apakah hal tersebut
berarti bahwa koefisien D3 dan D4 juga berbeda? Petunjuk: var (A + B) =
var (A) + var (B) + 2 cov (A, B)
Jawab.
Untuk contoh kita, dapat ditunjukkan bahwa se (β2 - β3) = 84,8392. Oleh
karena itu, statistik t sebelumnya menjadi
Untuk alasan yang persis sama, untuk menguji hipotesis bahwa koefisien
D2 dan D4 adalah sama, kita memperoleh nilai t berikut:
140
a. Bagaimana Anda memperoleh nilai dummy dari koefisien regresi yang
terdapat pada Persamaan (9.5.5) dan (9.5.6), yang diperoleh dari pooled
regression (9.5.4)
b. Untuk memperoleh jawaban numeris, informasi tambahan apakah, jika
ada, yang diperlukan?
Jawab.
9.7. a&b: Kesalahan standar dari koefisien regresi (9.5.6) dapat diperoleh
langsung dari (9.5.4). Tetapi untuk mendapatkan kesalahan standar dari
koefisien dalam (9.5.7), kita harus mendapatkan kesalahan standar (β2 +
β3) dan (a2 + a3) oleh rumus statistik terkenal untuk kesalahan standar
dari penjumlahan atau selisih dua (atau lebih) koefisien. Lihat rumus yang
diberikan dalam petunjuk untuk Latihan 9.6. Karena rumus ini melibatkan
kovarian dari istilah yang terlibat dalam penjumlahan atau perbedaan
koefisien, tanpa informasi itu kita tidak dapat menghitung kesalahan
standar.Untuk contoh kita,
9.8. Dalam penelitiannya mengenai jam kerja yang dipergunakan oleh FDIC
(Federal Deposit Insurance Corporation-Perusahaan Negara Penjamin
Deposito Negara) terhadap data 91 pemeriksa bank, R.J. Miller
mengestimasi fungsi berikut ini:
di mana
Y = jam kerja pemeriksa FDIC
X1 = total aset bank
X2 = total banyaknya bagian/kantor dalam bank
X3 = rasio pinjaman khusus terhadap total pinjaman perbankan
D1 = 1 jika peringkat manajemen adalah "baik"
141
D2 = 1 jika peringkat manajemen adalah "cukup"
D3 = 1 jika peringkat manajemen adalah "memuaskan"
D4 = 1 jika pemeriksaan dilakukan bekerja sama dengan pemerintah
daerah
a. Interpretasikan hasilnya.
b. Apakah terdapat masalah dalam mengintepretaskan variabel dummy
pada model ini karena Y dalam bentuk log?
c. Bagaimana Anda menginterpretasikan koefisien-koefisien dummy?
Jawab.
9.8 a. Mengabaikan boneka untuk saat ini, karena ini adalah ganda regresi log,
setiap koefisien kemiringan yang diperkirakan mewakili suatu
elastisitas. Jadi, jika X2 (jumlah total kantor atau cabang di bank),
meningkat sebesar 1%, rata-rata, jam pemeriksa FDIC naik sekitar 0,22
persen, mungkin mencerminkan beberapa skala ekonomi. Koefisien lain
dari variabel X yang sudah ditebang harus ditafsirkan demikian pula. A
priori, semua koefisien X yang tercatat diharapkan positif, yang mana
mereka.
b&c Karena regressand dalam bentuk log, kita harus menafsirkan koefisien
dari variabel dummy sesuai saran yang dibuat oleh Halvorsen dan
Palmquist. Ambil antilog dari setiap perkiraan cofficient yang melekat
pada variabel dan pengurangan dummy 1 dari itu. Kalikan selisihnya
dengan 100, yang kemudian akan memberikan perubahan persentase
dalam regresi ketika variabel boneka berubah dari keadaan 0 ke
keadaan 1. Sebagai contoh, perhatikan koefisien D4, yaitu -0,2572.
Mengambil antilog nomor ini, kita mendapatkan 0,7732. Dengan
mengurangkan 1 dari ini, dan mengalikan dengan 100, kita
mendapatkan -22,68%. Jadi, ketika pemeriksaan dilakukan bersama
dengan negara, Jam pemeriksaan FDIC turun sekitar 23 persen.
Koefisien boneka lain harus ditafsirkan sama.
9.9. Untuk memeriksa pengaruh kebijakan Bank Sentral mengatur tingkat suku
bunga mulai Juli 1979, Sidney Langer, salah satu mahasiswa saya,
mengestimasi model berikut untuk periode kuartal 1975-III sampai dengan
1983-III
142
di mana
Y = tingkat suku bunga Treasury bill 3 bulan
P = tingkat inflasi yang diekspektasikan
Un = tingkat pengangguran dengan penyesuaian musiman
M = perubahan uang beredar
Dum = dummy, bernilai 1 untuk observasi yang dimulai 1 Juli
1979.
a. Interpretasikan hasilnya
b. Apakah pengaruh dari tingkat suku bunga deregulasi? Apakah hasilnya
masuk akal secara ekonomi?
c. Nilai koefisien P, Un, dan M, adalah negatif. Dapatkah Anda
memberikan suatu penjelasan ekonomi?
