Anda di halaman 1dari 32

REGRESI BERGANDA

1

UMUM

2

Analisis Regresi

Adakalanya model regresi sederhana tidak mencerminkan kondisi perilaku variabel ekonomi yang sebenarnya.

Analisis regresi hanya bisa dilakukan terhadap suatu fungsi.

Syarat Fungsi:

Persamaan

DV di kiri dan IV di kanan

Tidak bisa dibolak-balik

Hubungan tingkah laku, bukan hubungan pasti (identitas)

Pengaruh IV terhadap DV harus memiliki landasan teori [ekonomi].

3

Lanjut…

Properti Fungsi:

Intersep; Autonomous; Konstanta.

Parameter; Koefisien; Slope.

Average; Marginal; Elastisitas.

4

Prosedur Analisis Regresi

1. Menetapkan Model Ekonomi

Y = f (X 1 , X 2 , X 3 , …, )

2. Menetapkan Hipotesa dan Menyusun Landasan Teori Hipotesa

One tailH 0 : i = 0 ; H A : i > 0 atau i < 0

Two tailH 0 : i = 0 ; H A : i 0

3. Mencari Data

Data Primer

Data Sekunder

5

Prosedur Analisis Regresi

4. Membuat Scatter Plot

5. Memilih Model Regresi

Model Linier

Model Non Linier [log-log; log-lin; lin-log]

6. Melakukan Regresi

7. [Uji Asumsi Klasik] Intepretasi Hasil dan Uji Diagnostik

6

Membuat Scatter Plot dan Memilih Model Regresi

DV

Membuat Scatter Plot dan Memilih Model Regresi DV (1) IV DV (2) IV Gambar (1): Lebih

(1)

IV

DV

Membuat Scatter Plot dan Memilih Model Regresi DV (1) IV DV (2) IV Gambar (1): Lebih

(2)

IV

Gambar (1): Lebih tepat menggunakan model regresi non-linier Gambar (2): Lebih tepat menggunakan model regresi linier

Dari Scatter Plot dapat terdeteksi kebutuhan akan Dummy Independent Variable

7

Analisis Regresi

Metode estimasi koef. Regresi menggunakan OLS (BLUE), syaratnya:

Hubungan Y dan X adalah linier [parameter] Nilai X tetap untuk observasi yang berulang-ulang (non-stokastik). Tidak ada korelasi antar variabel bebas (multikol) Nilai harapan atau rata-rata dari variabel gangguan (e) adalah nol. Varian dari variabel gangguan adalah sama (homo). Tidak ada korelasi antar variabel gangguan (korelasi serial = autokorelasi). Variabel gangguan berdistribusi normal.

8

Lanjut…

Model Umum

Y i/t = b 0 + b 1 X 1i/t + b 2 X 2i/t + + b k X ki/t + e i/t

b 0 intesep b k parameter Y i/t DV X ki/t IV e i/t variabel gangguan/error term i/t Individu/Waktu

9

Lanjut…

Mengartikan b 1 dan b 2 dalam model regresi berganda:

b 1 mengukur perubahan rata-rata Y terhadap perubahan per unit X 1 , sementara X 2 diasumsikan tetap. Hal yang sama untuk b 2 . Jika modelnya non linier misalnya model non linier log- log, maka intepretasi dari masing-masing parameter regresinya adalah elastisitas.

10

Lanjut…

Pengujian yang diperlukan:

Uji t Koef. Regresi Parsial

Koef. Determinasi yang disesuaikan (tidak terkait banyaknya variabel independen).

Uji Hipotesis Koef. Regresi secara Menyeluruh (Uji F).

Uji Asumsi OLS/Klasik (multikolinieritas, heteroskedastisitas, otokorelasi, dan normalitas).

Uji Perubahan Struktural Model Regresi (Uji Chow).

Uji Stabilitas Model (CUSUM dan CUSUMQ).

