014 - Fina Kartika Sari - PE2020B - UAS EKONOMETRI
014 - Fina Kartika Sari - PE2020B - UAS EKONOMETRI
NIM : 20080554014
Kelas : PE 2020B
1. Dari hari diatas dapat diketahui bahwa variabel yang mempunyai pengaruh nyata yaitu
variabel Pendidikan dan variabel Pengalaman Kerja, karena nilai p-value variabel
pendidikan sebesar 0,0742 yang berarti < 0,1 dan variabel Pengalaman kerja sebesar
0,0194 yang berarti < 0,05. Sedangkan variabel Suku dan Jenis kelamin tidak signifikan.
2. Model diatas mampu memprediksi 54 kejadian atau 77,1%
3. Actual (kenyatan) tidak diterima dan diprediksi tidak diterima terdapat 17 orang
Actual (kenyatan) tidak diterima dan diprediksi diterima terdapat 10 orang
Actual (kenyatan) diterima dan diprediksi tidak diterima terdapat 1 orang
Actual (kenyatan) diterima dan diprediksi diterima terdapat 37 orang
*
Evaluated at the mean
Number of cases 'correctly predicted' = 54 (77,1%)
f(beta'x) at mean of independent vars = 0,490
Likelihood ratio test: Chi-square(6) = 16,7911 [0,0101]
Predicted
0 1
Actual 0 17 10
1 6 37
Excluding the constant, p-value was highest for variable 7 (DSuku_2)
2. Persamaan Regrasi:
1. Jika variabel Pendidikan meningkat 1 point maka rasio probabilitasnya diterima kerja
meningkat 0,0265309
2. Jika variabel Pengalaman Kerja meningkat 1 ponit maka rasio probabilitas diterima kerja
meningkat 0,0226857
3. Tidak ada perbedaan signifikan antara laki-laki dan perempuan terhadap rasio
probabilitas diterima.
4. Karena variabel suku tidak signifikan maka tidak ada pengaruh dari variabel suku
terhadap rasio probabilitas. Dengan demikian tidak ada perbedaan rasio probabilitas
diterima pada suku yang berbeda.
1) Model regresi memiliki nilai signifikan pada ANOVA sebesar < 0,05
Analysis of Variance:
4. Menentukan Model termasuk BLUE (Best Linear Unbiased Estimator) atau tidak
Menurut teorema Gauss-Markov (Carl Friedrich Gauss dan Andrey Markov) Residual tidak
perlu normal, tidak perlu independen ataupun terdistribusi secara identik, namun harus tetap
tidak berkorelasi dengan mean nol dan homoskedastik pada varian tertentu.
Asumsi Regresi ke 1
Pada model di atas setiap nilai Y berpasangan (sesuai) dengan nilai X
Asumsi Regresi ke 2
Pada model di atas nilai variabel Y berdistribusi normal
Asumsi Regresi ke 3
Pada model di atas jumlah pengamatan lebih besar dari jumlah variabel. Jumlah pengamatan ada
70 dan variabel ada 4
Asumsi Regresi ke 4
Pada model di atas nilai X-nya positif
Asumsi Regresi ke 5
Pada model di atas ditentukan dengan benar
Asumsi Regresi ke 6
Parameter model regresi diatas adalah linier.
Log (p / 1 – p) = a + b1 Pendidikan + b2 PengalamanKerja + b3 DSuku_1 + b4 DSuku_2 + b5
DSuku_3 + b6 DJenisKelamin_1 + e
Asumsi Regresi ke 7
Uji Heteroskedastisitas
White's test for heteroskedasticity
OLS, using observations 1-70
Dependent variable: uhat^2
Hasil kedua uji tersebut diketahui bahwa nilai p-value lebih besar dari α (0,05). Dengan
demikian kita tidak menolak Ho yang menyatakan bahwa varians adalah sama, atau tidak terjadi
gejala heteroskedastisitas pada model penelitian.
Asumsi Regresi ke 8
Uji Multikolinieritas
Variance Inflation Factors
Minimum possible value = 1.0
Values > 10.0 may indicate a collinearity problem
Pendidikan 1,128
PengalamanKerja 1,198
DSuku_1 1,649
DSuku_2 1,583
DSuku_3 1,752
DJenisKelamin_1 1,035
Hasil uji VIF di atas menunjukkan bahwa tidak ada nilai VIF yang lebih besar dari 10. Dimana
nilai VIF untuk variabel Pendidikan adalah 1,128, variabel Pengalaman Kerja sebesar 1,198,
variabel DSuku_1 sebesar 1,649, variabel DSuku_2 1,583, variabel DSuku_3 1,752, dan variabel
DJenisKelamin_1 1,035. Dengan demikan model regresi ini terbukti tidak memiliki masalah
multikolinieritas.
Asumsi Regresi ke 9
Uji Normalitas
1,1
Test statistic for normality: relative frequency
N(-7,613e-017 0,45266)
Chi-square(2) = 9,214 [0,0100]
1
0,9
0,8
0,7
0,6
Density
0,5
0,4
0,3
0,2
0,1
0
-1 -0,5 0 0,5 1
uhat4
Hasil tes normalitas residual tersebut menghasilkan nilai X2 (chi-square) sebesar 9,214 sehingga
Ho ditolak (residual terdistribusi normal), otomatis nilai probabilitasnya juga lebih kecil dari
0,05 yaitu sebesar 0,0100. Ha diterima (residual tidak terdistribusi normal).
Jadi, dikarenakan model diatas tidak mememenuhi asumsi regresi ke 9, yaitu residu harus
didistribusikan secara normal, maka model regresi diatas tidak termasuk dalam model BLUE
(Best Linear Unbiased Estimator)