Jawab.
9.9 a&c Ceteris paribus, jika tingkat inflasi yang diharapkan naik sebesar 1
persentase poin, rata-rata tingkat tagihan Treasury (TB) diperkirakan
turun sekitar 0,13 poin persentase, yang tidak menghasilkan pengertian
ekonomi. Namun, koefisien TB tidak secara statistik, signifikan, karena
nilai t-nya hanya -1.34. Jika tingkat pengangguran naik sebesar 1 poin
persentase, rata-rata tingkat TB diperkirakan akan turun sekitar 0,71
poin persentase. Koefisien ini signifikan secara statistik, karena nilainya
adalah -4.24. Itu juga membuat pengertian ekonomi, karena tingkat
pengangguran yang lebih tinggi berarti melambat turunnya ekonomi
dan the Fed mungkin akan mengurangi tingkat TB untuk menghidupkan
kembali perekonomian. Jika perubahan dalam basis moneter naik oleh
suatu unit, rata-rata, tingkat TB diperkirakan akan turun, karena
peningkatan basis moneter, melalui efek berganda, mengarah pada
peningkatan jumlah uang beredar, yang akan memiliki efek mengurangi
tingkat bunga, ceteris paribus. Nilai Y yang tertinggal positif dan
signifikan secara statistik. Nilai yang tertinggal ini memperhitungkan
dinamika perubahan, topik yang dibahas dalam bab tentang model-
model lag terdistribusi.
b. Pada akhir 1979, Gubernur Bank Sentral AS, Paul Volker, mengubah
kebijakan moneter dari penargetan tingkat bunga menjadi penargetan
berbasis-moneter, tujuannya adalah untuk mengurangi tingkat inflasi
yang relatif tinggi yang berlaku di AS ekonomi. Dengan
mengencangkan basis moneter, yang menyebabkan peningkatan tingkat
TB, tingkat inflasi kemudian diturunkan secara signifikan. Kebetulan,
perhatikan bahwa koefisien boneka adalah signifikan secara statistik.
9.10. Merujuk pada regresi bertahap yang telah dibahas dalam buku ini. Anggap
tidak hanya terdapat perubahan koefisien kemiringan pada X*, tetapi juga
143
pada titik patahan garis regresi, seperti yang ditunjukkan oleh Figur 9.7.
Bagaimana Anda memodifikasi Persamaan (9.8.1) untuk menunjukkan
titik patahan garis regresi yang terjadi pada X*?
Jawab.
9.10 Tuliskan model sebagai:
9.11. Pengaruh harga per ons kola. Cathy Schaefer, salah seorang mahasiswa
saya, mengestimasi regresi berikut ini dengan menggunakan data cross-
section dengan 77 observasi:
di mana
Pi = harga per ons kola
Dli = 001 jika di warung
= 010 jika di minimarket
= 100 jika di supermarket
D2i = 10 jika bermerek
= 01 jika tidak bermerek
Figur 9.7
144
= 0010 jika ukuran botol 28-33,8 ons (catatan: 33,8 ons 1 liter)
= 0100 jika ukuran botol 16 ons
= 1000 jika ukuran botol 12 ons
Jawab.
9.11
a. Penetapan variabel dummy ini mengasumsikan konstanta
(proporsional) perbedaan; toko rantai adalah 10 kali skala toko diskon
dan toko serba ada 10 kali lipat skala toko rantai (atau 100 kali skala
toko diskon). Tentunya, ini semua sewenang-wenang.
b. Seperti yang diharapkan, cola merek lebih mahal daripada non-cola
merek. Juga hasilnya menunjukkan bahwa kontainer yang lebih kecil
lebih mahal daripada kontainer yang lebih besar, lagi seperti yang
diharapkan. Model tersebut menjelaskan sekitar 60% variasi harga cola.
c. Variabel boneka disetel dengan nilai yang lebih tinggi yang ditetapkan
untuk wadah yang lebih kecil.
9.12. Data pendapatan per kapita 101 negara dalam satuan dolar (X) dan
harapan hidup dalam tahun (Y) pada awal tahun 1970-an, Sen dan
Srivastava memperoleh hasil regresi berikut ini:
145
a. Apakah alasan menggunakan variabel pendapatan dalam bentuk log?
b. Bagaimana Anda menginterpretasikan koefisien 9,39 dalam In Xi?
c. Apakah alasan menggunakan regresor Di (In Xi-7)? Bagaimana Anda
menjelaskan regresor ini secara verbal? Dan, bagaimana Anda
menginterpretasikan koefisien - 3,36 dari regresor ini. (Petunjuk:
regresi linear bertahap)?
d. Dengan mengasumsikan bahwa pendapatan per kapita $1.097
merupakan batas antara negara kaya dan miskin, bagaimana Anda
menurunkan persamaan regresi untuk negara dengan pendapatan per
kapita kurang dari $1.097 dan regresi untuk negara dengan pendapatan
per kapita lebih dari $1.097?
e. Apakah kesimpulan umum yang Anda peroleh dari hasil regresi dalam
soal ini?
