2021-Modelling Ekonometrika

MODELLING EKONOMETRIKA
Kriteria model yang baik dan kesalahan spesifikasi
Metodologi ekonometrika, menurut Hendry dan Richard (1980) sebuah model yang dipilih
untuk analisis harus memenuhi beberapa kriteria, yaitu:
a. Harus konsisten dengan teori
b. Memiliki variabel independen yang tidak berkorelasi dengan error term
c. Menunjukkan adanya konsistensi parameter
d. Menunjukkan data yang koheren
e. Prediksi yang dibuat dari model harus masuk akal
Sebelum uji hipotesis, harus dipastikan bahwa model yang akan diuji tersebut adalah model
yang benar.
Namun seringkali terjadi peneliti membuat kesalahan spesifikasi model, yaitu:
1. Tidak memasukkan variabel independen yang relevan
2. Memasukkan variaabel independen yang tidak relevan
3. Menggunakan bentuk fungsi model yang salah
4. Kesalahan pengukuran variabel.
Tidak memasukkan variabel independen yang relevan
Misalkan model yang benar:

Y i=β o + β 1 X 1 i+ β2 X 2 i + β 3 X 3i + ε i
Misalkan karena suatu alasan, maka variabel bebas yang diambil hanya X 1 i dan X 2 i sehingga
model menjadi :
Y i=γ o + γ 1 X 1 i +γ 2 X 2i + v i
Ini dinamakan dengan kesalahan spesifikasi, karena :

vi =β 3 X 3 i + ε i
Akibatnya :
γ 1 dan γ 2 merupakan penduga (estimator) yang bias.
Misalkan terdapat korelasi antara X 1 i dengan X 3 i maka:

Cov ( X 1 i , X 3 i) Cov( X 1i , X 3 i )
E ( γ 1 )=γ 1 + γ 3 ; karena ≠0,
Var ( X 3 i) Var ( X 3 i )
Maka :
E ( γ1 ) ≠ γ1
Ini dinamakan dengan omitted variabel bias.
E( vi ¿=E ( β 3 X 3 i + ε i )=β 3 E ( X 3 i ) + E ( ε i ) =β 3 E ( X 3 i) + 0
2
Var( vi ¿=Var ( β 3 X 3i + ε i)=β 3 Var ( X 3i ) +Var ( ε i ) +2 β 3 ε i cov ( β 3 X 3 i , ε i)
Variance vi cenderung membesar, sehingga menyebabkan terdapat kecenderungan t stat
menjadi kecil sehingga terima Ho; slain itu, interval konfidensi menjadi makin lebar karena
variance vi besar.
Contoh :
Model yang seharusnya:
CM i =β o+ β1 PGNPi+ β 2 FLR i
CM i =¿ Children Mortality
PGNPi=¿ per-capita GNP
FLR i=¿ Female Literacy Rate
Dependent Variable: CM
Method: Least Squares
Date: 05/23/21 Time: 07:49
Sample: 1 64
Included observations: 64
Variable Coefficient Std. Error t-Statistic Prob.
C 263.6416 11.59318 22.74109 0.0000

PGNP -0.005647 0.002003 -2.818703 0.0065
FLR -2.231586 0.209947 -10.62927 0.0000
R-squared 0.707665 Mean dependent var 141.5000

Adjusted R-squared 0.698081 S.D. dependent var 75.97807
S.E. of regression 41.74780 Akaike info criterion 10.34691
Sum squared resid 106315.6 Schwarz criterion 10.44811
Log likelihood -328.1012 Hannan-Quinn criter. 10.38678
F-statistic 73.83254 Durbin-Watson stat 2.186159
Prob(F-statistic) 0.000000
Model yang dipergunakan:

CM i =β o+ β1 PGNPi
Date: 05/23/21 Time: 07:51
Sample: 1 64
C 157.4244 9.845583 15.98935 0.0000

PGNP -0.011364 0.003233 -3.515661 0.0008

Coefficien Std. Coefficien Std.

