NAMA : FANNY CANTIKA R

NPM : 1851021009

15.19 Tabel 15.27 di situs web buku teks memberikan data untuk 2.000 wanita mengenai
pekerjaan (1 = seorang wanita bekerja, 0 = sebaliknya), usia, status perkawinan (1 = menikah,
0 = sebaliknya), jumlah anak, dan pendidikan (jumlah tahun sekolah). Dari total 2.000
perempuan, 657 tercatat sebagai bukan pencari nafkah.

a. Dengan menggunakan data ini, perkirakan model probabilitas linier (LPM).

Dependent Variable: WORK

Method: Least Squares
Date: 04/27/21 Time: 11:06
Sample: 1 2000
Included observations: 2000

Variable Coefficient Std. Error t-Statistic Prob.  

C -0.207323 0.054111 -3.831436 0.0001

AGE 0.010255 0.001227 8.358393 0.0000
MARRIED 0.111112 0.021948 5.062567 0.0000
CHILDREN 0.115308 0.006772 17.02848 0.0000
EDUCATION 0.018601 0.003250 5.723597 0.0000

R-squared 0.202623    Mean dependent var 0.671500

Adjusted R-squared 0.201024    S.D. dependent var 0.469785
S.E. of regression 0.419920    Akaike info criterion 1.104990
Sum squared resid 351.7833    Schwarz criterion 1.118992
Log likelihood -1099.990    Hannan-Quinn criter. 1.110131
F-statistic 126.7381    Durbin-Watson stat 1.957237
Prob(F-statistic) 0.000000

Tabel di atas merupakan hasil model LPM dengan metode OLS. Nilai konstanta sebesar
-0.207323. Artinya, probabilitas wanita yang bekerja Ketika semua variable independent
adalah nol. Karena nilai probabilitas tidak boleh negative, jadi kita anggap sebagai nol.
Nilai koefisien umur 0.010255 berarti bahwa jika terjadi kenaikan umur sebanyak 1 tahun
maka probabilitas rata-rata wanita akan bekerja juga naik sebesar 0.10255 atau 10.255%.

b. Dengan menggunakan data yang sama, perkirakan model logit dan dapatkan efek
marginal dari berbagai variabel.
c.
Dependent Variable: WORK
Method: ML - Binary Logit (Newton-Raphson / Marquardt steps)
Date: 04/27/21 Time: 11:11
Sample: 1 2000
Included observations: 2000
Convergence achieved after 4 iterations
Coefficient covariance computed using observed Hessian
 Variable Coefficient Std. Error z-Statistic Prob.  

C -4.159247 0.332040 -12.52634 0.0000

AGE 0.057930 0.007221 8.022431 0.0000
MARRIED 0.741777 0.126471 5.865219 0.0000
CHILDREN 0.764488 0.051529 14.83612 0.0000
EDUCATION 0.098251 0.018652 5.267535 0.0000

McFadden R-squared 0.188204    Mean dependent var 0.671500

S.D. dependent var 0.469785    S.E. of regression 0.416267
Akaike info criterion 1.032914    Sum squared resid 345.6898
Schwarz criterion 1.046917    Log likelihood -1027.914
Hannan-Quinn criter. 1.038056    Deviance 2055.829
Restr. deviance 2532.445    Restr. log likelihood -1266.223
LR statistic 476.6162    Avg. log likelihood -0.513957
Prob(LR statistic) 0.000000

Obs with Dep=0 657     Total obs 2000

Obs with Dep=1 1343

Nilai koefisien regresi logit sulit diinterpretasikan secara langsung. Untuk

menginterpretasikan kita melakukan antilog dari koefisien tersebut. Misalnya nilai antilog
koefisien logit age 0.057930, sehingga odd ratio untuk age sesbesar 1.05968. karena datanya
merupakan kuantitatif maka nilai tersebut dapat diartikan bahwa jika age naik 1 tahun maka
kemungkinan wanita bekerja naik sebesar 1.05968.

d. Ulangi (b) untuk model probit

Dependent Variable: WORK

Method: ML - Binary Probit (Newton-Raphson / Marquardt steps)
Date: 04/27/21 Time: 11:17
Sample: 1 2000
Included observations: 2000
Convergence achieved after 4 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.  

C -2.467365 0.192563 -12.81326 0.0000

AGE 0.034721 0.004229 8.209604 0.0000
MARRIED 0.430857 0.074208 5.806078 0.0000
CHILDREN 0.447325 0.028742 15.56362 0.0000
EDUCATION 0.058365 0.010974 5.318351 0.0000

McFadden R-squared 0.188878    Mean dependent var 0.671500

S.D. dependent var 0.469785    S.E. of regression 0.416219
Akaike info criterion 1.032062    Sum squared resid 345.6103
Schwarz criterion 1.046064    Log likelihood -1027.062
Hannan-Quinn criter. 1.037203    Deviance 2054.123
Restr. deviance 2532.445    Restr. log likelihood -1266.223
LR statistic 478.3219    Avg. log likelihood -0.513531
Prob(LR statistic) 0.000000