Jawab.
146
9.13. Perhatikan model berikut ini:
Jawab.
c. Dari rumus terkenal untuk menemukan jumlah atau perbedaan dari dua
atau lebih variabel acak (Lihat App. A), dapat ditunjukkan bahwa
147
9.14. Untuk memeriksa pengaruh hukum hak-hak bekerja dari negara bagian
(yang tidak memerlukan keanggotaan dalam serikat pekerja sebagai
persyaratan bagi pekerja) dalam keanggotaan serikat pekerja, regresi
berikut ini diperoleh dari data 50 negara bagian AS , tahun 1982
Jawab.
b. Ya, benar.
Y menunjukkan upah per jam dalam dolar dan D adalah variabel dummy,
yang bernilai 1 untuk lulusan perguruan tinggi dan 0 untuk lulusan sekolah
menengah atas. Dengan menggunakan formula OLS yang terdapat pada
Bab 3, tunjukkan bahwa
148
graduate). Secara keseluruhan, ada n1 lulusan sekolah menengah atas dan
n2 lulusan perguruan tinggi, untuk sampel total n = n1 + n2.
Jawab.
9.15 Dari rumus OLS yang diberikan di Bab 3, kita tahu bahwa:
149
a. Pada Model I, berapa tingkat pertumbuhan populasi Belize sepanjang
periode sampel?
b. Apakah tingkat pertumbuhan populasi secara statistik berbeda sebelum
dan sesudah 1978 Bagaimana Anda mengetahuinya? Jika berbeda,
berapakah tingkat pertumbuhan untuk periode 1972-1977 dan 1978-
1992?
Jawab.
9,16
a. 2,4%.
b. Karena baik intercept diferensial dan koefisien slope sangat signifikan,
tingkat serta tingkat pertumbuhan populasi dalam dua periode berbeda.
Tingkat pertumbuhan untuk periode tersebut sebelum 1978 adalah 1,5%
dan setelah 1978 adalah 2,6% (= 1,5% + 1,1%).
9.17. Dengan menggunakan data yang terdapat pada Tabel9.8, ujihipotesis yang
menyatakan bahwa error variance bernilai sama pada dua subperiode
1958-IV sampai dengan 1966 III dan 1966-IV sampai dengan 1971-II.
Jawab.
9.17. Menjalankan regresi untuk dua periode secara terpisah, kami menemukan
itu untuk periode pertama o21 = 0,00768 (df = 30) dan untuk periode kedua
o21 = 0,03638 (df = 17). Kemudian dengan asumsi bahwa varians populasi
masing-masing adalah sama, dan mengikuti Persamaan. (8.8.8), rasio
berikut mengikuti distribusi F.
F = 4,7369
150
Jawab.
9.18 Karena variabel dependen dalam model (9.7.3) dan (9.7.4) adalah sama,
kita dapat menggunakan versi R2 dari uji F yang diberikan dalam
Persamaan. (8.7.10). Dalam contoh ini, R2 terbatas (yaitu, R2R) diperoleh
dari (9,7,3), yaitu 0,5318 dan R2 tak terbatas (yaitu, R2UR) diberikan oleh
(9,7,4), yaitu 0,7298. Di contoh kami n = 2, k = 5 dan m = 1 (pastikan
Anda mendapatkan ini dengan benar). Menempatkan nilai-nilai ini dalam
Persamaan. (8.7.10), kami memperoleh:
Jawab.
9.19 Dalam hal ini, variabel dummy Z mengambil nilai 2 ketika D = 0 dan
dibutuhkan nilai 5 ketika D = 1. Dengan menggunakan tugas dummy ini,
kita mendapatkan hasil regresi berikut:
151
Sekarang dalam membandingkan hasil sebelumnya dengan yang diberikan
dalam (9.5.4), (9.5.6) dan (9.5.7), kita harus berhati-hati, karena variabel Z
mengambil nilai 2 (ketika D = 0) dan nilai 5 (ketika D = 1). Untuk
memperoleh regresi pendapatan-tabungan yang sebanding dengan (9.5.6)
(yaitu, ketika nilai boneka asli nol), di mana Z muncul, letakkan nilai 2,
yang memberikan:
yang sama dengan yang diperoleh dalam (9.5.6), kecuali untuk kesalahan
pembulatan.
Pesan dari latihan ini adalah bahwa pilihan nilai numerik untuk variabel
dummy pada dasarnya adalah arbitrer.
Jawab.
9.20 Seperti yang Anda duga, tanda koefisien boneka dalam (9.5.4) akan
menjadi -152.4786 dan tanda koefisien (DA) akan menjadi positif. Istilah
intercept sekarang akan menjadi 153.4973 dan koefisien variabel
pendapatan akan menjadi 0,0148. Semua ini mengikuti secara logis.