Variable t Error t Error
C 263.642 11.593 157.424 9.846
PGNP -0.006 0.002 -0.011 0.003
FLR -2.232 0.210
R-squared 0.708 0.166
Adjusted R-squared 0.698 0.153
S.E. of regression 41.748 69.934
F-statistic 73.833 12.360
Prob(F-statistic) 0.000 0.001
Apa kesimpulannya?
Memasukkan variaabel independen yang tidak relevan
Misalkan model seharusnya:
Y i=β o + β 1 X 1 i+ β2 X 2 i +ε i
Ditambahkan variabel X 3 i sehingga menjadi :

Y i=β o + β 1 X 1 i+ β2 X 2 i + β 3 X 3i + ε i
Pendugaan parameter β o , β 1dan β 2 tidak bias. Diharapkan berdasarkan uji hipotesis, β 3=0 ;
seandainya berdasarkan uji hipotesis, β 3 ≠ 0 , pendugaan parameter β o , β 1dan β 2 tidak bias.
Namun terdapat kecenderungan, varian dari β 1dan β 2 membesar.
CM i =β o+ β1 PGNPi+ β 2 FLR i
CM i =¿ Children Mortality
PGNPi=¿ per-capita GNP
FLR i=¿ Female Literacy Rate
Date: 05/23/21 Time: 08:19
Sample: 1 64
C 168.3067 32.89165 5.117003 0.0000

PGNP -0.005511 0.001878 -2.934275 0.0047
FLR -1.768029 0.248017 -7.128663 0.0000
TFR 12.86864 4.190533 3.070883 0.0032

Std. Std.
Variable Coefficient Error Coefficient Error
168.3067
C 263.64160 11.59318 0 32.89165
PGNP -0.00565 0.00200 -0.00551 0.00188
FLR -2.23159 0.20995 -1.76803 0.24802
TFR 12.86864 4.190533
R-squared 0.708 0.747
Adjusted R-squared 0.698 0.735
S.E. of regression 41.748 39.131
F-statistic 73.833 59.168
Prob(F-statistic) 0.000 0.000
Kesalahan pengukuran variabel

1. Kesalahan pengukuran variabel tak bebas (dependend variable)
Misalkan model benar:

Y i=β o + β 1 X 1 i+ ε i
¿ ¿
Ternyata proxy dari variabel Y i kurang benar, sehingga Y i =Y i +v i
Y ¿i =β o + β 1 X 1 i +ε i
1. Pendugaan koefisien regresi tetap tidak bias

σ 2e + σ 2v
2. menghasilkan variance error yang lebih besar; Var ( β 1)=
∑ x 21 i
2. Kesalahan pengukuran variabel bebas
Misalkan model benar:

Y i=β o + β 1 X 1 i+ ε i
Penduga:
Y i=β o + β 1 X ¿1 i+ ε i
¿
Dimana : X 1 i= X 1 i+ v i
Sehingga Y i=β o + β 1 ( X ¿ ¿ 1 i+ v i )+ ε i ¿
Y i=β o + β 1 X 1 i+ β1 v i +ε i
Persamaan diatas, tidak bisa diduga dengan OLS, karena : β 1 X 1i akan berkorelasi
dengan β 1 v i
Uji Kesalahan Spesifikasi
1. Deteksi adanya variabel yang tidak penting

Uji t dan F
Misalkan kita memiliki model sebagai berikut:
Y i=β o + β 1 X 1 i+ β2 X 2 i …+ β k X ki +ε i
Adakah variabel X yang bisa dikeluarkan dari persamaan diatas?
Langkahnya:
1. Ujilah apakah F signifikan, jika F tidak signifikan, berarti model tersebut perlu
dipertimbangkan lagi.
2. Jika F signifikan, ada beberapa variabel X yang tidak signifikan.
Keluarkan variabel X yang paling tidak signifikan (probability valuenya terbesar)
serta secara teori memungkinkan untuk mengeluarkan variabel tersebut.
Lihat hasilnya, apakah variabel X yang lain menjadi signifikan?
Apakah terjadi perubahan tanda variabel X?  jangan lakukan
Uji Likelihood Ratio (LR)
LR dapat dipergunakan untuk penambahan variabel bebas atau pengurangan variabel

