Ujian Akhir Semester

Ekonometrika

Rian Febriansyah

120020565

PRODI MANAJEMEN

FAKULTAS EKONOMI

UNIVERSITAS SWADAYA GUNUNG JATI

CIREBON

2022
 1. Nomor Satu

Pembahasan

Untuk bisa menjawab pertanyaan diatas maka saudara harus buat tabel isian sebagai berikut :

SUMMARY OUTPUT
Regression Statistics
Multiple R …………….........
R Square …………….....…
Adj R Square ……………....…
Stand Error 1.706706
Observations ……………....…

ANOVA
df SS MS F Sign F
Regression ………….......…. ……………… …………. ………… 7.587E-08
Residual ………….......…. ………………. ….………
Total …………......…. ………………

Coefficients Stand Error t Stat P-value

Intercept ………….......… …………..…. …...….….. 0.060917
Pendapatan …………......… ……………… …...…….. 7.59E-08

Jawab:
Missal
Y = konsumsi
X = pendapatan
Maka persamaan regresi Y = b0 + b1X
Persamaan tersebut dapat dicari dengan bantuan table sebagai berikut :

Tahun Y X YX X2
2006 14 15 210 225
2007 17 19 323 361
2008 19 20 380 400
2009 20 22 440 484
2010 22 25 550 625
2011 25 30 750 900
2012 30 32 960 1024
2013 32 34 1088 1156
2014 33 35 1155 1225
2015 37 45 1665 2025
2016 40 50 2000 2500
Σ 289 327 9521 10925
Sehingga dari bantuan table dapat disusun persamaan :

ΣY = n b0 + b1ΣX
Σ YX = b0 ΣX +
b1ΣX2
289 = 11 b0 + 327 b1 kalikan 327
9521 = 327 b0 + 10925 b1 11

94503 = 3597 b0 + 106929 b1

104731 = 3597 b0 + 120175 b1 kurangkan
-
-10228 = 13246 b1
b1 = 0.772

Setelah b1 diketahui maka dapat kita cari b0 melalui :

289 = 11 bo + 327 b1 à masukan b1 = 0,772 diperoleh b0 = 3,318 Ujilah
dengan persamaan lainnya
9521 = 327 b0 + 10925 b1 à masukan b1 = 0,772 diperoleh b0 = 3,318 Dari hasil diatas

dapat disusun persamaan regresi sebagai berikut :

C = 3,318 + 0,772 Y

Artinya :
Konstatnta = b0 jika factor lain tidak berubah maka rata-rata konsumsi
= 3,318 sebesar 3,318 satuan
Koefisien b1=0,772 jika factor lain tetap maka kenaikan pendapatan sebesar
1000 satuan akan meningkatkan konsumsi sebesar
0,772 x 1000 atau sebesar 772 satuan.

Hasil persamaan regresi dapat kita tuliskan ke dalam table berikut ini

Coefficients Stand Error t Stat P-value

Intercept 3,318 ………………….. ……………... 0.060917
Pendapatan 0,772 …………………... ……………… 7.59E-08

Untuk menguji hipotesis apakah adan pengaruh secara individu antara pendapatan terhadap
konsumsi maka kita harus mencari Standar Deviasi dari masing-masing koefisien.
Untuk mencarai standar deviasi kita bias menggunakan formula sebagai berikut :

sehingga

sehingga

Dimana dan atau

Ingat : dan

Sehingga dapat kita cari dengan bantuan table sebagai berikut :