9.21. Dengan menggunakan data pada Tabel 9.2 dan memperhatikan model
berikut ini:
In Tabungan
152
a. Apakah penjelasan rasional dari penggunaan nilai dummy seperti model
tersebut?
b. Lakukan estimasi untuk model tersebut, kemudian interpretasikan
hasilnya.
c. Berapakah nilai intercept untuk fungsi tabungan pada kedua subperiode
dan bagaimana Anda menginterpretasikannya?
Jawab.
9.21 a. Sejak boneka masuk dalam bentuk log, dan sejak log dari nol tidak
terdefinisi, dengan mendefinisikan ulang boneka sebagai 1 dan 10, kita
dapat memperoleh log dari angka-angka ini.
9.22. Merujuk pada data penjualan perlengkapan rumah tangga per kuartal yang
terdapat pada Tabel 9,3, Perhatikan model berikut ini:
153
di mana D adalah variabel dummy yang bernilai 1 dan 0 untuk kuartal
kedua hingga keempat.
Tabel. 9.9
Jawab.
9.22 a. Kami menyajikan hasil untuk tiga peralatan berikut ini bentuk tabel:
154
b. Koefisien "kemiringan" sebenarnya merupakan penyadapan diferensial,
dengan kuartal pertama sebagai kuartal referensi. Hanya dummy
perempat ke-4 untuk mesin cuci yang secara statistik berbeda secara
signifikan dari kuartal pertama; menunjukkan bahwa hanya mesin cuci
yang menunjukkan beberapa jenis musim. Ini berbeda dengan hasil
untuk lemari es yang diberikan di (9.7.3) di mana ada musim musiman
di kuartal kedua dan ketiga (tetapi bukan kuartal ke-4).
c. Karena tidak ada musim yang secara statistik terlihat dalam penjualan
mesin pencuci piring dan penjualan, maka tidak perlu melakukan
deseasonisasi data. Untuk mesin cuci, residu dari regresi yang akan
mewakili seri waktu deseasonalized.
a. Apakah terdapat perbedaan dalam hasil regresi yang Anda peroleh pada
Latihan 9.2.2 dan pada latihan ini? Jika ada, jelaskan perbedaannya?
b. Jika terdapat pengaruh musiman dalam data pengeluaran untuk barang-
barang tahan lama, bagaimana Anda memperhitungkannya (dalam
model)?
Jawab.
9.23 Hasil regresi, diperoleh dari Eviews 3 adalah sebagai berikut: Dalam tabel
berikut, D1, D2 dan D3 adalah dummy untuk kuartal kedua, ketiga, dan
keempat. DISH, DISP dan WASH mewakili, masing-masing, penjualan
mesin pencuci piring, disposer dan mencuci mesin, dalam ribuan unit dan
DUR mewakili pengeluaran barang tahan lama dalam miliaran dolar.
Tidak semua statistik yang diberikan dalam tabel tersebut belum dibahas,
tetapi mereka akan seperti yang kita kemajuan melalui buku.
155
156
b. Penambahan pengeluaran pada barang tahan lama dalam persamaan
untuk mesin pencuci piring tidak mengubah hasil sejauh musiman
adalah prihatin; tidak ada data musiman (dibandingkan dengan kuartal
pertama). Hasil untuk disposers secara substansial berbeda dalam
sekarang ada musiman diucapkan pada kuartal kedua dan ketiga. Hasil
untuk mesin cuci secara kualitatif sama. Perhatikan, bagaimanapun,
dalam setiap regresi koefisien pengeluaran barang tahan lama secara
statistik signifikan.
9.24. Tabel 9.9 menunjukkan data mengenai pemilihan presiden di AS dari 1916
hingga 2004,
a. Dengan menggunakan Data pada Tabel 9.9, buatlah model yang cocok
untuk memprediksi bagian dari partai Demokrat dari pemilihan
presiden yang berasai dari dua partai berbeda.
b. Bagaimana Anda menggunakan model tersebut untuk memprediksi
hasil dari pemilihan presiden?
c. Chatterjee et al. menyarankan model berikut sebagai model percobaan
untuk memprediksi pemilihan presiden:
Jawab.
9.24 a&b. Ini yang tersisa untuk setiap siswa. Tahun 2000 AS Pemilihan Presiden
diadakan pada tanggal 7 November 2000. Jika Anda telah
menggunakan model Anda, apakah Anda telah memprediksi hasil
pemilihan tahun 2000 dengan benar?
157
Para penulis tidak memasukkan G sebagai regresi. Mungkin itu bisa
ditambahkan ke model.
9.25. Merujuk pada regresi (9.6.4). Uji hipotesis yang menyatakan bahwa
peningkatan rata rata pendapatan per jam untuk tingkat pendidikan yang
sama, dibedakan oleh jenis kelamin dan ras. (Petunjuk: Gunakan dummy
perkalian)
Jawab.
