Contoh kasus eviews

Data perkembangan ekspor, konsumsi, impor, dan jumlah penduduk di negara GHI sebagai berikut :

Tabel perkembangan ekspor, konsumsi, impor, dan populasi

tahun eks cons imp pop

1990 468359 119802 95842 181436821
1991 556306 140805 112644 184614740
1992 632582 157484 125987 187762097
1993 671218 192959 154376 190873248
1994 737948 228119 182495 193939912
1995 794926 279876 223901 196957845
1996 855022 332094 265676 199926615
1997 921714 387171 309737 202853850
1998 1024791 647824 518259 205753493
1999 698856 813183 650547 208644079
2000 883948 856798 685439 211540428
2001 889649 1039655 831724 214448301
2002 878823 1231965 985572 217369087
2003 930554 1372078 1097662 220307809
2004 1056442 1532888 1226311 223268606
2005 1231826 1785596 1428477 226254703
2006 1347685 2092656 1674125 229263980
2007 1462818 2510504 2259453 232296830
2008 1602275 2999957 2699961 235360765
2009 1447012 3290996 2961896 238465165
2010 1667918 3858822 3472940 241613126
2011 1914268 4340605 3906545 244808254
2012 1945064 4858331 3886665 248037853
2013 2026120 5456626 2359212 251268276
2014 2046740 6035674 2580527 254454778

Lakukan regresi : log(imp) c log(cons) log(eks) log(pop)

Dependent Variable: LOG(IMP)

Method: Least Squares
Date: 11/25/18 Time: 17:36
Sample: 1990 2014
Included observations: 25

Variable Coefficient Std. Error t-Statistic Prob.

C 250.1556 97.31591 2.570552 0.0178

 LOG(CONS) 1.933782 0.363363 5.321900 0.0000
LOG(EKS) 0.529591 0.377930 1.401295 0.1757
LOG(POP) -14.10159 5.536099 -2.547207 0.0188

R-squared 0.984113 Mean dependent var 13.57581

Adjusted R-squared 0.981844 S.D. dependent var 1.221823
S.E. of regression 0.164634 Akaike info criterion -0.624538
Sum squared resid 0.569191 Schwarz criterion -0.429517
Log likelihood 11.80672 Hannan-Quinn criter. -0.570447
F-statistic 433.6238 Durbin-Watson stat 0.910699
Prob(F-statistic) 0.000000

lakukan uji autokorelasi dengan uji LM

pilih : view → residusal diagnostics → serial correlation LM Test → masukkan angka 2 → OK.

Hasilnya seperti output di bawah ini

Breusch-Godfrey-Serial Correlation LM Test:

F-statistic 4.775750 Prob. F(2,19) 0.0209

Obs*R-squared 8.363396 Prob. Chi-Square(2) 0.0153

dari hasil perhitungan Uji LM diperoleh nilai Prob. Chi-Square(2) = 0,0153 lebih kecil dari 𝛼 = 0,05
berarti H0 ditolak, artinya dalam model ini mengandung autokorelasi. Konsekuensi masalah autokorelasi
dimana estimator dari metode OLS masih linier, tidak bias tetapi tidak mempunyai varian yang
minimum.

Perbaikan autokorelasi

Perbaikan autokorelasi digunakan metode transformasi first difference jika nilai 𝜌 tinggi yakni
𝑑
mendekati satu. 𝜌̂ ≈ 1 − . Karena hasil regresi dengan log(imp)=f(log(cons), log(eks), log(pop))
2
0,910714
diperoleh dw= 0,910714, maka 𝜌 = 1 − ( 2
) = 0,5446.

Tabel pembentukan variabel baru ekspor, konsumsi, impor, dan populasi.

tahun eks cons imp pop

1991 2.657116491 2.382886545 2.338752738 3.768564505
1992 2.672218965 2.393299032 2.349165523 3.77179926
1993 2.667575369 2.455050076 2.410942389 3.774938187
1994 2.694715847 2.479697198 2.43555042 3.777973432
1995 2.704599873 2.528910928 2.484778755 3.78090973
1996 2.718659368 2.554843532 2.510711808 3.783754923
1997 2.734041352 2.581024064 2.536890812 3.786529119
1998 2.762316221 2.768285157 2.724152017 3.789255216
1999 2.570995712 2.745268791 2.701136462 3.79195717
 2000 2.763573177 2.714189901 2.670057243 3.794644836
2001 2.710794705 2.785843646 2.741710619 3.797313376
2002 2.703956913 2.813800486 2.769667666 3.799959488
2003 2.73169287 2.820438929 2.776305951 3.80259198
2004 2.773268994 2.843093929 2.798961408 3.805213582
2005 2.809963021 2.883154227 2.839021352 3.807826071
2006 2.81267521 2.91597671 2.871843909 3.810421966
2007 2.827016456 2.957508872 2.964528431 3.813004392
2008 2.847174421 2.991805234 2.970967287 3.815586895
2009 2.781372332 2.989890509 2.969052516 3.818178573
2010 2.867181572 3.037118269 3.016280364 3.820774899
2011 2.8934064 3.050567012 3.029729093 3.823378619
2012 2.867755204 3.071677225 2.999686734 3.825963293
2013 2.881711764 3.095463313 2.784083275 3.828483177
2014 2.876452829 3.111796862 2.941099516 3.830895641
Dimana :

Log(ekst)*=log(ekst)-0,5446*log(ekst-1)

Log(const)*=log(const)-0,5446*log(const-1)

Log(impt)*=log(impt)-0,5446*log(impt-1)

Log(popt)*=log(popt)-0,5446*log(popt-1)

Lakukan regresi : log(imp) c log(cons) log(eks) log(pop)

Hasilnya seperti di bawah ini :

Dependent Variable: LOG(IMP)

Method: Least Squares
Date: 11/25/18 Time: 18:18
Sample: 1991 2014
Included observations: 24

Variable Coefficient Std. Error t-Statistic Prob.

C 13.08278 6.929117 1.888087 0.0736

LOG(CONS) 1.498014 0.285116 5.254054 0.0000
LOG(EKS) 0.139487 0.277853 0.502017 0.6211
LOG(POP) -10.30092 5.514034 -1.868127 0.0765

R-squared 0.949289 Mean dependent var 1.002797

Adjusted R-squared 0.941682 S.D. dependent var 0.083042
S.E. of regression 0.020054 Akaike info criterion -4.829778
Sum squared resid 0.008043 Schwarz criterion -4.633436
Log likelihood 61.95734 Hannan-Quinn criter. -4.777688
F-statistic 124.7969 Durbin-Watson stat 1.403880
Prob(F-statistic) 0.000000
lakukan uji autokorelasi dengan uji LM

pilih : view → residusal diagnostics → serial correlation LM Test → masukkan angka 2 → OK.

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1.259497 Prob. F(2,18) 0.3076

Obs*R-squared 2.946335 Prob. Chi-Square(2) 0.2292

dari hasil perhitungan Uji LM diperoleh nilai Prob. Chi-Squares(2) = 0,2292 lebih besar dari 𝛼 = 0,05
berarti H0 diterima, artinya dalam model di atas model sudah tidak mengandung autokorelasi.