Contoh Soal dan Pembahasan:

Estimasi parameter, Koefisien

determinasi, interval konfidensi, dan
uji hipotesis
Contoh: estimasi model regresi untuk
teori Keynes (data hipotetik) [Lanj.]
 (X-Xbar) * u=Y-
Yi Xi XiYi X2 X-Xbar Y-Ybar (X-Xbar)2 (Y-Ybar)2 Yhat Yhat
u2
(Y-Ybar)
70 80 5600 6400 -90 -41 8100 1681 3690 65.18 4.82 23.21
65 100 6500 10000 -70 -46 4900 2116 3220 75.36 -10.36 107.42
90 120 10800 14400 -50 -21 2500 441 1050 85.55 4.45 19.83
95 140 13300 19600 -30 -16 900 256 480 95.73 -0.73 0.53
110 160 17600 25600 -10 -1 100 1 10 105.91 4.09 16.72
115 180 20700 32400 10 4 100 16 40 116.09 -1.09 1.19
120 200 24000 40000 30 9 900 81 270 126.27 -6.27 39.37
140 220 30800 48400 50 29 2500 841 1450 136.46 3.54 12.56
155 240 37200 57600 70 44 4900 1936 3080 146.64 8.36 69.91
150 260 39000 67600 90 39 8100 1521 3510 156.82 -6.82 46.52
20550 32200 1110.0
Total 1110 1700 0 0 0 0 33000 8890 16800 2 -0.01 337.27
rata2 111 170 20550 32200 0 0 3300 889 1680 111.00 0.00 33.73
 n

 X i  X Yi  Y 
16800
ˆ1  Y  ˆ2 X
ˆ2  i 1
n
  0.5091  111  (0.5091)(170)
 X X
2 33000
i  24.4545
i 1
Interpretasi:

Yˆ  24.4545  0.5091X
Model Estimasi Setiap kenaikan 1$
pendapatan (X)

 
akan meningkatkan
uˆ 
2

 2 Yi  Yˆi 337.27 pengeluaran (Y)

 
ˆ 2
= i
= =42.1584
n2 n2 8 sebesar $0.5091

ˆ 2  X 2
 
var ˆ1 
n  X i  X 
2

42.1584(322000)
10(33000)
 41.14  
se ˆ1  41.14  6.414

ˆ 2
 
var ˆ2  
42.1584
 0.001277 se(ˆ2 )  0.001277  0.0357
 X X
2
i
33000
 Koefisien determinasi
ESS RSS
R 
2
 1
TSS TSS Interpretasi: 96.2%
keragaman pengeluaran
  
2
ˆ
Yi  Yi dapat dijelaskan oleh
 1 variabel pendapatan,

 Yi  Y 
2 sedangkan 3.8% sisanya
oleh variabel lain diluar
model
337.27
 1
8890
 1  0.0379
 0.962
  Interval Konfidensi 95% β1
H 0 : 1  0
H1 : 1  0

ˆ2  24.4545, se(1 )  6.414,   05, t 0.025,8  2.306

 2
   
P ( ˆ1  1 )  t ,n 2 se ˆ1  1  ( ˆ1  1 )  t  ,n  2 se ˆ1   1  
2 
P  (24.4545  0)  2.306.(6.414)  1  (24.4545  0)  2.306.(6.414)  0.95
P  24.4545  14.79  1  24.4545  14.79  0.95
P 9.6645  1  39.2445  0.95
 Interval Konfidensi 95% β2
H 0 : 2  0
H1 :  2  0

ˆ2  0.5091, se(2 )  0.0357,   05, t 0.025,8  2.306

 2
   
P ( ˆ2   2 )  t ,n 2 se ˆ2   2  ( ˆ2   2 )  t  ,n 2 se ˆ2   1  
2 
P  (0.5091  0)  2.306(0.0357)  1  (0.5091  0)  2.306.(0.0357)  0.95
P  0.5091  0.0823  1  24.4545  0.0823  0.95
P  0.4268  1  0.5914  0.95
 Uji Hipotesis β1
H 0 : 1  0
H1 : 1  0
 Kriteria: Ho ditolak jika │t│> tα/2,n-2
ˆ2   2 ˆ2 24.4545
t    3.813
 
se ˆ2  
se ˆ2 6.414

t 0.025,8  2.306
 Keputusan: Ho ditolak
 Uji Hipotesis β2
H 0 : 2  0
H1 :  2  0
 Kriteria: Ho ditolak jika │t│> tα/2,n-2
ˆ2   2 ˆ2 0.5091
t    14.2605
se ˆ2   se ˆ2  
0.0357

t 0.025,8  2.306
 Keputusan: Ho ditolak