158
Seperti yang ditunjukkan oleh hasil ini, boneka ras gender secara statistik
signifikan pada level 8%. Jika Anda menganggap nilai p ini sebagai cukup
rendah, maka boneka interaktif adalah signifikan dan hasil yang diberikan
(9.6.4) harus ditafsirkan ulang. Gaji rata-rata sehubungan dengan gender
saja (perhatikan dummy jenis kelamin adalah 1 untuk perempuan) lebih
rendah sekitar $ 2,36 per jam dibandingkan dengan upah rata-rata per jam
laki-laki. Demikian juga, upah per jam rata-rata lebih rendah sekitar $ 1,73
untuk pekerja non-kulit putih / non-Hispanik. Tetapi hasil ini perlu
dimodifikasi untuk memperhitungkan ras jender interaktif.
Misalnya, jika Anda memegang balapan konstan, upah rata-rata per jam
untuk wanita sekarang lebih rendah dengan hanya $ 0,2317 (= -2,3606 +
2,1289). Demikian pula, jika Anda memegang gender konstan, gaji rata-
rata pekerja putih / non-Hispanik sebenarnya lebih tinggi sekitar $ 0,3962
(= - 1,7327 + 2,1289). Jadi Anda bisa melihat bagaimana dummy interaktif
melemahkan atau memperbesar efek aditif saja.
9.26. Merujuk pada regresi (9.3.1). Bagaimana Anda memodifikasi model untuk
mengetahui apakah terdapat interaksi antara variabel dummy untuk jenis
kelamin dan daerah tempat tinggal? Jelaskan hasilnya berdasarkan model
dan bandingkan hasilnya dengan yang diberikan pada Persamaan (9.3.1).
Jawab.
159
9.27. Dalam model Y = β1 + β2D + ui anggap Di = 0 untuk 40 observasi
pertama dari D1 = 1 untuk 60 observasi sisanya. Anda mengetahui bahwa
ui memiliki nilai rerata o dan varians 100. Berapakah nilai rerata dan
varians dari kedua kelompok observasi?
Jawab.
9.27. β1, akan memberikan nilai rata-rata dari 40 observasi pertama dan (β1 +
β2) akan memberikan nilai rata-rata dari 60 observasi selanjutnya. Varians
β1, = 100/40, dan varians (β1 + β2) = 100/60. Ingat bahwa jika X adalah
variabel acak dengan mean E (X) dan var = o2x, maka mean sampel X
memiliki nilai harapan yang sama tetapi variannya sama dengan o2x / n di
mana n adalah ukuran sampel.
Jawab.
160
a. Model (9.5.4) adalah model linier, sedangkan yang sekarang adalah
model log-lin. Oleh karena itu, kemiringan lereng dari regressor dalam
model ini harus ditafsirkan sebagai semi elastisitas. Secara kualitatif,
kedua model memberikan hasil yang serupa. Karena kemunduran dalam
dua model berbeda, kita tidak dapat membandingkan dua R2s langsung.
b. Sebagaimana dicatat dalam bab ini, jika kita mengambil antilog dari
dummy Koefisien 3,6772, apa yang kami dapatkan adalah penghematan
rata-rata di periode 1970-1981, memegang semua faktor lain yang
konstan. Sekarang antilog (3.6772) = 39.5355. Jadi, jika pendapatan
nol, tabungan rata-rata pada 1970-1981 akan menjadi sekitar 40 miliar
dolar. Sekali lagi, orang harus menafsirkan angka ini dengan butiran
garam. Sekarang jika kita mengambil antilog (3.6772 + 1.3971) =
159.8602, ini akan menjadi penghematan rata-rata pada periode 1982-
1995, memegang konstanta pendapatan. Sekali lagi, berhati-hatilah
dalam menerima angka ini pada nilai nominalnya.
c. Regressing log dari Y (tabungan) pada X (pendapatan), perkiraan
varians kesalahan dalam dua periode adalah: o2 = 0,0122 (df = 10) dan
o2 = 0,0182 (df = 12) Berdasarkan hipotesis nol bahwa varians dari dua
populasi adalah sama, kita membentuk
161
10.1. Pada model regresi linear variabel k, terdapat persamaan normal k untuk
mengetimasi hal k yang tidak diketahui. Persamaan-persamaan normal
ini akan diberikan pada Lampiran C. Asumsikan bahwa Xk adalah
kombinasi linear sempurna dari variabel- variabel Xsi Bagaimana Anda
menunjukkan ada kasus ini bahwa tidak mungkin untuk mengestimasi
koefisien regresik?
Jawab.
10.1 Jika Xk adalah kombinasi linear sempurna dari penjelasan yang tersisa
variabel, maka ada persamaan (k-1) dengan k tidak diketahui. Dengan
lebih banyak hal yang tidak diketahui selain persamaan, solusi unik tidak
mungkin dilakukan.
10.2. Kumpulan data hipotetis pada Tabel 10.11. Anggap Anda ingin
mencocokkannya dengan model berikut
dengan data.
Jawab.
10.2 a. Tidak, Variabel X31 adalah kombinasi linear yang tepat dari X21,
karena
162
b. menulis ulang persamaan hasil,
Oleh karena itu, kita dapat memperkirakan a1 dan a2 secara unik, tetapi
bukan beta yang asli karena kita memiliki dua persamaan untuk
menyelesaikan tiga hal yang tidak diketahui.
