MODUL PRAKTIKUM 4

INTRODUCTION TO ECONOMETRICS 2024

FAKULTAS EKONOMI DAN BISNIS – UNIVERSITAS PADJADJARAN
PENYUSUN : TIM DOSEN DAN ASISTEN INTRODUCTION OF ECONOMETRICS
PRAKTIKUM 4 : SCATTERPLOT, CORRELATION, COVARIANCE, FITTED VALUES,
RESIDUALS, PERFECT COLLINEARITY, DATA SCALING, LOGARITHMIC FORM,
QUADRATIC FORM.
DATA : ceosal1.dta dan wage1.dta

Scatterplot, Correlation, Covariance, Fitted Values, Residuals, Perfect Collinearity.

1. Ganti direktori kerja ke folder stata_nama.

cd "C:\Devi_stata"

2. Buat global untuk data, log, dan output.

global data "C:\Devi_stata\data"
global data "C:\Devi_stata\logfile"
global output "C:\Devi_stata\output"

3. Buat log file dengan nama latihanlab4.

log using "$log/latihanlab4"

4. Gunakan file ceosal1.dta dari Boston College.

bcuse ceosal1.dta

5. Lihat summary statistics-nya:

● Berapakah rata-rata untuk variabel salary?

Desc, sum

6. Berapakah nilai maksimum untuk variable roe?

*rata2 var salary : 1281.12
*nilai maks variabel roe : 56,3

7. Buatlah scatter plot antara salary dan roe.

scatter salary roe

8. Buatlah scatter plot antara salary dan roe dengan keterangan yline dan xline.
Hint : nilai yline dan xline adalah mean dari setiap variabel
scatter salary roe, yline(1281.12) xline(17.18421)

9. Hitunglah angka korelasi dari salary dan roe. Seberapa kuat hubungan antara salary dan roe?
correl salary roe
 *kesimpulan bahwa hub. antara salary dgn roe adalah 0.1148 atau sangat lemah

10. Hitunglah angka covariance dari salary dan roe.

correl salary roe, cov
*hub. antara variabel salary dan roe bersifat positif sebesar 1342.54

11. Lakukan estimasi pengaruh roe terhadap salary.

reg salary roe
kesimpulan : apabila terdapat 2 orang dengan karakteristik yang sama, namun salah satunya memiliki
tingkat roe lebih besar 1 satuan, maka salarynya lebih besar 18.50119 satuan. ceteris paribus.

12. Hitung predicted values untuk salary dengan nama salaryhat.

predict salaryhat
br

13. Hitung residual dari regresi tersebut.

predict resid, residual

14. Lihat tampilan spreadsheet untuk salary, predicted values dari salary, dan residual.
br salary salaryhat resid

15. Buat garis regresi pada scatter plot antara salary dan roe.
scatter salary roe || lfit salaryhat roe

16. Buang outlier pada variabel salary yang memiliki nilai lebih dari 5500.
drop if salary >5500

17. Lakukan regresi ulang, apa yang berubah? Bagaimana interpretasi koefisien variabel roe?
reg salary roe
*konstanta : model ini memprediksi bahwa tanpa dipengaruhi variabel apapun, salary/upah yg
diterima adalah sebesar 878.1615. ceteris paribus
*koefisien roe : apabila terdapat 2 individu dengan karakteristik yang sama namun salah satu
individunya memiliki tingkat roe/tingkat pengembalian modal lebih tinggi 1 satuan, maka individu
tersebut memiliki upah lebih besar rata-rata 15.30312 satuan/dollar dibandingkan individu lainnya.
ceteris paribus

18. Buat ulang garis regresi pada scatter plot antara salary dan roe.
scatter salary roe || lfit salaryhat roe

jgn lupa clear dulu

Data Scaling, Logarithmic Form, and Quadratic Form
1. Bukalah data wage1 dari Boston College dan buatlah variabel baru bentuk logaritma dari upah
(wage)
bcuse wage1.dta
gen wagelog=log(wage)

2. Lakukan Estimasi pengaruh tingkat pendidikan (educ), pengalaman (exper), terhadap upah
(wage) dan lakukan hal sama tetapi dengan menggunakan variabel logaritma dari upah.
Lakukan interpretasi dan bandingkan hasil estimasi dari kedua model.
reg wage educ exper
reg wagelog educ exper
*interpretasi regresi pertama wage
*interpretasi exper : jika terdapat 2 individu dengan karakteristik yg sama, namun salah satunya
memiliki tingkat pengalaman lebih tinggi 1 tahun, maka rata-rata gaji/wage yang diterima lebih
tinggi sebesar 0.07 satuan dibandingkan individu yang lain. ceteris paribus
*interpretasi educ : jika terdapat 2 individu dengan karakteristik yang sama, namun salah
satunya memiliki tingkat pendidikan lebih tinggi 1 tahun, maka rata-rata gaji/wage yang
diterima lebih besar sebesar 0.64 satuan dibandingkan individu lain. ceteris paribus.

*interpretasi regresi kedua wagelog

*interpretasi exper : jika terdapat 2 individu dengan karakteristik yang sama, namun salah
satunya memiliki tingkat pengalaman lebih tinggi 1 tahun, maka rata-rata gaji/wage yang
diterima lebih tinggi sebesar 7.7% dibandingkan individu yang lain. ceteris paribus.
*interpretasi educ : jika terdapat 2 individu dengan karakteristik yang sama, namun salah
satunya memiliki tingkat pendidikan lebih tinggi 1 tahun, maka rata-rata gaji/wage yang
diterima lebih besar sebesar 10.3% dibandingkan individu lain. ceteris paribus.

3. Cek variabel dan buatlah variabel baru pada tingkat pengalaman (exper) satuan tahun menjadi
tingkat pengalaman dengan satuan bulanan
gen monthlyexper=exper*12

4. Lakukan Regresi pengaruh pengalaman (exper), gender (female) , tingkat pendidikan (educ)
terhadap upah (wage). Lakukan juga regresi yang sama tetapi dengan menggunakan variabel
baru tingkat pengalaman dalam satuan bulanan. Apakah ada perbedaan di antara kedua model?
reg wage exper female educ
reg wage monthlyexper female educ
 *interpretasi perbedaan : perbandingan dari regresi yang ada menunjukkan bahwa koefisien yang
berubah hanya exper saja, dan begitupun dengan st. error yang berubah hanya exper saja. sedangkan
nilai yang lain, yaitu p value dan rquared tetap/tidak berubah.

5. Tutup log file

Log close, clear