Tahun Y X YX X^2 y x y^2 x^2 Y' u u^2
2006 14 15 210 225 -12.2727 -14.7273 150.6198 216.8926 14.90095 -0.90095 0.811713
2007 17 19 323 361 -9.27273 -10.7273 85.98347 115.0744 17.98958 -0.98958 0.979272
2008 19 20 380 400 -7.27273 -9.72727 52.89256 94.61983 18.76174 0.238261 0.056768
2009 20 22 440 484 -6.27273 -7.72727 39.34711 59.71074 20.30605 -0.30605 0.093669
2010 22 25 550 625 -4.27273 -4.72727 18.2562 22.34711 22.62253 -0.62253 0.387541
2011 25 30 750 900 -1.27273 0.272727 1.619835 0.07438 26.48332 -1.48332 2.200226
2012 30 32 960 1024 3.727273 2.272727 13.89256 5.165289 28.02763 1.972369 3.89024
2013 32 34 1088 1156 5.727273 4.272727 32.80165 18.2562 29.57195 2.428054 5.895445
2014 33 35 1155 1225 6.727273 5.272727 45.2562 27.80165 30.3441 2.655896 7.053784
2015 37 45 1665 2025 10.72727 15.27273 115.0744 233.2562 38.06568 -1.06568 1.135674
2016 40 50 2000 2500 13.72727 20.27273 188.438 410.9835 41.92647 -1.92647 3.71128
Σ 289 327 9521 10925 0 0 744.1818 1204.182 289 0 26.21561

= 26,21561

Sehingga = 26,21561/(11-2) = 2.912846

Sehingga = 2,912846/1204,182=0.002419
= (0,002419)0,5 = 0.049183
Dan = = 2.402449

= 1.549984
Sehingga dapat disusun :

Hasil persamaan regresi dapat kita tuliskan ke dalam table berikut ini

Coefficients Standard Error t Stat P-value

Intercept 3,318 1.549984 2,141046 0.060917
Pendapatan 0,772 0.049183 15.69977 7.59E-08

2.141046 = 3.318 / 1.549984

15.69977 = 0.772/0.04918

Dari hasil analisis uji t diperoleh hasil sbb :

Bahwa pendapatan mempengaruhi konsumsi secara signifikan hal ini di buktikan dengan dengan nilai t hitung
lebih besar t table atau nilai α = 0,05 > p. value = 0,0000000759

Sedangkan uji secara keseluruhan bias dicari dengan ANOVA ANOVA dapat dicari dengan mengisi
table di bawah ini :
 SUMMARY OUTPUT

Regression Statistics
Multiple R 0.98228
R Square 0.96477
Adjusted R Square ………………
Standard Error 1.706706
Observations ………………...

ANOVA
df SS MS F Significance F
Regression …………….….. …………………..……. ……………… ……………… 7.58751E-08
Residual …………….….. 26.21561 ….…………..
Total …………….…..

Tahun Y X y x yx y^2 x^2 Y' y' u u^2

2006 14 15 -12.273 -14.727 180.744 150.620 216.893 14.901 -11.372 -0.901 0.812
2007 17 19 -9.273 -10.727 99.471 85.983 115.074 17.990 -8.283 -0.990 0.979
2008 19 20 -7.273 -9.727 70.744 52.893 94.620 18.762 -7.511 0.238 0.057
2009 20 22 -6.273 -7.727 48.471 39.347 59.711 20.306 -5.967 -0.306 0.094
2010 22 25 -4.273 -4.727 20.198 18.256 22.347 22.623 -3.650 -0.623 0.388
2011 25 30 -1.273 0.273 -0.347 1.620 0.074 26.483 0.211 -1.483 2.200
2012 30 32 3.727 2.273 8.471 13.893 5.165 28.028 1.755 1.972 3.890
2013 32 34 5.727 4.273 24.471 32.802 18.256 29.572 3.299 2.428 5.895
2014 33 35 6.727 5.273 35.471 45.256 27.802 30.344 4.071 2.656 7.054
2015 37 45 10.727 15.273 163.835 115.074 233.256 38.066 11.793 -1.066 1.136
2016 40 50 13.727 20.273 278.289 188.438 410.983 41.926 15.654 -1.926 3.711
Σ 289 327 0 0 929.8182 744.1818 1204.182 289 0 0 26.21561

= =

Sehingga r2 = 0.96477

Setelah r diketahui maka anova dapat kita susus sebagai berikut :

