MODEL REGRESI
DENGAN RESPON KUALITATIF
89
apabila tidak memiliki rumah. Model regresinya dapat ditulis
sebagai berikut :
Yi=β1+β2 Xi+εi (7.1)
Dengan :
Y = 1, jika memiliki rumah
Y = 0, jika tidak memiliki rumah
X = 0, pendapatan keluarga
Model pada persamaan (7.1) sekilas memang seperti model
regresi linier,namun variabel responnya bersifat biner dan hu
bungan antara pendapatan keluarga dan probabilitas kepemilikan
rumah bersifat linier. Artinya semakin tinggi pendapatan sebuah
keluarga maka probabilitas untuk memiliki rumah juga semakin
tinggi. Dengan demikian model di atas disebut sebagai model pro
babilitas linier.
Model LPM memiliki sifat yang mirip dengan model regresi
linier biasa, sehingga OLS masih dapat digunakan. Namun model
LPM memiliki beberapa kelemahan, yaitu :
1. Residual (ei) tidak berdistribusi normal, namun berdistribusi
binomial. Distribusi error akan mengikuti distribusi dari
variabel responnya yang berdistribusi binomial. Sebenarnya
hal ini tidak akan begitu masalah apabila ukuran sampel yang
digunakan besar, karena apabila data yang digunakan se
makin besar akan menuju distribusi normal.
2. Variansi dari residual menunjukkan terjadinya kasus he
teroskedastisitas. Adanya heteroskedastisitas pada model
LPM mengakibatkan estimasi parameter menjadi tidak efisien.
Untuk mengatasi hal tersebut digunakan metode Weighted
Least Square (WLS).
3. Nilai ܻ tidak selalu di dalam interval 0≤ ܻ ≤1. Apabila ܻ
bernilai kurang dari 1 atau negatif maka nilainya akan di
asumsikan sama dengan 0, namun apabila nilai ܻ lebih besar
daripada 1 maka akan diasumsikan nilainya sama dengan 1.
݁ ି ͳ
ͳ െ ܲ ൌ ൌ
ͳ ݁ ି ͳ ݁ (7.5)
Dengan demikian dapat dituliskan pula menjadi :
ܲ
ൌ ݁
ͳ െ ܲ (7.6)
Jika persamaan (7.6) dikalikan dengan logaritma natural (Ln),
akan menjadi :
f. Hitunglah nilai
ܮ כඥܹ
g. Hitunglah nilai
ܺ כඥܹ
Li= Wi=
Pi/ Li*= Wi*=
i Xi Ni ni Pi 1-Pi ln(Pi/ Ni*(Pi/ √Wi
(1-Pi) Li*√Wi Xi*√Wi
(1-Pi)) (1-Pi))
1 8 40 10 0,250 0,750 0,333 -1,099 13,333 3,651 -4,012 29,212
2 10 30 15 0,500 0,500 1,000 0,000 30,000 5,477 0,000 54,772
3 12 55 20 0,364 0,636 0,571 -0,560 31,429 5,606 -3,137 67,273
4 14 65 25 0,385 0,615 0,625 -0,470 40,625 6,374 -2,996 89,233
5 16 30 17 0,567 0,433 1,308 0,268 39,231 6,263 1,680 100,215
6 18 25 20 0,800 0,200 4,000 1,386 100,000 10,000 13,863 180,000
7 20 35 32 0,914 0,086 10,667 2,367 373,333 19,322 45,737 386,437
8 22 47 38 0,809 0,191 4,222 1,440 198,444 14,087 20,290 309,915
9 24 40 37 0,925 0,075 12,333 2,512 493,333 22,211 55,801 533,067
10 26 10 8 0,800 0,200 4,000 1,386 40,000 6,325 8,768 164,438