Kelompok 1 :

1. Fazlan Febrian (11220840000076)

2. Rasyad Umran Amru (11220840000088)
3. Amelia Redita Cahyani (11220840000092)
4. Irma Hanum Asyifah (11220840000100)
Kelas : 3B – Ekonomi Pembangunan
Tugas : Membuat Rangkuman Chapter 7

7.1 Describing Qualitative Information

Variable dumy merupakan variable yang bernilai 1 atau 0. variable dumy juga biasa disebut
dengan variable biner.
Contoh :
 Laki-laki (= 1 jika laki-laki, 0 sebaliknya)
 Perempuan (= 1 jika Perempuan, 0 sebaliknya)
7.2 A Single Dummy Independent Variabel
Dalam kasus yang paling sederhana, dengan hanya satu variabel penjelas dummy, kita cukup
menambahkannya sebagai variabel independen dalam persamaan.
Contoh sederhana untuk penentuan upah perjam :

Dalam model (7.1), hanya dua faktor yang diamati yang mempengaruhi upah: gender dan
pendidikan. Karena perempuan 1 bila orangnya adalah perempuan, dan perempuan = 0 bila
orangnya adalah laki-laki, maka parameter δ0 memiliki interpretasi sebagai berikut: δ0 adalah
selisih upah per jam antara perempuan dan laki-laki, dengan jumlah pendidikan yang sama (dan
istilah error u yang sama). Jadi, koefisien δ0 menentukan ada tidaknya diskriminasi terhadap
perempuan jika : δ0 < 0, maka untuk tingkat faktor lain yang sama, rata-rata perempuan
berpenghasilan lebih rendah dari laki-laki.

Dalam hal ekspektasi, jika kita mengasumsikan asumsi rata-rata bersyarat nol
E(ulfemale = 0, educ) = 0, maka :

Karena perempuan = 1 sesuai dengan perempuan dan perempuan =0 sesuai dengan laki- laki, Kita
dapat menulis ini lebih sederhana sebagai

Kuncinya di sini adalah bahwa tingkat pendidikan sama dengan kedua ekspektasi perbedaannya,
δ, hanya disebabkan oleh jenis kelamin.
Situasi ini dapat digambarkan secara grafis sebagai pergeseran intersep antara laki-laki dan
perempuan. Pada Gambar 7.1, ditunjukkan kasus S, <O, sehingga laki-laki memperoleh jumlah
yang tetap lebih banyak per jam daripada perempuan.per jam daripada perempuan. Perbedaan ini
tidak bergantung pada jumlah pendidikan, dan
Hal ini menjelaskan mengapa profil upah-pendidikan untuk perempuan dan laki-laki sejajar. Pada
titik ini kita tidak memasukan kembali gambar 7.1 karena sebuah variabel dummy yang bernilai
satu untuk laki-laki dan nol untuk perempuan. Alasannya adalah karena hal ini ini akan mubazir.
Dalam (7.1), intersep untuk laki-laki adalah Bo, dan intersep untuk perempuan adalah B, + Jadi
karena hanya ada dua kelompok, kita hanya membutuhkan dua intersep yang berbeda. Ini berarti
bahwa, selain B, kita hanya perlu menggunakan satu variabel dummy kita harus memilih sen
untuk memasukkan variabel dummy untuk perempuan. Menggunakan dua variabel dummy akan
memperkenalkan kolinearitas sempurna karena perempuan + laki-laki = 1, yang berarti bahwa
laki-laki adalah laki-laki adalah fungsi linier sempurna dari perempuan. Memasukkan variabel
dummy untuk kedua jenis kelamin adalah contoh paling sederhana dari apa yang disebut jebakan
variabel dummy, yang muncul ketika terlalu banyak variabel dummy yang menggambarkan
sejumlah kelompok. Kita akan membahas masalah ini nanti. Dalam (7.1), kita telah memilih laki-
laki sebagai kelompok dasar atau kelompok pembanding, yaitu, kelompok yang menjadi
pembanding. Inilah sebabnya mengapa B merupakan intersep untuk 213

Dalam (7.1), kami telah memilih laki-laki untuk menjadi kelompok dasar atau kelompok
pembanding, yaitu kelompok yang menjadi pembanding. Inilah mengapa Bo adalah intersep
untuk pria, dan 60 adalah perbedaan intersep antara wanita dan pria. Kita dapat memilih
perempuan sebagai kelompok dasar dengan menuliskan model sebagai

wage = ao + yo male + B₁educ + u,

Dimana intersep untuk wanita adalah ao dan intersep untuk pria adalah ao+Yo; ini berarti bahwa
do Bo+ do dan ao + YoBo. Dalam aplikasi apa pun, tidak masalah bagaimana kita memilih grup
dasar, tetapi penting untuk melacak grup mana yang merupakan grup dasar.

Beberapa peneliti lebih suka membuang keseluruhan intersep dalam model dan memasukkan
variabel dummy untuk setiap kelompok. Persamaannya kemudian akan menjadi

upah Bo male + a female + B₁ educ + u,

di mana intersep untuk pria adalah Bo dan intersep untuk wanita adalah ao. Tidak ada jebakan
variabel dummy dalam kasus ini karena kami tidak memiliki intersep secara keseluruhan. Namun,
formulasi ini hanya menawarkan sedikit, karena menguji perbedaan dalam intersep lebih sulit, dan
tidak ada cara yang secara umum disepakati untuk menghitung R-squared dalam regresi tanpa
intersep. Oleh karena itu, kami akan selalu menyertakan intersep keseluruhan untuk grup dasar.
Tidak banyak yang berubah ketika lebih banyak variabel penjelas dilibatkan. Dengan
menggunakan laki-laki sebagai kelompok dasar, model yang mengontrol pengalaman dan masa
kerja selain pendidikan adalah

Jika educ, exper, dan tenure adalah karakteristik produktivitas yang relevan, hipotesis nol tidak
ada perbedaan antara laki-laki dan perempuan adalah H 0 : δ0= 0. Hipotesis alternatifnya adalah
terdapat diskriminasi terhadap perempuan adalah H1: δ0 < 0.