bebas.
Uji LR Pengurangan Variabel
Misalkan kita memiliki model sebagai berikut:
Y i=β o + β 1 X 1 i+ β2 X 2 i
Ingin diduga apakah variabel X2 layak untuk dikeluarkan, sehingga fungsinya akan
menjadi:
Y i=β o + β 1 X 1 i
Persamaan LR
Y i=β o + β 1 X 1 i+ β2 X 2 i
Fungsi log-likehood adalah:
−n n 1
lnLF= ln σ 2− ln ( 2 π )− 2 ∑ ¿ ¿
2 2 2σ
Y i=β o + β 1 X 1 i
Fungsi log-likehood adalah:
−n n 1
lnLF= ln σ 2− ln ( 2 π )− 2 ∑ ¿ ¿
2 2 2σ
Persamaan ini dinamakan persamaan restricted log likehood function (RLLF) karena
kita menbatasi atau membuat restriksi pada persamaan awal. Sedangkan persamaan
aawal dinamakan persamaan unrestricted log likehood function (ULLF) karena kita
membuat batasan apapun terhadap persamaan semula. Uji statistic LR adalah :
LF = 2(ULLF – RLLF)
Uji LR ini mengikuti distribusi Chi Square dengan df sebanyak variabel bebas yang
2
dihilangkan. Jika nilai LR lebih besar dari χ α (df =k), dimana k banyaknya variabel yang
dikeluarkan, maka hipotesis yang menyatakan bahwa variabel X dihilangkan ditolak.
Perintah : View  Coeff Diagnostics  Redundant Var Test- LR
Model awal :
Date: 05/23/21 Time: 08:19
Sample: 1 64
C 168.3067 32.89165 5.117003 0.0000

PGNP -0.005511 0.001878 -2.934275 0.0047
FLR -1.768029 0.248017 -7.128663 0.0000
TFR 12.86864 4.190533 3.070883 0.0032

Akan dihilangkan variabel FLR dan TFR
Redundant Variables Test

Null hypothesis: FLR TFR are jointly insignificant
Equation: EQ02
Specification: CM C PGNP FLR TFR
Redundant Variables: FLR TFR
Value df Probability
F-statistic 69.01299 (2, 60) 0.0000
Likelihood ratio 76.41943 = 2 0.0000
2*(ULLR-
RLLR)
F-test summary:
Mean
Sum of Sq. df Squares
Test SSR 211353.2 2 105676.6
Restricted SSR 303228.5 62 4890.783
Unrestricted SSR 91875.38 60 1531.256
LR test summary:
Value df
Restricted LogL -361.6396 62 = 64 -2
60 = 64 – 3
Unrestricted LogL -323.4298 -1
Restricted Test Equation:

Date: 05/24/21 Time: 19:46
Sample: 1 64
C 157.4244 9.845583 15.98935 0.0000

PGNP -0.011364 0.003233 -3.515661 0.0008

Uji LR Penambahan Variabel
LF = 2(ULLF – RLLF)
Model awal :
Date: 05/24/21 Time: 19:54
Sample: 1 64
C 263.6416 11.59318 22.74109 0.0000

PGNP -0.005647 0.002003 -2.818703 0.0065
FLR -2.231586 0.209947 -10.62927 0.0000

Perintah : View  Coeff Diagnostics  Omitted Var Test- LR
Omitted Variables Test

Null hypothesis: TFR are jointly significant
Equation: EQ02
Specification: CM C PGNP FLR
Omitted Variables: TFR
t-statistic 3.070883 60 0.0032
F-statistic 9.430324 (1, 60) 0.0032
Likelihood ratio 9.342666 1 0.0022
F-test summary:
Mean
Test SSR 14440.24 1 14440.24
Restricted SSR 106315.6 61 1742.879
Unrestricted SSR 91875.38 60 1531.256
LR test summary:
Value df
Restricted LogL -328.1012 61
Unrestricted LogL -323.4298 60
Unrestricted Test Equation:

