PROGRAM MSI DAN DOKTOR

FAKULTAS EKONOMIKA DAN BISNIS

UNIVERSITAS GADJAH MADA

TUGAS 1. EKONOMETRIKA III

MAGISTER SAINS ILMU EKONOMI
Dosen Heni Wahyuni, S.E., M.Ec.Dev., Ph.D.
Mahasiswa Dhony Iwan Kristanto
NIU 465417
Pengumpulan 28 September 2020 pukul 15:30

SOAL :
1. Derivasi estimasi Ordinary Least Square (OLS)
2. Jelaskan yang dimaksud dari masing-masing Gauss Markov Assumption of OLS
a. SLR1. Linear in Parameter
b. SLR2. Random Sampling
c. SLR3. Zero Conditional Mean
d. SLR4. Sample Variation in the Independent Variable
e. SLR5. Homoskedasticity

JAWAB :
1. Derivasi estimasi Ordinary Least Square (OLS) dijelaskan sbb :
 Merupakan sampel random dari populasi dengan ukuran n {(𝑥𝑖 , 𝑦𝑖 ) ∶ 𝑖 = 1, … 𝑛) yang
dinotasikan dengan : 𝑦𝑖 = 𝛽0 + 𝛽1 𝑥𝑖 + 𝑢𝑖 dimana 𝑦𝑖 merupakan variabel dependen, 𝑥𝑖
merupakan variabel independen, dan 𝑢𝑖 merupakan error, dimana 𝑢𝑖 tidak memiliki
hubungan dengan 𝑥𝑖

 Nilai expected value dari error (𝑢) adalah nol  E(𝑢) = 0; serta nilai dari covarian
antara error (𝑢) dan var dependen (𝑥) adalah nol  Cov(x,𝑢) = 𝐸(𝑥, 𝑢) = 0
Sehingga didapatkan 𝐸(𝑦 − 𝛽0 − 𝛽1 ) = 0 serta 𝐸[𝑥(𝑦 − 𝛽0 − 𝛽1 )] = 0,
𝑛 𝑛

𝑛 −1 ∑(𝑦𝑖 − 𝛽̂0 − 𝛽̂1 𝑥𝑖 ) = 0 dan 𝑛 −1 ∑ 𝑥𝑖 (𝑦𝑖 − 𝛽̂0 − 𝛽̂1𝑥𝑖 ) = 0

𝑖=1 𝑖=1

 Dengan melihat kembali persamaan 𝑦̅ = 𝛽̂0 + 𝛽̂1 𝑥̅ maka nilai intercept (𝛽̂0 ) dapat
diestimasi 𝛽̂0 = 𝑦̅ − 𝛽̂1 𝑥̅
𝑛 𝑛

∑(𝑦𝑖 − 𝛽̂0 − 𝛽̂1 𝑥𝑖 ) = 0  ∑(𝑦𝑖 − (𝑦̅ − 𝛽̂1 𝑥̅ ) − 𝛽̂1 𝑥𝑖 ) = 0

𝑖=1 𝑖=1
𝑛 𝑛 𝑛

∑ 𝑥𝑖 (𝑦𝑖 − 𝛽̂0 − 𝛽̂1 𝑥𝑖 ) = 0  ∑ 𝑥𝑖 (𝑦𝑖 − 𝑦̅) = 0 = 𝛽̂1 ∑ 𝑥𝑖 (𝑥𝑖 − 𝑥̅ ) = 0

𝑖=1 𝑖=1 𝑖=1

Dengan memperhatikan bahwa

𝑛 𝑛 𝑛 𝑛

∑ 𝑥𝑖 (𝑥𝑖 − 𝑥̅ ) = ∑(𝑥𝑖 − 𝑥̅ )2 dan ∑ 𝑥𝑖 (𝑦𝑖 − 𝑦̅) = ∑(𝑥𝑖 − 𝑥̅ ) (𝑦𝑖 − 𝑦̅)

𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛

Untuk ∑(𝑥𝑖 − 𝑥̅ )2 >0

𝑖=1

 Maka nilai slope (𝛽̂1 ) dapat diestimasikan

∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅) (𝑦𝑖 − 𝑦̅ )
𝛽̂1 =
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅)2
 PROGRAM MSI DAN DOKTOR
FAKULTAS EKONOMIKA DAN BISNIS
UNIVERSITAS GADJAH MADA

2. Gauss Markov Assumption of OLS terdiri atas :

a. SLR 1. Linear in Parameter

Merupakan model hubungan linear dalam parameter. Dalam suatu model populasi,
variabel dependen (y) dipengaruhi oleh variabel independen (x) dan error (u) yang
dinotasikan :
𝑦 = 𝛽0 + 𝛽1 𝑥 + 𝑢
Dengan 𝛽0 merupakan intersep, 𝛽1 merupakan slope parameter.

b. SLR2. Random Sampling

Sampel yang digunakan dipilih secara random dari populasi dengan ukuran sampel
sebesar n {(x,y) : i = 1,2, ............n). Bentuk dari random sampling mengikuti model
populasi sebagaimana asumsi SLR1 diatas, yang dinotasikan :
𝑦𝑖 = 𝛽0 + 𝛽1 𝑥𝑖 + 𝑢𝑖 , i = 1, 2, ... n
𝑢𝑖 merupakan unobservables observation dari –i yang nilainya mempengaruhi 𝑦𝑖

c. SLR3. Zero Conditional Mean

Zero Conditional Mean berarti rata-rata nilai expected value antara (𝑢1 ) dan (𝑥1 )
adalah nol untuk setiap (variabel independen), ini menunjukkan bahwa tidak ada
korelasi keterkaitan antara nilai (𝑢) dan (𝑥) dalam persamaan OLS.
𝐸 (𝑢 |𝑥) = 0

d. SLR4. Sample Variation in the Independent Variable

Dikarenakan (𝑥𝑖 ) dipilih secara random sampling maka variabel dependen (𝑥𝑖 ) akan
memiliki variasi/simpangan baku yang besarnya tidak nol. Jika Variasi/Simpangan
baku dari variabel (𝑥𝑖 ) dalam persamaan OLS memiliki nilai nol maka asumsi SLR.4
dianggap gagal/tidak memenuhi.

e. SLR5. Homoskedasticity
Homoskedasticity diartikan bahwa varians antara (𝑢) untuk setiap independen
variabel (𝑥) dalam OLS adalah konstan
𝑉𝑎𝑟 (𝑢 |𝑥) = 𝜎 2