Regression Statistics
Multiple R 0.98228
 R Square 0.96477 1-R2=0.035
Adj R Square 0.96085
Stand Error 1.706706
Observations 11

ANOVA
df SS MS F Sign F
Regression (k-1) =1 717.9118382 717.91 82.15 7.59E-08
Residual (n-k) =3 ∑u2 = 26.21561 8.73
(k-1)+(n-k) = 4
Total ∑y2 = 744.1274482

R2 = 717.9118382 / 744.1274482 = 0.96477

Nilai R2 = 0,96477 merupakan nilai koefisien determinasi yang mengartikan bahwa variable bebas
dapat menjelaskan variable terikat sebesar 96,4 persen, dan sisanya 0.03523 persen dijelaskan oleh
variable lain.

2. Nomor Dua

Pembahasan

a. Rata-rata konsumsi berdasarkan lokasi tempat tinggal: Kota (urban=1) : 𝐶̂

= (𝛽0 + 𝛽4) + 𝛽1𝑖𝑛𝑐 + 𝛽2𝑒𝑑𝑢𝑐 + 𝛽3𝑓𝑒𝑚𝑎𝑙𝑒 Desa (urban=0) : 𝐶̂ = 𝛽0 +
 𝛽1𝑖𝑛𝑐 + 𝛽2𝑒𝑑𝑢𝑐 + 𝛽3𝑓𝑒𝑚𝑎𝑙𝑒
𝛽4 menunjukkan perbedaan konsumsi antara individu di kota dan di desa, dengan asumsi cateris paribus. Apabila
𝛽4 > 0, artinya konsumsi individu di kota lebih besar dibandingkan di desa untuk individu pada tingkat
pendapatan sama, jenis kelamin sama, dan lama sekolah yang sama.

b. Apabila sekarang variabel dummy lokasi diubah menjadi rural (0=kota; 1=desa) dan variabel lainnya tetap, maka
persamaan regresi baru menjadi:
𝐶̂ = (𝛽0 + 𝛽4) + 𝛽1𝑖𝑛𝑐 + 𝛽2𝑒𝑑𝑢𝑐 + 𝛽3𝑓𝑒𝑚𝑎𝑙𝑒 − 𝛽4𝑟𝑢𝑟𝑎𝑙
c. Apabila persamaan awal ditambahkan variabel interaksi antara pendapatan dan lokasi (inc*urban), maka
persamaan regresi baru menjadi:
𝐶̂ = 𝛽0 + 𝛽1𝑖𝑛𝑐 + 𝛽2𝑒𝑑𝑢𝑐 + 𝛽3𝑓𝑒𝑚𝑎𝑙𝑒 + 𝛽4𝑢𝑟𝑏𝑎𝑛 + 𝛽5𝑖𝑛𝑐 ∗ 𝑢𝑟𝑏𝑎𝑛
Rata-rata konsumsi berdasarkan lokasi tempat tinggal:
Kota (urban=1): 𝐶̂ = (𝛽0 + 𝛽4) + (𝛽1 + 𝛽5)𝑖𝑛𝑐 + 𝛽2𝑒𝑑𝑢𝑐 + 𝛽3𝑓𝑒𝑚𝑎𝑙𝑒
Desa (urban=0): 𝐶̂ = 𝛽0 + 𝛽1𝑖𝑛𝑐 + 𝛽2𝑒𝑑𝑢𝑐 + 𝛽3𝑓𝑒𝑚𝑎𝑙𝑒
Pengertian koefisien variabel interaksi inc*urban (𝛽5) adalah perbedaan MPC (marginal propensity to consume)
antara individu di kota dan di desa