10.3. Mengacu pada contoh kematian anak yang dibahas dalam Bab 8 (Contoh
8.1). Contoh tersebut melibatkan regresi kematian balita (CM) terhadap P
per kapita (PNBP) dan tingkat kepandaian membaca wanita (FLR). Kini,
anggap kita menambahkan variabel total tingkat kesuburan (TFR). Hal ini
memberikan hasil regresi sebagai berikut.
Jawab.
10.3
163
karena penambahan variabel TFR, menunjukkan bahwa mungkin ada
beberapa collinearity di antara para regresor.
Jawab.
164
10.5. Perhatikan model berikut
Jawab.
10.5
a. Ya. Ekonomi data time Series cenderung bergerak ke arah yang sama.
Di sini, para tertinggal variabel pendapatan umumnya akan bergerak
dalam arah yang sama.
10.6. Perhatikan contoh ilustratif pada subbab 10.6 (Contoh 10.1). Bagaimana
Anda merekonsiliasi perbandingan kecenderungan tambahan konsumsi
(MPC) yang didapatkan dari Persamaan (10.6.1) dan (10.6.4)?
Jawab.
10.6 ketika kekayaan dihapus dari model, model misspecified dan pendapatan
efek koefisien bias. Oleh karena itu, apa satu mengamati di eq. (10.6.4)
adalah bias estimasi pendapatan koefisien. Sifat biasnya sebagai berikut:
dimana b12 adalah koefisien kemiringan dalam regresi Y pada X2. dan
b32 adalah koefisien kemiringan dalam regresi X3 pada X2. Dari data
yang diberikan, kami punya
165
10.7. Pada data yang mengandung ekonomi time series, seperti PNB, uang
beredar, harga, pendapatan, pengangguran, dan lain-lain, biasanya
dicurigai terdapat multikolinearitas. Mengapa?
Jawab.
bahwa r23 koefisien korelasi antara X2 dan X3, bernilai nol. Oleh karena
itu, seseorang menyarankan Anda untuk melakukan regresi berikut:
c. Akankah var (β2) = var (a2) dan var (β3) = var (y3.)?
Jawab.
10.8
a. Ya. Ini karena koefisien korelasi adalah nol antara X2 dan X3.
Akibatnya, istilah produk silang menghilang dalam rumus untuk β
koefisien (persamaan 7,4,7 dan 7,4,8) dan rumus menjadi sama dengan
koefisien a dan y (persamaan 3.1.8).
166
c. Tidak, karena alasan berikut:
10.9 Merujuk pada contoh ilustratif pada Bab 7, di mana kita menggunakan
fungsi produksi Cobb-Douglas untuk sektor industri 50 negara bagian AS
dan District of Columbia, tahun 2005. Hasil dari regresi tersebut diberikan
pada Persamaan (7.9.4). yang menunjukkan bahwa koefisien tenaga kerja
dan kapital, secara statistik dan individual, signifikan.
c. Jika Anda melakukan hal itu, bias spesifikasi seperti apa yang akan
terjadi? Temukan sifat alamiah dari bias spesifikasi tersebut.
Jawab.
10.9
a. Koefisien korelasi antara tenaga kerja dan modal adalah tentang 0,698,
yang relatif tinggi.
c. Jika tenaga kerja dijatuhkan, koefisien modal akan bias. Bias dapat
dihitung setelah Latihan 10.6. Di sini biasnya adalah: (β2) (b23) = (1
.4988) (0,1319) = 0,1975.
10.10 Merujuk Contoh 7.4. Untuk soal ini, matriks korelasi adalah sebagai
berikut:
167
a. “Oleh karena korelasi zero-ordersangat tinggi, pasti terdapat
multikolinearitas yang parah”. Berikan komentar terhadap pernyataan
tersebut.
Jawab.
10.10
a. Tidak. Multikolinearitas mengacu pada hubungan linier di antara
variabel. Di sini asosiasi bersifat nonlinear.
c. Jika salah satu variabel dijatuhkan, akan ada bias spesifikasi yang akan
muncul dalam koefisien (s) dari variabel yang tersisa (s).
Jawab.
168
10.12. Nyatakan dengan alasan apakah pernyataan berikut benar, salah, atau tidak
pasti:
h. Anda tidak akan mendapatkan nilai R2 yang tinggi pada sebuah regresi
majemuk jika semua koefisien kemiringan parsial, secara statistik dan
individual, tidak signifikan berdasarkan uji t yang biasa.
Jawab.
10.12
a. Salah. Jika hubungan linear yang tepat (s) ada di antara variabel, kami
bahkan tidak dapat memperkirakan koefisien atau kesalahan standar
mereka.