Obs with Dep=0 657     Total obs 2000

Obs with Dep=1 1343
nilai koefisien model probit tidak dapat di interpretasikan secara langsung tetapi harus
menghitung marginal effecnya terlebih dahulu. Misalnya kita ambil tingkat umur 20 dan 30
tahun dengan status belum menikah dan tidak punya anak, tingkat Pendidikan 22 tahun. Nilai
probabilitasnya sebagai berikut:
probabilitas
Zi =−4.159247+ ( 0.0579303× 20 ) + ( 0.7417775 ×0 ) + ( 0.764488 × 0 ) +(0.098251 ×22)
¿−0.839119 = 0.2090
Zi =−4.159247+ ( 0.0579303× 30 ) + ( 0.7417775 ×0 ) + ( 0.764488 × 0 ) +(0.098251 ×22)
¿−1.1491765 = 0.1335
Jika terjadi kenaikan umur sebanyak 20 dan 30 tahun dengan status belum menikah dan tidak
punya anak, dengan tingkat Pendidikan 22 tahun maka probailitas wanita yang bekerja akan
naik sebesar 0.0755 atau 87.55%.

e. Model mana yang akan Anda pilih? Mengapa?

Saya akan memilih model probit. Dikarenakan model ini tidak danya masalah
heteroskedastisitas.

15.20 Untuk contoh perokok yang dibahas dalam teks (lihat Bagian 15.10) unduh data dari
situs web buku teks pada Tabel 15.28. Lihat apakah produk pendidikan dan pendapatan
(yaitu, efek interaksi) memiliki pengaruh pada kemungkinan menjadi perokok.

Dependent Variable: SMOKER

Method: Least Squares
Date: 04/27/21 Time: 11:28
Sample: 1 1196
Included observations: 1196

Variable Coefficient Std. Error t-Statistic Prob.  

AGE -0.004726 0.000829 -5.700952 0.0000

EDUC -0.020613 0.004616 -4.465272 0.0000
INCOME 1.03E-06 1.63E-06 0.628522 0.5298
PCIGS79 -0.005132 0.002852 -1.799076 0.0723
C 1.123089 0.188356 5.962575 0.0000

R-squared 0.038770    Mean dependent var 0.380435

Adjusted R-squared 0.035541    S.D. dependent var 0.485697
S.E. of regression 0.476988    Akaike info criterion 1.361519
Sum squared resid 270.9729    Schwarz criterion 1.382785
Log likelihood -809.1885    Hannan-Quinn criter. 1.369531
F-statistic 12.00927    Durbin-Watson stat 1.943548
Prob(F-statistic) 0.000000
Dependent Variable: SMOKER
Method: ML - Binary Logit (Newton-Raphson / Marquardt steps)
Date: 04/27/21 Time: 11:29
Sample: 1 1196
Included observations: 1196
Convergence achieved after 2 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.  

AGE -0.020853 0.003739 -5.577288 0.0000

EDUC -0.090973 0.020666 -4.402099 0.0000
INCOME 4.72E-06 7.17E-06 0.658283 0.5104
PCIGS79 -0.022319 0.012472 -1.789475 0.0735
C 2.745082 0.829196 3.310534 0.0009

McFadden R-squared 0.029748    Mean dependent var 0.380435

S.D. dependent var 0.485697    S.E. of regression 0.477407
Akaike info criterion 1.297393    Sum squared resid 271.4495
Schwarz criterion 1.318658    Log likelihood -770.8409
Hannan-Quinn criter. 1.305405    Deviance 1541.682
Restr. deviance 1588.950    Restr. log likelihood -794.4748
LR statistic 47.26785    Avg. log likelihood -0.644516
Prob(LR statistic) 0.000000

Obs with Dep=0 741     Total obs 1196

Obs with Dep=1 455

Dependent Variable: SMOKER

Method: ML - Binary Probit (Newton-Raphson / Marquardt steps)
Date: 04/27/21 Time: 11:29
Sample: 1 1196
Included observations: 1196
Convergence achieved after 2 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.  

AGE -0.012965 0.002293 -5.655439 0.0000

EDUC -0.056230 0.012635 -4.450266 0.0000
INCOME 2.72E-06 4.40E-06 0.618642 0.5362
PCIGS79 -0.013794 0.007696 -1.792325 0.0731
C 1.701906 0.510575 3.333315 0.0009

McFadden R-squared 0.030066    Mean dependent var 0.380435

S.D. dependent var 0.485697    S.E. of regression 0.477328
Akaike info criterion 1.296970    Sum squared resid 271.3598
Schwarz criterion 1.318236    Log likelihood -770.5881
Hannan-Quinn criter. 1.304982    Deviance 1541.176
Restr. deviance 1588.950    Restr. log likelihood -794.4748
LR statistic 47.77335    Avg. log likelihood -0.644304
Prob(LR statistic) 0.000000

Obs with Dep=0 741     Total obs 1196

Obs with Dep=1 455

Meskipun koefisien dari ketiga model tidak dapat dibandingkan secara langsung, secara
kualitatif mereka serupa. Dengan demikian umur, pendidikan, dan harga rokok berpengaruh
negatif terhadap merokok dan pendapatan berpengaruh positif. Secara statistik, pengaruh
pendapatan adalah nol dan pengaruh harga signifikan pada tingkat sekitar 8 persen.
Efek marginal variabel pada probabilitas merokok untuk LPM secara langsung diperoleh dari
estimasi koefisien regresi, tetapi untuk model logit dan probit harus dihitung.