Laboratorium Ekonometrika
Departemen Ilmu Ekonomi
1
Outline
Method to
Qualitative Variable
Developing
(Dummy Variable
A Probability Model
Linier Probability
The Logit Model The Probit Model The Tobit Molel
Model (LPM)
2
Qualitative Variable (Dummy Variable)
Types of
variable
• Model regresi yang sudah dipelajari sampai saat ini, semua variabel dependen maupun
independen bersifat kontinu
• Bagaimana jika ada variabel independen bersifat diskrey/ kualitatif/ katagorik?
• Variabel kualitatif pada variabel independen disebut denga variabel dummy (biner, dikodekan 1
atau 0)
• Syarat: jika suatu variabel independen memiliki katagori, maka dibentuk k-1 variabel dummy
• Model regresi yang digunakanmemiliki bentuk yang sama dan disetimasi dengan OLS.
Jenis Pemodelan dengan Dummy Variabel:
𝒍𝒏𝑸𝒊 = 𝟒. 𝟗𝟏 + 𝟎. 𝟕𝟖𝒍𝒏𝒌𝒊 + 𝟏. 𝟎𝟎 𝟏
𝒍𝒏𝑸𝒊 = 𝟓. 𝟗𝟏 + 𝟎. 𝟕𝟖𝒍𝒏𝒌𝒊
Dugaan persamaan regresi untuk observasi kepemilikan domestik Intepretasi koefisien variabel dummy
𝒍𝒏𝑸𝒊 = 𝟒. 𝟗𝟏 + 𝟎. 𝟕𝟖𝒍𝒏𝒌𝒊 + 𝟏. 𝟎𝟎 𝟏 Rata-rata perbedaan output antara
kepemilikan asing dan domestik adalah
𝒍𝒏𝑸𝒊 = 𝟓. 𝟗𝟏 + 𝟎. 𝟕𝟖𝒍𝒏𝒌𝒊 sebesar 1.001
5
Method to Developing A Probability Mode
• Sebelum mempelajari model dengan dummy, variabel kualitatif tersebut disisi kanan persamaan
(Sebagai variabel independen)
• Bagaimana jika variabel kualittaif tersebut berada di sisi kiri peramaan (Sebagai variabel dependen).
Contoh:
𝑦𝑖 = 𝛽0 + 𝛽1 𝑥𝑖 + 𝑢𝑖
𝑦𝑖 = 1, jika memilih membeli rumah
𝑦𝑖 = 0, jika memilih tiidak membeli rumah
𝑥𝑖 = pendapatan rumah tangga
• Pendugaan model kualitatif dengan OLS (seperti regresi biasa) tidak tepat digunakan, karena:
• Nilai 𝑦𝑖 bisa saja <0 atau >1 sehingga bertentangan dengan pronsip teori peluang
• Error term mengalami persoalan heteroskesdatisitas, Var(𝑢𝑖 )=𝑃𝑖 (1 − 𝑃𝑖 ) besar kecil Var(𝑢𝑖 )
bergantng pada nilai 𝑃𝑖
• Ada 2 pendekatan model yang dapat digunakan, yaitu model logit dan probit model
6
Gunakan data Latihan 2
Output LPM Faktor-faktor apa saja yang mempengaruhi penggunaan kartu debit?
. reg y x2 x3 x4
Keterangan Variabel:
Y : Kepemilikan Kartu Debit
X2 : Saldo Rekening
Rata-rata probabilitas Y akibat perubahan satu unit X X3 : Jumlah Transaksi Lewat ATM
X4 : 1 jika Laki-laki
0 jika perempuan 7
INTERPRETASI LPM
chi2(1) = 2.13
Prob > chi2 = 0.1441
Perbedaan model probit dan logit terletak pada asumsi distribusi errornya
• Jika diasumsikan error mengikuti sebaran nornal, menggunakan probit
• Jika diasumsikan error mengikuti sebaran logistik, menggunakan logit
Perbedaan probit dan logit dapat dilihat pada pengunaan odd rasio sebagai nilai yang diintepretasikan
untuk model logit
Odds rasio berapa kali kemungkinan (peluang) pilihan Y=1 dipilih oleh individu
berkarakteristik X=1 dibandingkan dengan individu berkarakteristik X=0
Dari contoh diatas peluang konsumen laki-laki membeli rumah adalah 𝑒 𝛽 peluang
konsumen perempuan membeli mobil
Marginal Effect
Saat mengestimasi model probit dan logit, biasanya menggunakan marginal effect
setelah melakukan regresi
Efek marjinal mencerminkan perubahan probabilitas y=1 jika diberikan 1 unit
perubahan dalam variabel independen x.
Marginal effects for the regression model
Pada regresi OLS, marginal effect ditentukan oleh coefficient bukan variabel x.
∂p⁄&xj = þ j
The index j refers to the jth independent variable.
[When we use the index i, it refers to the ith observation.]
Logistic Regression Model (Logit)
. logit y x2 x3 x4
• X2 (1.001) Jika jumlah saldo rekening lebih tinggi/banyak, maka peluang seseorang memiliki kartu
debit lebih tinggi sebesar 1,01 kali daripada peluang untuk tidak memiliki kartu debit
• X3 (0.886) Jika jumlah transaksi di ATM seseorang lebih tinggi maka peluang seseorang memiliki
kartu debit lebih tinggi sebesar 0.886 kali daripada peluang untuk tidak memiliki kartu debit
• X4 (0.25) Jika individu tersebut adalah laki-laki, probabilitas orang yang memiliki kartu debit lebih
tinggi sebesar 0,25 daripada probabilitas untuk tidak memiliki kartu debit atau sebesar 25 persen
orang akan memilih untuk memegang kartu debit jika individu tersebut adalah laki-laki.
Probit Regression Model (Logit)
Output Probit
. inspect y
y: Y Number of Observations
0 1 60
(2 unique values)
Output Probit (2)
. probit y x2 x3 x4
Z-scores
Interpretasi Z-Scores
X2 1 persen kenaikan saldo rekening akan meningkatkan z-score dari P=1 (probabilitas untuk
memiliki kartu ATM) sebesar 0.07 kali
X3 1 persen kenaikan jumlah transaksi lewat ATM, akan menurunkan z-score dari P=1 (probabilitas
untuk memiliki kartu ATM) sebesar 7,5 kali
X4 Jika individu tersebut adalah laki-laki maka, z-score dari P=1 (probabilitas untuk memiliki kartu
ATM) lebih rendah sebesar 83,4 kali daripada jika individu tersebut adalah perempuan.
Output Marginal Effects After Probit
. mfx
Marginal
LPM Logit Probit
Effects
X2 0,00028 0,000305 0,000304
X3 -0,0269 -0,029 -0,0294
X4 -0,302 -0,299 -0,301
25