169
Seperti dapat dilihat dari rumus ini, R2J yang tinggi dapat diimbangi
oleh a2 rendah atau tinggi
d. Tidak pasti. Jika sebuah model hanya memiliki dua regressor, koefisien
korelasi berpasangan tinggi dapat menyarankan multikolinieritas. Jika
satu atau lebih regresi masuk secara non-linear, korelasi berpasangan
dapat memberikan jawaban yang menyesatkan.
i. Benar. Seperti yang Anda lihat dari rumus yang diberikan dalam (c),
jika variabilitas dalam X3 kecil, R2J akan cenderung kecil dan
ekstrimkasus tidak ada variabilitas di X3, , akan menjadi nol, dalam
hal ini varians dari perkiraan fi3 akan menjadi tidak terbatas.
R1.2.3...k = 0
b. Apakah peranan penting dari temuan tersebut untuk regresi variabel X1(
= Y ) terhadap X2, X3,..., Xk?
Jawab.
10.13
a. Mengacu pada Persamaan. (7.11.5) kita melihat bahwa jika semua r2
bernilai nol, R2 adalah nol ipso facto.
10.14 Anggap semua koefisien korelasi aero-order dari X1( =Y ),X2.....Xk sama
dengan r.
170
b. Berapakah nilai koefisien korelasi ordo-satu?
Jawab.
10.14
a. Pertimbangkan Persamaan. (7.11.5). Jika semua korelasi orde nol, atau
kotor r, rumus ini mengurangi menjadi:
Jawab.
10.15
a. Jika ada multikolinearitas sempurna, (X'X) menjadi tunggal, oleh
karena itu, tidak dapat dibalik. Akibatnya, koefisien dan kesalahan
standar mereka tidak terdefinisi.
Jawab.
171
10.16
Jawab.
10.17
a. Jika determinan R adalah nol, ada kolinearitas sempurna.
172
c. Apakah sifat alamiah dari matriks var-cov (β) ?
Jawab.
10.18
a. Akan ada elemen-elemen di bagian utama diagonal saja.
di mana GNP1 = PNB pada waktu t, Mt = jumlah uang beredar pada waktu
t, Mt-1 jumlah uang beredar pada waktu (t - 1) dan (Mt - Mt-1) uang
beredar antara waktu t dan (t - 1). Model ini, oleh karena itu, menetapkan
bahwa tingkat PNB pada waktu t merupakan fungsi dari jumlah uang
beredar pada waktu t dan (t -1), seperti perubahan pada jumlah uang
beredar di antara periode waktu tersebut.
c. Anggap bahwa β3Mt tidak ada di dalam model. Apakah jawaban Anda
pada soal (a) akan sama?
d. Ulangi soal (c), asumsikan bahwa β2Mt, tidak ada pada model
Jawab.
10.19
a. Sejak regresi ketiga, (Mt – Mt-1) adalah kombinasi linear dari Mt dan Mt-
1, mungkin ada masalah collinearity.
173
b. Jika kita menetapkan kembali model sebagai
Kami dapat memperkirakan, β1, al dan a2 secara unik, tetapi kami tidak
dapat memperkirakan β2, β3, dan β4 secara unik.
c. Semua parameter dapat diperkirakan secara unik, karena tidak ada lagi
collinearity yang sempurna.
10.20. Tunjukkan bahwa Persamaan (7.4.7) dan (7.4.8) juga dapat diekspresikan
sebagai
Jawab.
Jawab.
10.21 Ketika ada collinearity sempurna, r23 = 1. Oleh karena itu, penyebut dalam
(7.4.12) dan (7.4.15) akan menjadi nol. Akibatnya, varians tidak
terdefinisi.
174
10.22. Buktikan bahwa standard error dari jumlah koefisien kemiringan yang
diestimasi dari persamaan (10.5.6) dan (10.5.7) adalah, masing-masing,
0,1549 dan 0,1825. (Lihat Subbab 10.5)
Jawab.
10.23. Model regresi variabel k dapat menunjukkan bahwa varians dari koefisien
regresi parsial ke k (k =2,3,....K) yang diberikan pada Persamaan (7.5.6)
dapat juga diekspresikan sebagai
di mana a2y = varians a2k varians dari variabel penjelas ke k, R2k = R2 dari
regresi Xk terhadap variabei X sisanya, dan R2 = koefisien determinasi dari
regresi majemuk, yaitu regresi Y terhadap semua variabel X.
a. Hal lain yang dianggap sama, jika a2k meningkat, apakah yang akan
terjadi pada var (βk)? Apakah implikasi untuk problem
multikolinearitas?
Jawab.
10.23
a. Ceteris paribus, sebagaimana o2 meningkat, varians dari perkiraan
koefisien fik akan menurun. Ini akan memungkinkan estimator
diperkirakan lebih tepat.
175
10.24. Dari data lahunan sektor industry AS untuk periode 1899-1922, Dougherty
memperoleh hasil regresi sebagai berikut:
b. Pada regresi (1), apakah tanda yang diduga sebelumnya untuk log K?
Apakah hasilnya sejalan dengan ekspektasi tersebut? Mengapa atau
mengapa tidak?
f. Jika terdapat multikolinearitas pada regresi (l), apakah hal tersebut telah
direduksi pada regresi (2)? Bagaimana Anda mengetahuinya?
Jawab.