d. Apabila persamaan awal ditambahkan variabel interaksi antara jenis kelamin dan lokasi (female*urban), maka
persamaan regresi baru menjadi:
𝐶̂ = 𝛽0 + 𝛽1𝑖𝑛𝑐 + 𝛽2𝑒𝑑𝑢𝑐 + 𝛽3𝑓𝑒𝑚𝑎𝑙𝑒 + 𝛽4𝑢𝑟𝑏𝑎𝑛 + 𝛽5𝑓𝑒𝑚𝑎𝑙𝑒 ∗ 𝑢𝑟𝑏𝑎𝑛
Perempuan (female=1): 𝐶̂ = (𝛽0 + 𝛽3) + 𝛽1𝑖𝑛𝑐 + 𝛽2𝑒𝑑𝑢𝑐 + (𝛽4 + 𝛽5)𝑢𝑟𝑏𝑎𝑛
Laki-laki (female=0): 𝐶̂ = 𝛽0 + 𝛽1𝑖𝑛𝑐 + 𝛽2𝑒𝑑𝑢𝑐 + 𝛽4𝑢𝑟𝑏𝑎𝑛
Pengertian koefisien variabel interaksi female*urban (𝛽5) adalah perbedaan konsumsi antara wanita
di kota dengan kategori lainnya yakni wanita di desa, laki-laki di kota, dan laki-laki di desa, cateris
paribus

3. Nomor Tiga
Pembahasan :

a. 𝛽2 menunjukkan perbedaan profit warung sembako antara setelah adanya supermarket dan sebelum
adanya supermarket, dengan asumsi cateris paribus. Apabila 𝛽2 < 0, artinya profit warung sembako
setelah adanya supermarket lebih kecil dibandingkan sebelum adanya supermarket untuk warung
sembako yang memiliki nilai penjualan dan jarak dengan supermarket yang sama
b. Pengertian koefisien variabel interaksi 𝑃𝑖 𝑥𝐷𝑠 (𝛽3) adalah perbedaan Marginal profit warung sembako
antara sesudah dan sebelum adanya supermarket. Apabila 𝛽3 < 0, artinya marginal profit warung
sembako setelah adanya supermarket lebih kecil dibandingkan sebelum adanya supermarket untuk
warung sembako yang memiliki nilai penjualan dan jarak dengan s upermarket yang sama.
c. Kegunaan variable 𝐷𝑠𝑥𝐷𝑗 adalah untuk mengetahui perbedaan profit warung sembako setelah dan
𝑖
sebelum adanya supermarket yang lokasinya dekat dan jauh dengan supermarket. Apabila 𝛽5 < 0,
artinya profit warung sembako setelah adanya supermarket
 yang lokasinya dekat dengan supermarket lebih kecil
dibandingkan kategori lainnya, yakni warung sembako setelah
adanya supermarket yang lokasinya jauh dengan supermarket,
warung sembako sebelum adanya supermarket yang lokasinya
dekat dengan supermarket, dan warung sembako sebelum
adanya supermarket yang lokasinya jauh dengan supermarket
d. A

4. Nomor Empat
 Pembahasan

Model CEM
Dependent Variable: PENJUALAN
Method: Panel Least Squares
Date: 07/26/22 Time: 12:05
Sample: 2001 2004
Periods included: 4
Cross-sections included: 3
Total panel (balanced) observations: 12

Variable Coefficient Std. Error t-Statistic Prob.

C 532.3423 76.17518 6.988396 0.0001

BIAYA_IKLAN -1.286919 4.252994 -0.302591 0.7691
LABA 1.258537 4.677671 0.269052 0.7940

R-squared 0.013170 Mean dependent var 542.5000

Adjusted R-squared -0.206126 S.D. dependent var 32.78719
S.E. of regression 36.00813 Akaike info criterion 10.21768
Sum squared resid 11669.27 Schwarz criterion 10.33891
Log likelihood -58.30611 Hannan-Quinn criter. 10.17280
F-statistic 0.060054 Durbin-Watson stat 1.057074
Prob(F-statistic) 0.942088

Model CFM
Dependent Variable: PENJUALAN
Method: Panel Least Squares
Date: 07/26/22 Time: 12:06
Sample: 2001 2004
Periods included: 4
Cross-sections included: 3
Total panel (balanced) observations: 12

Variable Coefficient Std. Error t-Statistic Prob.

