UJIAN AKHIR SEMESTER GASAL 2021/2022

Mata Kuliah : Ekonometrika

Program : S2 Ilmu Ekonomi
Tanggal Ujian : 9 Desember 2021
Pengajar : Dr. M. Fitri Rahmadana,SE.,M.Si

1. Seorang peneliti sedang melakukan studi mengenai hubungan antara karakteristik

demografi dan pengeluaran dibidang kesehatan. Model yang digunakan adalah
sebagai berikut:

Y = 𝛽0 + 𝛽1 𝐴𝑔𝑒 + 𝛽2 𝐹𝑎𝑚𝑖𝑙𝑦 𝑆𝑖𝑧𝑒 + 𝛽3 𝑆𝑡𝑎𝑡𝑢𝑠 𝑃𝑒𝑘𝑒𝑟𝑗𝑎𝑎𝑛 + 𝛽4 𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝑃𝑒𝑛𝑑𝑖𝑑𝑖𝑘𝑎𝑛 + 𝜀

Untuk menjawab pertanyaan diatas, dia menggunakan Susenas. Dalam proses

tabulasi diketahui bahwa banyak rumah tangga tidak memiliki pengeluaran
dibidang kesehatan.
a. Apakah OLS merupakan metode yang tepat untuk menjawab pertanyaan di
atas? Jelaskan jawaban anda.
b. Apa implikasi penggunaan metode OLS dengan karakteristik data seperti di
atas?
c. Apa saran anda mengenai metode estimasi yang lebih tepat? Jelaskan saran
anda tersebut. (Jika anda merasa OLS tepat, anda hanya perlu menulis OLS
dan jelaskan alasan menggunakan metode OLS Ini).

2. Sebuah lembaga kampus diminta untuk melihat dampak dari pengurangan bea
import terhadap produktifitas perusahaan sektor manufaktur. Model yang akan
digunakan adalah sebagai berikut.

𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑡y = 𝛽0 + 𝛽1 t𝑎𝑟𝑖𝑓 + 𝛽2 𝐿𝑎𝑏𝑜r + 𝛽3 𝑇𝑖𝑚𝑒 + 𝜀

dimana:
𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑡𝑦 = adalah produktifitas perusahaan i di sektor k pada tahun t
𝐿𝑎𝑏𝑜𝑟 = adalah produktifitas perusahaan i di sektor k pada tahun t
𝑡𝑎𝑟𝑖𝑓= adalah tariff dari sector i pada tahun t
𝑇𝑖𝑚𝑒= adalah panel invariant tahun characteristics
e= adalah error unobserved individual characteristics

Anda diminta untuk:

a. Jika ternyata DGP dari model diatas adalah random effect, apa metode
ekonometrika yang anda sarankan untuk digunakan? Jelaskan alasannya.
b. ika ternyata DGP dari model diatas adalah fixed effect, apa metode
ekonometrika yang anda sarankan untuk digunakan? Jelaskan alasannya.

3. Seorang peneliti memiliki data mengenai rumah tangga tangga dengan tingkat
pendapatan diatas garis kemiskinan. Dengan data tersebut dia berusaha untuk
1
 melakukan studi mengenai pengaruh tingkat pendapatan rumah tangga terhadap
capaian sekolah seorang anak. Model yang digunakan adalah:

SA! = 𝛼 + 𝛽1 Pendidikan Ibu + 𝛽2 Pendidikan Ayah + 𝛽3 Tingkat Pendapatan + 𝜀

Dimana:
SA = Capaian Sekolah

Dengan menggunakan data dan model ekonomi tersebut, anda diminta untuk
membantu peneliti dengan menjawab beberapa pertanyaan berikut:
a) Apakah OLS bisa digunakan untuk menjawab pertanyaan riset di atas?
Jelaskan
b) Jika tidak, apa metode ekonometrika yang sebaiknya digunakan oleh
peneliti tersebut?

4. Seorang peneliti akan melakukan estimasi untuk melihat hubungan antara

produktivitas (TFPR) dan daftar Negatif Investasi (horizontal). Horizontal adalah
dummy variable. Nilai 1 artinya sektor dimana perusahaan beroperasi tertutup
bagi foreign direct investment (FDI).
Untuk itu, dia menggunakan data industri Besar dan Sedang dari tahun 2008-‐2015.
Unit observasi dari data ini adalah perusahaan manufaktur dengan minimum jumlah
tenaga kerja=20. Anda diminta untuk melakukan interpretasi atas hasil estimasi
dibawah ini.

a. Jelaskan interpretasi unbalanced panel? Jelaskan beberapa penyebab

terjadinya unbalanced panel ini.

