0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
9 tayangan15 halaman
Dokumen tersebut membahas model regresi dengan variabel kualitatif. Variabel kualitatif digunakan untuk mengindikasikan atribut-atribut tertentu dengan nilai 1 atau 0. Regresi dapat dilakukan dengan satu atau lebih variabel kualitatif untuk menguji hipotesis tertentu seperti diskriminasi gender dalam pekerjaan. Variabel kualitatif dapat berupa dummy atau kategori untuk menguji perbedaan antar kelompok.
Dokumen tersebut membahas model regresi dengan variabel kualitatif. Variabel kualitatif digunakan untuk mengindikasikan atribut-atribut tertentu dengan nilai 1 atau 0. Regresi dapat dilakukan dengan satu atau lebih variabel kualitatif untuk menguji hipotesis tertentu seperti diskriminasi gender dalam pekerjaan. Variabel kualitatif dapat berupa dummy atau kategori untuk menguji perbedaan antar kelompok.
Dokumen tersebut membahas model regresi dengan variabel kualitatif. Variabel kualitatif digunakan untuk mengindikasikan atribut-atribut tertentu dengan nilai 1 atau 0. Regresi dapat dilakukan dengan satu atau lebih variabel kualitatif untuk menguji hipotesis tertentu seperti diskriminasi gender dalam pekerjaan. Variabel kualitatif dapat berupa dummy atau kategori untuk menguji perbedaan antar kelompok.
• Regresi dengan Satu Variabel Kualitatif • Regresi dengan Lebih dari Satu Variabel Kualitatif KARAKTERISTIK VARIABEL KUALITATIF • Harga, produksi, dan penjualan variabel bersifat kuantitatif • Jenis kelamin, tingkat pendidikan, status perkawinan, status pekerjaan, krisis ekonomi variabel bersifat kualitatif • Sebagai contoh benarkah terjadi diskriminasi gender dalam pekerjaan sehingga ada perbedaan nominal gaji antara pria dan wanita • Variabel kualitatif mengindikasikan ada tidaknya atribut • Caranya, dengan membentuk variabel artifisial (dummy) ke dalam model persamaan regresi dengan mengambil nilai 1 atau 0, dimana angka 1 menunjukkan adanya atribut dan angka 0 menunjukkan tidak adanya atribut • Misalnya, akan diuji isu gender dalam pekerjaan, yaitu apakah ada perbedaan antara gaji karyawan pria dengan karyawan wanita Yi = β0 + β1Di + ei (5.1) Dimana : Y = Gaji karyawan tahunan Di = 1 pria Di = 0 wanita • H0 : tidak ada diskriminasi dalam soal gaji karyawan (H0 : β1 = 0) • Metode OLS dapat digunakan untuk mengestimasi persamaan • Dari persamaan tersebut diperoleh dua persamaan berikut: – E(Y | Di = 1) = β0 + β1 untuk karyawan pria – E(Y | Di = 0) = β0 untuk karyawan wanita • β0 menunjukkan gaji rata-rata karyawan wanita dan slope β1 menunjukkan besarnya perbedaan gaji rata- rata karyawan pria dan wanita, sedangkan β0 + β1 memberi informasi gaji rata-rata karyawan pria REGRESI DENGAN SATU VARIABEL KUALITATIF 1. Regresi Variabel Kualitatif pada Data Cross Section • Untuk lebih memperjelas, contoh berikut menggabungkan variabel independen yang kuantitatif, misalnya masa kerja karyawan Yi = β0 + β1Di + β2Xi + ei dimana β1>0;β2>0 Dimana: Yi = Gaji karyawan; Xi = masa kerja; Di = 1 untuk pria dan Di = 0 untuk wanita • Model pada persamaan 5.4 berisi satu variabel dummy yang mempunyai dua kelas (Pria dan Wanita) • Hipotesis nol : tdk ada diskriminasi gender dalam soal gaji (H0 : β1 = 0) • Arti dari persamaan : – Pria : E(Yi|Di = 1) = (β0 + β1) + β2Xi (5.5) – Wanita : E(Yi|Di = 0) = β0 + β2Xi (5.6) • Jika ada lebih dari dua kelas (misalnya variabel gender diganti dengan variabel tingkat pendidikan S1, S2 dan S3) sehingga ada dua variabel dummy Yi=β0 + β1D1i + β2D2i + β3Xi + ei (5.11) Dimana Yi = Gaji dosen tahunan, Xi = masa kerja dosen (tahun), D1i = 1 jika S2, D1i = 0 jika tidak; D2i = 1 jika S3 dan D2i = 0 jika tidak • Hipotesis nol tidak ada diskriminasi dalam soal gaji berdasarkan tingkat pendidikan yang dinyatakan sebagai H0: β1 = 0 dan β2 = 0 – S3 : (E(Yi|D1i = 0,D2i = 1, Xi) = (β0 + β2) + β3Xi 5.12 – S2 : (E(Yi|D1i =1,D2i = 0, Xi) = (β0 + β1) + β3Xi 5.13 – S1 : (E(Yi|D1i = 0,D2i = 0, Xi) = β0 + β3Xi 5.14 2. Regresi Variabel Kualitatif dengan Data Time Series • Misalnya kita akan menguji perbedaan waktu terhadap perilaku impor Indonesia, sebelum 1997 dan sesudah 1997 Yt = β0 + β1Dt + β2Xt + et dimana β1<0;β2>0 (5.15) Dimana: Yt = Impor; Xi = GDP riil; Dt = 0 sebelum 1997 dan Dt = 1 sesudah 1997 – Sebelum krisis 1997 : E(Yt|Dt = 0) = β0 + β2Xt – Setelah krisis 1997 : E(Yt|Dt = 1) = (β 0 + β1)+β2Xt REGRESI DENGAN LEBIH DARI SATU VARIABEL KUALITATIF • Sebagai contoh analisis mengenai hubungan antara gaji dosen dengan jenis kelamin dan jabatan akademis dan masa kerjanya Yi = β0 + β1D1i +β2D2i + β3Xi + ei 5.21 Dimana: Yi = Gaji dosen tahunan; Xi = masa kerja dosen (tahun); D1i = 1 jika Pria dan D1i = 0 jika Wanita; D2i = 1 jika Profesor dan D2i = 0 jika tidak Profesor • Hipotesis nol tidak ada diskriminasi dalam soal gaji baik berdasarkan jenis kelamin maupun jabatan akademik, yang dinyatakan H0: β1 = 0 dan β2 = 0 • Arti dari Persamaan 5.21 adalah : – Pria Profesor: E (Yi|D1i=1, D2i=1,Xi) = (β0+β1+β2) + β3Xi 5.22 – Pria Tidak Profesor: E (Yi| D1i=1, D2i=0,Xi) = (βo+β1) + β3Xi 5.23 – Wanita Profesor : E (Yi| D1i=0, D2i=1,Xi) = (β0+β2) + β3Xi 5.24 – Wanita Tidak Profesor : E (Yi| D1i=0, D2i=0,Xi) = β0 + β3Xi 5.25 Terimakasih