DUMMY INDEPENDENT

VARIABLE

5/5/2014 hadi paramu, ekonometrika

 Relevansi Dummy Independent
Variable(s)
• Adanya variabel independen yang bersifat
kualitatif atau memiliki skala nominal
– Jenis kelamin (laki-laki – wanita)
– Program (dilatih – tidak dilatih)
– Asal daerah (Jember – selain Jember)
– Periode penjualan (kuartal 1 – kuartal lain)
• Perlunya adanya klasifikasi secara
mutually exclusive

5/5/2014 hadi paramu, ekonometrika

 Apa Yang Bisa Didapatkan dari
Adanya DIV
• Perbandingan antar kelompok kategori
dapat dilakukan.
– Apakah ada perbedaan antara “dilatih” dan
“tidak dilatih”
• Bagaimana caranya?
– Melihat apakah koefisien regresi DIV bersifat
signifikan secara parsial

5/5/2014 hadi paramu, ekonometrika

 Catatan dalam Menggunakan DIV
• Jumlah DIV adalah m-1, dimana m adalah
banyaknya kategori
• Kategori tanpa DIV merupakan kategori
basis

5/5/2014 hadi paramu, ekonometrika

 Model Regresi Linier Dengan DIV

Yi  b0  b1 X 1i  b2 X 21  b3 D1i  ei
• Jika DIV bernilai nol, maka pada dasarnya model
regresi tersebut adalah model basis (model benchmark).
• Jika DIV bernilai tidak sama dengan nol, berarti bahwa
intersep (konstanta) model adalah b0 + b3,
• Artinya, nilai rata-rata (mean value) dari model menjadi
lebih tinggi (jika b3 > 0) atau lebih rendah (jika b3 < 0).

5/5/2014 hadi paramu, ekonometrika

 DIV versus Chow Test
• Lihat handout “uji statistik untuk koefisien
secara parsial dan secara simultan”

• Chow test hanya mengindikasikan

perbedaan pengaruh saja, tidak
menjelaskan sumber perbedaannya
(apakah konstantanya atau koefisiennya).

5/5/2014 hadi paramu, ekonometrika

 Dummy Dependent Variable
• DDV dimaksudkan untuk
mengkuantifikasikan binary variable pada
variabel dependen dalam model regresi
– Membayar atau tidak membayar
– Sehat atau tidak sehat
• Model OLS tidak bisa menyelesaikan hal
ini
– Predicted value dari variabel dependen akan
melebih satu atau kurang dari nol

5/5/2014 hadi paramu, ekonometrika

 Dummy Dependent Variable
• Metode yang bisa digunakan: logit atau
probit regression model
• Langkah-langkah dalam logistic:
– Uji Hosmer and Lemeshow
• Ho: tidak ada perbedaan yang nyata antara
klasifikasi yang diprediksi dengan klasifikasi yang
diamati
• Jika Ho diterima, model regresi logistik layak
digunakan

5/5/2014 hadi paramu, ekonometrika

 Langkah-langkah dalam logistic
• Menilai keseluruhan model
– Jika -2 log likelihood menurun, model lebih
baik
• Menguji koefisien regresi
– Lihat signifikansi dari uji Wald
• Interpretasi koefisien regresi
– Koefisien regresi dibaca sebagai sumbangan
dari variabel independen terhadap
probabilitas variabel dependen

5/5/2014 hadi paramu, ekonometrika