Ekonometrika
Rian Febriansyah
120020565
PRODI MANAJEMEN
FAKULTAS EKONOMI
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 …………......…. ………………
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
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
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
Ingat : dan
= 26,21561
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
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 …………….…..
= =
Sehingga r2 = 0.96477
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
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
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
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
Effects Specification
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
Effects Specification
S.D. Rho
Weighted Statistics
Unweighted Statistics
Test Hypothesis
Cross-section Time Both