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.
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
Akibatnya :
γ 1 dan γ 2 merupakan penduga (estimator) yang bias.
Maka :
E ( γ1 ) ≠ γ1
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
Dependent Variable: CM
Method: Least Squares
Date: 05/23/21 Time: 07:49
Sample: 1 64
Included observations: 64
Dependent Variable: CM
Method: Least Squares
Date: 05/23/21 Time: 07:51
Sample: 1 64
Included observations: 64
Apa kesimpulannya?
Memasukkan variaabel independen yang tidak relevan
Y i=β o + β 1 X 1 i+ β2 X 2 i +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
Dependent Variable: CM
Method: Least Squares
Date: 05/23/21 Time: 08:19
Sample: 1 64
Included observations: 64
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
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
Y i=β o + β 1 X 1 i+ β2 X 2 i …+ β k X ki +ε i
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
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
−n n 1
lnLF= ln σ 2− ln ( 2 π )− 2 ∑ ¿ ¿
2 2 2σ
Y i=β o + β 1 X 1 i
−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.
Model awal :
Dependent Variable: CM
Method: Least Squares
Date: 05/23/21 Time: 08:19
Sample: 1 64
Included observations: 64
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
LF = 2(ULLF – RLLF)
Model awal :
Dependent Variable: CM
Method: Least Squares
Date: 05/24/21 Time: 19:54
Sample: 1 64
Included observations: 64
Value df Probability
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
Sum of Sq. df Squares
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
4. Hitung nilai
Dependent Variable: CM
Method: Least Squares
Date: 05/24/21 Time: 20:26
Sample: 1 64
Included observations: 64
F-test summary:
Mean
Sum of Sq. df Squares
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
Dependent Variable: CM
Method: Least Squares
Date: 05/24/21 Time: 20:29
Sample: 1 64
Included observations: 64
Model Nested
Model Nested adalah suatu model dimana dari model mula-mula kemudian didrop beberapa
variabel.
Atau
(R 2U −R2R )/q
F=
(1−R 2u)/(n−k−1)
(SSR R−SSRU )
LM =
SSR R /n
Model Nonnested
5.
2.
3.
4.