C 495.5356 148.4933 3.337090 0.0125

BIAYA_IKLAN -3.034922 7.596400 -0.399521 0.7014
LABA 3.366425 8.818330 0.381753 0.7140

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.090931 Mean dependent var 542.5000

Adjusted R-squared -0.428537 S.D. dependent var 32.78719
S.E. of regression 39.18772 Akaike info criterion 10.46894
Sum squared resid 10749.74 Schwarz criterion 10.67099
Log likelihood -57.81365 Hannan-Quinn criter. 10.39414
F-statistic 0.175046 Durbin-Watson stat 1.179219
Prob(F-statistic) 0.944256

Model REM
Dependent Variable: PENJUALAN
Method: Panel EGLS (Cross-section random effects)
Date: 07/26/22 Time: 12:10
Sample: 2001 2004
Periods included: 4
Cross-sections included: 3
Total panel (balanced) observations: 12
Swamy and Arora estimator of component variances
White cross-section (period cluster) standard errors & covariance (d.f.
corrected)
Standard error and t-statistic probabilities adjusted for clustering

Variable Coefficient Std. Error t-Statistic Prob.

BIAYA_IKLAN -1.286919 1.851380 -0.695113 0.5370

LABA 1.258537 1.985253 0.633943 0.5712
C 532.3423 43.25434 12.30726 0.0012

Effects Specification
S.D. Rho

Cross-section random 4.25E-05 0.0000

Idiosyncratic random 39.18772 1.0000

Weighted Statistics

R-squared 0.013170 Mean dependent var 542.5000

Adjusted R-squared -0.206126 S.D. dependent var 32.78719
S.E. of regression 36.00813 Sum squared resid 11669.27
F-statistic 0.060054 Durbin-Watson stat 1.057074
Prob(F-statistic) 0.942088

Unweighted Statistics

R-squared 0.013170 Mean dependent var 542.5000

Sum squared resid 11669.27 Durbin-Watson stat 1.057074

UJI CHOW CEM

Redundant Fixed Effects Tests
Equation: MODEL_FEM
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 0.299388 (2,7) 0.7503

Cross-section Chi-square 0.984924 2 0.6111

Cross-section fixed effects test equation:

Dependent Variable: PENJUALAN
Method: Panel Least Squares
Date: 07/26/22 Time: 12:16
Sample: 2001 2004
Periods included: 4
Cross-sections included: 3
Total panel (balanced) observations: 12

Variable Coefficient Std. Error t-Statistic Prob.

C 532.3423 76.17518 6.988396 0.0001

BIAYA_IKLAN -1.286919 4.252994 -0.302591 0.7691
LABA 1.258537 4.677671 0.269052 0.7940

R-squared 0.013170 Mean dependent var 542.5000

Adjusted R-squared -0.206126 S.D. dependent var 32.78719
S.E. of regression 36.00813 Akaike info criterion 10.21768
Sum squared resid 11669.27 Schwarz criterion 10.33891
Log likelihood -58.30611 Hannan-Quinn criter. 10.17280
F-statistic 0.060054 Durbin-Watson stat 1.057074
Prob(F-statistic) 0.942088

UJI Lagrange multiplier (CEM vs REM)

Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
(all others) alternatives

Test Hypothesis
Cross-section Time Both

Breusch-Pagan 1.029136 1.014410 2.043546

(0.3104) (0.3138) (0.1529)

Honda -1.014464 1.007179 -0.005151

(0.8448) (0.1569) (0.5021)

King-Wu -1.014464 1.007179 -0.148804

(0.8448) (0.1569) (0.5591)

Standardized Honda -0.549328 1.454969 -2.145625

(0.7086) (0.0728) (0.9840)

Standardized King-Wu -0.549328 1.454969 -2.307343

(0.7086) (0.0728) (0.9895)

Gourieroux, et al. -- -- 1.014410

(0.3075)

Maka Model terbaik yang dipilih adalah Model Random Effect