Random-effects GLS regression Number of obs = 68,678

Group variable: PSID Number of groups = 16,250
R-sq: Obs per group:
within = 0.0001 min = 1
between = 0.0002 avg = 4.2
overall = 0.0005 max = 7
Wald chi2(1) = 7.08
corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0078

TFPR Coef. Std. Err. z P>|z| [95% Interval]

Conf.
horizontal .0922142 .0346662 2.66 0.008 .0242698 .1601587
_cons 4.156664 .021921 189.62 0.000 4.1137 4.199629
sigma_u 2.4588899
sigma_e 2.1630884
rho .56373782 (fraction of variance due to u_i)

Fixed-effects (within) regression Number of obs = 68,678

Group variable: PSID Number of groups = 16,250

2
 R-sq: Obs per group:
within = 0.0001 min = 1
between = 0.0002 avg = 4.2
overall = 0.0005 max = 7
F(1,52427) = 3.26
corr(u_i, Xb) = 0.0190 Prob > F = 0.0710

TFPR Coef. Std. Err. t P>|t| [95% Conf. Interval]

horizontal .0699259 .0387258 1.81 0.071 -.0059771 .1458289
_cons 4.130768 .0097345 424.34 0.000 4.111689 4.149848
sigma_u 2.7715475
sigma_e 2.1630884
rho .62145713 (fraction of variance due to u_i)
F test that all u_i=0: F(16249, 52427) = 6.01 Prob > F = 0.0000

Source SS df MS

Model 363.034674 1 363.034674

Residual 702306.59 68,676 10.2263759

Total 702669.625 68,677 10.2315131

. reg TFPR horizontal

Number of obs = 68,678
F(1, 68676) = 35.50
Prob > F = 0.0000
R-squared = 0.0005
Adj R-squared = 0.0005
Root MSE = 3.1979

TFPR Coef. Std. Err. t P>|t| [95% Conf. Interval]

horizontal .2139299 .0359053 5.96 0.000 .1435556 .2843042

_cons 4.111578 .0131071 313.69 0.000 4.085888 4.137268

b. Di atas terdapat 3 hasil estimasi dengan menggunakan FE, RE dan OLS.

Jelaskan hasil estimasi diatas dengan menyebutkan kelebihan dan kekurangan
setiap estimasi. Kapan setiap tipe estimasi sebaiknya dilakukan?

3
 . xtreg TFPR horizontal i.year, fe

Fixed-effects (within) regression Number of obs = 68,678

Group variable: PSID Number of groups = 16,250
R-sq: Obs per group:
within = 0.0210 min = 1
between = 0.0000 avg = 4.2
overall = 0.0059 max = 7
F(7,52421) = 160.34
corr(u_i, Xb) = -0.0210 Prob > F = 0.0000

TFPR Coef. Std. Err. t P>|t| [95% Interval]

Conf.
horizontal -.0826558 .0391571 -2.11 0.035 -.1594041 -.0059075
year
2009 .0742525 .0288408 2.57 0.010 .0177242 .1307808
2010 .1857983 .0297766 6.24 0.000 .1274358 .2441608
2011 .1686306 .0304486 5.54 0.000 .1089512 .2283101
2012 .4303108 .0319261 13.48 0.000 .3677354 .4928862
2013 .2391396 .0328274 7.28 0.000 .1747976 .3034816
2014 1.199864 .0389297 30.82 0.000 1.123562 1.276167
_cons 3.905957 .0208258 187.55 0.000 3.865138 3.946776
sigma_u 2.7753737
sigma_e 2.1404857
rho .62703209 (fraction of variance due to u_i)
F test that all u_i=0: F(16249, 52421) = 6.15 Prob > F = 0.0000

c. Di atas adalah hasil estimasi dengan menambahkan year fixed effect sebagai salah
satu regressor di FE. Bagaimana intepretasi anda atas estimasi FE tanpa menggunakan
year effect? Jelaskan jawaban anda.

. xtreg TFPR horizontal i.year, fe robust

Fixed-effects (within) regression Number of obs = 68,678

Group variable: PSID Number of groups = 16,250
R-sq: Obs per group:
within = 0.0210 min = 1
between = 0.0000 avg = 4.2
overall = 0.0059 max = 7
F(7,16249) = 104.92
corr(u_i, Xb) = -0.0210 Prob > F = 0.0000
(Std. Err. adjusted for 16,250 clusters in PSID)

Robust

4
 TFPR Coef. Std. Err. t P>|t| [95% Interval]
Conf.
horizontal -.0826558 .0458903 -1.80 0.072 -.1726058 .0072942
year
2009 .0742525 .0240558 3.09 0.002 .0271005 .1214044
2010 .1857983 .0268067 6.93 0.000 .1332542 .2383424
2011 .1686306 .0309441 5.45 0.000 .1079769 .2292844
2012 .4303108 .0363063 11.85 0.000 .3591464 .5014751
2013 .2391396 .0364333 6.56 0.000 .1677263 .3105529
2014 1.199864 .0465374 25.78 0.000 1.108646 1.291083
_cons 3.905957 .0197712 197.56 0.000 3.867203 3.944711
sigma_u 2.7753737
sigma_e 2.1404857
rho .62703209 (fraction of variance due to u_i)

d. Di atas adalah estimasi FE dengan menambahkan year fixed effect dan robust
standard error. Bandingkan estimasi ini dengan estimate tanpa robust standard error.
Apakah sebaiknya kita menggunakan robust standard error? Jelaskan jawaban anda.