Uji validitas model (Ramsey Reset Test)

11

REGRESI BERGANDA

12

MODEL REGRESSI LINIER BERGANDA

Model yg memperlihatkan hubungan antara satu variable terikat (dependent variable) dgn beberapa variabel bebas (independent variables).

Y i

= 0 + 1 X 1i

+ 2 X 2i + … +

k X ki

+ i

dimana: i = 1, 2, 3, …. N (banyaknya pengamatan)

0 , 1 , 2 , …, k adalah parameter yang nilainya diduga melalui model:

Y i

= b 0 + b 1 X 1i

+ b 2 X 2i + … +

b k X ki

13

0 dan 1 : parameter dari fungsi yg nilainya akan diestimasi.

Bersifat stochastik untuk setiap nilai X terdapat suatu distribusi probabilitas seluruh nilai Y atau Nilai Y tidak dapat diprediksi secara pasti karena ada faktor stochastik i yang memberikan sifat acak pada Y.

Adanaya variabel i disababkan karena:

Ketidak-lengkapan teori

Perilaku manusia yang bersifat random

Ketidak-sempurnaan spesifikasi model

Kesalahan dalam agregasi

Kesalahan dalam pengukuran

14

Koefisien Regresi Partial (Partial Coefficient of Regression)

Sampel :

Y i

= b 1 + b 2 X 2i

Y i

= b 1.23 + b 12.3 X 2i

+ b 3 X 3i + … +

b k X ki

+ b 13.2 X 3i + +

b k X ki

b 1.23 = intercept, titik potong antara garis regresi dengan sumbu tegak Y

Nilai perkiraan rata-rata Y kalau X2 = X3 = 0

b 12.3 = Besarnya pengaruh X 2 terhadap Y kalau X 2 tetap

15

Y i

= b 1.234 + b 12.34 X 2i

Misalnya:

+ b 13.24 X 3i + b 14.23 X 4

Y i = Hasil penjualan (perkiraan atau ramalan) X 2 = Biaya advertensi X 3 = Pendapatan X 4 = Harga, atau

Y i = Produksi Padi (perkiraan atau ramalan) X 2 = Pupuk X 3 = Bibit X 4 = Luas Sawah

16

Y

0

. Y i . .  i . Ÿ i . . . .
.
Y i
.
.
 i
.
Ÿ i
.
.
.
.

Ÿ i

= b 0 + b 1 X i

Y i

=

0 + 1 X i

+

i

Variation

Systematic

Random

in Y

Variation

Variation

X

Y

E(Y i ) =  0 +  1 X i =  0 +
E(Y i )
=  0 +  1 X i
=  0 +  1 X i
+  i
Y i
Nilai rata2 Y i :
E(Y i ) =  0 +  1 X i
X
=
Y i - E(Y i )
 I
X 1
X 2
X 3

17

Asumsi-asumsi Model Regresi Linier Berganda

(Agar hasil estimasi dapat diinterpretasikan dengan baik - BLUE)

Nilai rata-rata disturbance term adalah nol,

E(i ) = 0.

Tidak tdpt serial korelasi (otokorelasi) antar i

Cov(i ,j ) = 0 untuk i j.

Sifat homoskedastisitas:

Var(i ) = 2 sama utk setiap i Kesalahan Pengganggu Mempunyai Varian Sama

Covariance antara i dan setiap var bebas adalah nol. Cov(i ,X i ) = 0

Tidak tdpt multikollinieritas antar variebel bebas.