10.24
a. Dengan R2 yang relatif tinggi 0.97, nilai F signifikan dan yang (secara
ekonomis) ditandatangani dengan tidak benar koefisien log K, mungkin
176
ada collinearity dalam model.
177
c. Hal yang biasa bagi ilmuwan untuk mengklaim bahwa multikolinearitas
tetap ada kapan pun tanda yang mereka hipotesiskan tidak terbukti pada
hasil regresi, ketika variabel yang diduga sebelumnya mereka ketahui
berperan penting, tetapi ternyata memiliki nilai t yang tidak signifikan,
atau ketika hasil-hasil regresi yang didapat berbeda secara
substantifkapan pun terdapat sebuah variabel penjelas yang
dihilangkan. Sayangnya, tidak ada satu pun dari kondisi tersebut yang
merupakan kondisi yang mencukupi atau harus bagi terjadinya
multikolinearitas, dan terlebih lagi tidak ada yang memberikan saran
yang berguna mengenai informasi tambahan yang dibutuhkan dalam
menanggulangi problem yang ada.
d. "...regresi time series mana pun yang mengandung lebih dari empat
variabel independen adalah tidak berguna.
Jawab.
10.25 (a), (b) (c) dan (d) Semua pandangan yang diungkapkan pada dasarnya
memberi tahu kita hal itu multikolinieritas sangat sering merupakan
masalah data-defisiensi.
10.26. Klein dan Goldberger berusaha untuk menyesuaikan model regresi berikut
pada perekonomian AS:
di mana
a. Sesuaikan model yang telah dimodifikasi dengan data pada Tabel 10.12
dan dapatkan hasil estimasi dari β1 dan β4
178
Tabel 10.12
Jawab.
10.26
a. Hasil regresi dari model yang dimodifikasi adalah:
10.27. Tabel 10.13 memberikan data impor, PDB, dan indeks harga konsumen
(IHK) untuk AS, periode 1975-2005. Anda diminta untuk
mempertimbangkan model berikut:
c. Regresikan:
179
d. Berdasarkan regresi tersebut, apakah yang dapat Anda katakai
mengenai sifat alamiah multikolinearitas pada data?
Tabel 10.13
Jawab.
a.
180
d. Solusi terbaik di sini adalah untuk mengekspresikan impor dan GDP
secara riil dengan membagi masing-masing oleh CPI (ingat metode
rasio) dibahas dalam bab ini). Hasilnya adalah sebagai berikut:
c.
c. Jika terdapat kolinearitas yang signifikan pada data, variabel mana yang
akan Anda hilangkan untuk mengurangi tingkat keparahan dalam
problem kol Jika Anda melakukan hal tersebut, masalah ekonometrika
apakah yang Anda hadapi?
Jawab.
10.28
a. Karena ada lima variabel penjelas, akan ada lima regresi tambahan.
Untuk menghemat ruang, kami hanya memberikan di bawah ini Nilai
R2 yang diperoleh dari regresi ini:
181
b. Karena nilai R2 dalam semua regresi tambahan seragam tinggi,
tampaknya data mengalami masalah multikolinieritas.
Tabel 10.14
Jawab.
182
10.29 (a) dan (c) Memeriksa koefisien korelasi antara yang mungkin variabel
penjelas, satu mengamati korelasi yang sangat tinggi antara CPI mobil
baru dan CPI umum (0,997) dan antara PDI dan CPI mobil baru (0,991).
Yang lainnya relatif tinggi, tetapi seharusnya tetap dalam model untuk
alasan teoritis. PDI juga dekat terkait dengan tingkat pekerjaan, korelasi
antara keduanya 0,972 Oleh karena itu, seseorang dapat menjatuhkan CPI
umum dan PDI dan memperkirakan model berikut
183
untuk analisis. Data ini diberikan pada Tabel 10.15. Oleh karena data
untuk empat kelompok demografi menghilang untuk beberapa variabel,
data pada tabel hanya merujuk 35 kelompok demografi. Definisi berbagai
variabel yang dianalisis dijelaskan di bagian akhir tabel.
Table 10.15
Jawab.
184
Catatan: Perlakukan baris terakhir di tabel sebelumnya sebagai kolom
terakhir Seperti yang ditunjukkan tabel ini, korelasi berpasangan, atau kasar,
berkisar dari sangat rendah (mis., -0,0409 antara ERSP dan ERNO hingga
relatif tinggi (misalnya, 0,8812 antara sekolah dan tingkat upah).
Penafsirannya sangat mudah. Jadi, ceteris paribus, jika upah per jam naik
satu dolar, rata-rata, jam kerja setiap tahun turun sekitar 93 jam.
Untuk menghemat ruang, kami hanya akan menghitung VIF dan TOL dari
tingkat regresi. Regressing rate pada semua regresor lainnya, kami
memperoleh nilai R2 sebesar 0,9416. Menggunakan rumus, (7.5.6), itu bisa
memverifikasi bahwa VIF untuk regresi ini adalah sekitar 2224, maka TOL
adalah kebalikan dari angka ini, yaitu 0,00045.
185