Date: 05/24/21 Time: 19:59
Sample: 1 64
C 168.3067 32.89165 5.117003 0.0000

PGNP -0.005511 0.001878 -2.934275 0.0047
FLR -1.768029 0.248017 -7.128663 0.0000
TFR 12.86864 4.190533 3.070883 0.0032

Uji Ramsey untuk kesalahan bentuk fungsi regresi

Test ini dipergunakan untuk mengetahui kesalahan spesifikasi atau uji keslahan spesifikasi
regresi (Regression Specification Error Test = RESET). Prosedur Ramsey test adalah :
1. Regresikan persamaan semula
Y i=β o + β 1 X 1 i+ β2 X 2 i …+ β k X ki
2. Dapatkan nilai estimasinya (Y hat)  Y^ i
3. Regreskan :
Y i=β o + β 1 X 1 i+ β2 X 2 i …+ β k X ki + Y^ 2i ++ Y^ 3i + Y^ 4i
4. Hitung nilai
( SSRR −SSRU )/q

F=
SSRU /(n−k−1)
SSRR = jumlah residual kudrat dari persamaan semula

SSRU = jumlah residual kudrat dari persamaan setelah ditambahkan Y^ i
q = banyaknya variabel Y^ yang ditambahkan
k = banyaknya variabel bebas dari persamaan semula
Ho : persamaan semula telah tepat

H1 : persamaan semula tidak tepat
Tolak Ho jika F> F α (df =q ,n−k−1)
Date: 05/24/21 Time: 20:26
Sample: 1 64
C 168.3067 32.89165 5.117003 0.0000

PGNP -0.005511 0.001878 -2.934275 0.0047
FLR -1.768029 0.248017 -7.128663 0.0000
TFR 12.86864 4.190533 3.070883 0.0032

Ramsey RESET Test

Equation: EQ01
Specification: CM C PGNP FLR TFR
Omitted Variables: Powers of fitted values from 2 to 3
F-statistic 3.387830 (2, 58) 0.0406
7.071162
=2*(ULL –
Likelihood ratio RLL) 2 0.0291
F-test summary:
Mean
9610.344
=RSSR-
Test SSR URSSR 2 4805.172
Restricted SSR 91875.38 60 1531.256
Unrestricted SSR 82265.04 58 = 64 – 5-1 1418.363
LR test summary:
Value df
Restricted LogL -323.4298 60
Unrestricted LogL -319.8943 58
Unrestricted Test Equation:

Date: 05/24/21 Time: 20:28
Sample: 1 64
C 330.4614 160.3505 2.060869 0.0438

PGNP -0.011709 0.005191 -2.255703 0.0279
FLR -3.761353 2.034335 -1.848935 0.0696
TFR 30.14064 13.75447 2.191334 0.0325
FITTED^2 -0.013922 0.009016 -1.544172 0.1280
FITTED^3 4.20E-05 2.24E-05 1.875575 0.0657

Date: 05/24/21 Time: 20:29
Sample: 1 64
C 330.4614 160.3505 2.060869 0.0438

PGNP -0.011709 0.005191 -2.255703 0.0279
FLR -3.761353 2.034335 -1.848935 0.0696
TFR 30.14064 13.75447 2.191334 0.0325
CMF^2 -0.013922 0.009016 -1.544172 0.1280
CMF^3 4.20E-05 2.24E-05 1.875575 0.0657
Model Nested
Model Nested adalah suatu model dimana dari model mula-mula kemudian didrop beberapa
variabel.
Misalkan model awal :
Y i=β o + β 1 X 1 i+ β2 X 2 i + β 3 X 3i + β 4 X 4 i + β 5 X 5 i  model non nested atau unrestricted.
Akan diuji apakah model yang tepat adalah:
Y i=β o + β 1 X 1 i+ β3 X 3 i + β 5 X 5 i  model nested atau restricted.
( SSRR −SSRU )/q