Model dispesifikasi dengan baik

18

Interpretasi Persamaan Regresi Berganda

Y i

= b 1.23 + b 12.3 X 2i

+ b 13.2 X 3i +

E (Y i /X 2 ,X 3 ) = b 1.23 + b 12.3 X 2i

+ b 13.2 X 3i

b 13.2 mengukur besarnya perubahan Y kalau X 3 Berubah sebesar satu satuan, dimana X2 konstan

Y

^

^

^

Y  X SRF e i u i E(Y)X PRF ^ Yi Y i 0
Y

X
SRF
e i
u i
E(Y)X
PRF
^
Yi
Y i
0
X
X
i

19

Metode Pendugaan Parameter Regresi

Dengan Metode Kuadrat Terkecil, misalkan model terdiri dari 2 variabel bebas

n n

i

1

e

i

2

i

1

Y b bX bX

i

0

1

1

i

2

2

i

Tahapan pendugaannya :

2

1. Dilakukan turunan pertama terhadap b 0 , b 1 dan b 2

e

i

2

b

0

2  

Y b bX bX

i

0

1

1

i

2

2

i

e

i

2

b

1

2  

Y b bX bX X

i

0

1

1

i

2

2

i

1

i

e

i

2

20

b

2

2  

Y b bX bX X

i

0

1

1

i

2

2

i

2

i

Metode Pendugaan Parameter Regresi

2. Ketiga persamaan hasil penurunan disamakan dengan nol

nb b

0

1

X

i

1

b 0

b

0

X

1

i

b

1

X

2

i

X

i

2

b

2

X

i

b

2

2

1

Y

i

b X X

2

1

i

i

2

X

i

2

2

b X X

1

i

1

2

i

21

XY

1

i

i

X Y

2

i

i

Metode Pendugaan Parameter Regresi

3. Nilai b 1 dan b 2 dapat diperoleh dengan memakai aturan-aturan dalam matriks

22

b

1

b

2

   

n

i

1

X

2

2

  

n

1

i

XY

1

      

n

1

i

XX

1

2

       

n

i 1

XY

2

  

n

i

1

  

n

i

1

X

1

2

  

X

1

2

   

n

1

i

n

 

n

 

2

  

i

1

XY

2

X

2

2

      

i 1

     

n

1

i

XX

1

XX

1

2

2

   

n

i 1

XY

1

  

n

i

1

X

1

2

 

 

2

   

n

i

1

X

2

2

      

n

i 1

XX

1

2

 

bYbXbX

0

1

1

2

2

Uji Kecocokan Model

1. Dengan Koefisien Determinasi

JKR

2

R

JKT

R 2 menunjukkan proporsi variasi total dalam respon Y yang dapat diterangkan oleh model

2
2

R r

r merupakan koefisien korelasi antara Y dengan kelompok X 1 , X 2 , X 3 , … , X k

23

Uji Kecocokan Model

2. Dengan Pendekatan Analisis Ragam

Tahapan Ujinya :

1. Hipotesis = H 0 : 0 H 1 : 0 dimana = matriks [ 0 , 1 , 2 , … , k ]

24

Uji Kecocokan Model

2. Tabel Analisis Ragam

Komponen

Regresi

MS

F hitung

SS db

Regresi

JKR

k

JKR / k

JKR /k

s 2

Galat

JKG

n – k – 1

s 2 = JKG / n-k-1

Total

JKT

n – 1

25

Uji Kecocokan Model

3. Pengambilan Keputusan

F hitung > F tabel(1 , n-k-1)

H 0 ditolak jika

pada taraf kepercayaan

26

Uji Parsial Koefisien Regresi

Tahapan Ujinya :

1. Hipotesis =

H 0 : j 0 H 1 : j 0

dimana j

merupakan koefisien yang akan diuji

27

Uji Parsial Koefisien Regresi

2. Statistik uji :

Dimana :

t

 b j j s c jj

b j
j
s c
jj

b j = nilai koefisien b j

s c jj = nilai matriks A -1 ke-jj

j j s c jj b j = nilai koefisien b j s c j j

JKG / n k 1

=

28

Uji Parsial Koefisien Regresi

3. Pengambilan keputusan

t hitung > t /2(db= n-k-1)

H 0 ditolak jika

pada taraf kepercayaan

29

LATIHAN

30

 

Y

X2

X3

obs

(konsumsi)

(pendapatan)

(kekayaan)

1

10

12

250

2

11

12.5

275

3

12.5

15

320

4

12

15

310

5

13

16

390

31

Selamat Belajar

32