F=
SSRU /(n−k−1)
Atau
(R 2U −R2R )/q
F=
(1−R 2u)/(n−k−1)
SSRR = jumlah residual kudrat dari persamaan semula

SSRU = jumlah residual kudrat dari persamaan setelah ditambahkan Y^ i
q = banyaknya variabel Y^ yang ditambahkan
k = banyaknya variabel bebas dari persamaan semula
Ho : persamaan semula telah tepat

H1 : persamaan semula tidak tepat
Tolak Ho jika F> F α (df =q ,n−k−1)
(SSR R−SSRU )
LM =
SSR R /n
Model Nonnested
5.
2.
3.
4.

2021-Modelling Ekonometrika

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

2021-Modelling Ekonometrika

Diunggah oleh

Hak Cipta:

Format Tersedia

MODELLING EKONOMETRIKA

Kriteria model yang baik dan kesalahan spesifikasi

Tidak memasukkan variabel independen yang relevan

Misalkan model yang benar:

Ini dinamakan dengan kesalahan spesifikasi, karena :

Misalkan terdapat korelasi antara X 1 i dengan X 3 i maka:

Ini dinamakan dengan omitted variabel bias.

PGNPi=¿ per-capita GNP

FLR i=¿ Female Literacy Rate

Variable Coefficient Std. Error t-Statistic Prob.

C 263.6416 11.59318 22.74109 0.0000

R-squared 0.707665 Mean dependent var 141.5000

Model yang dipergunakan:

Variable Coefficient Std. Error t-Statistic Prob.

C 157.4244 9.845583 15.98935 0.0000

R-squared 0.166217 Mean dependent var 141.5000

Coefficien Std. Coefficien Std.

Misalkan model seharusnya:

Ditambahkan variabel X 3 i sehingga menjadi :

PGNPi=¿ per-capita GNP

FLR i=¿ Female Literacy Rate

Variable Coefficient Std. Error t-Statistic Prob.

C 168.3067 32.89165 5.117003 0.0000

R-squared 0.747372 Mean dependent var 141.5000

Kesalahan pengukuran variabel

Misalkan model benar:

1. Pendugaan koefisien regresi tetap tidak bias

Misalkan model benar:

Uji Kesalahan Spesifikasi

1. Deteksi adanya variabel yang tidak penting

Misalkan kita memiliki model sebagai berikut:

Adakah variabel X yang bisa dikeluarkan dari persamaan diatas?

Uji Likelihood Ratio (LR)

LR dapat dipergunakan untuk penambahan variabel bebas atau pengurangan variabel

Fungsi log-likehood adalah:

Fungsi log-likehood adalah:

Perintah : View  Coeff Diagnostics  Redundant Var Test- LR

Variable Coefficient Std. Error t-Statistic Prob.

C 168.3067 32.89165 5.117003 0.0000

R-squared 0.747372 Mean dependent var 141.5000

Akan dihilangkan variabel FLR dan TFR

Redundant Variables Test

Restricted Test Equation:

Variable Coefficient Std. Error t-Statistic Prob.

C 157.4244 9.845583 15.98935 0.0000

R-squared 0.166217 Mean dependent var 141.5000

Uji LR Penambahan Variabel

Variable Coefficient Std. Error t-Statistic Prob.

C 263.6416 11.59318 22.74109 0.0000

R-squared 0.707665 Mean dependent var 141.5000

Perintah : View  Coeff Diagnostics  Omitted Var Test- LR

Omitted Variables Test

Unrestricted Test Equation:

Variable Coefficient Std. Error t-Statistic Prob.

C 168.3067 32.89165 5.117003 0.0000

R-squared 0.747372 Mean dependent var 141.5000

Uji Ramsey untuk kesalahan bentuk fungsi regresi

( SSRR −SSRU )/q

SSRR = jumlah residual kudrat dari persamaan semula

Ho : persamaan semula telah tepat

Tolak Ho jika F> F α (df =q ,n−k−1)

Variable Coefficient Std. Error t-Statistic Prob.