Anda di halaman 1dari 20

Ekonometrika

PERTEMUAN 1
Agenda
 Silabus
 Kontrak perkuliahan
 Gambaran umum ekonometrika
 Materi 1 : Jenis data
Kontrak Perkuliahan
1. Tugas Individu
2. Kuis 1 dan 2
3. UTS
4. UAS
5. Final Project (kelompok)

 Ketua kelas ?
Materi semester ini
1. Pengantar ekonometrika
2. Jenis data
3. Review statistika deskriptif dan inferensi
4. Regresi sederhana
5. Regresi berganda
6. Regresi dengan variabel dummy
Referensi:
Gujarati, D. N. (2009). Basic econometrics. Tata McGraw-Hill Education.
Wooldridge, J. M. (2015). Introductory econometrics: A modern approach. Nelson Education.
Setiawan, D., & Kusrini, E. (2010). Ekonometrika. Yogyakarta: Andi.
Pengertian Ekonometrika
P.A. Samuelson dan T.C. Koopmans
Ekonometrika merupakan analisis kuantitatif dari
fenomena-fenomena ekonomi yang sebenarnya (aktual)
yang didasarkan pada pengembangan yang bersamaan
antara teori dengan pengamatan, yang dihubungkan
dengan metode inferensi yang sesuai.
 
Pengertian Ekonometrika menurut Arthur S.
Goldberger yaitu sebagi ilmu sosial dimana alat-alat
teori ekonomi, statistik dan matematika inferensi
diterapkan untuk menganalisis fenomena-fenomena
ekonomi.

 Suatu bidang ilmu yang merupakan perpaduan atau kombinasi dari ilmu ekonomi (economic theory),
matematika ekonomi (mathematical economics) dan statistik (statistics) untuk menganalisis teori
ekonomi secara kuantitatif berdasarkan data empiris.
Contoh: Hukum permintaan
“Semakin turun tingkat harga, maka semakin banyak jumlah barang yang tersedia diminta,
dan sebaliknya semakin naik tingkat harga semakin sedikit jumlah barang yang bersedia
diminta.”
Pada hukum permintaan berlaku asumsi ceteris paribus. Artinya hukum permintaan tersebut
berlaku jika keadaan atau faktor-faktor selain harga tidak berubah (dianggap tetap).

Ekonometrika: menjelaskan hubungan antar variabel


dengan ukuran numerik
Contoh:
Apabila harga bertambah sebesar …. Rupiah, maka
kuantitas barang yang diminta akan bertambah
sebesar …. unit
Macam Data
Intern Ekstern Primer Sekunder
Data dari suatu badan Data yang diperoleh Data ekstern yang Data yang diperoleh
yang Dikumpulkan oleh dari luar badan yang diperoleh dari hasil dari pihak lain atau
badan itu untuk memerlukannya dari hasil penelitian
kepentingan sendiri penelitian sendiri.
orang lain

Kualitatif Kuantitatif Diskrit Kontinu


Data yang tidak Data yang Data yang satuannya Data yang satuannya
dinyatakan dalam dinyatakan dapat berupa
selalu bulat dalam
satuan angka tetapi dengan bilangan pecahan
bilangan asli, tidak
dinyatakan dalam
menggunakan boleh berbentuk
kategori, golongan atau
angka pecahan
sifat dari data tersebut
Skala Data
1. Skala Nominal
2. Skala Ordinal
3. Skala Interval
4. Skala Rasio

Kualitatif  Skala nominal dan ordinal


Kuantitatif  Skala Interval dan rasio
Data digabungkan pada kriteria yang jelas dan tegas serta bersifat diskrit.
Antar kelompok tidak dapat dikatakan yang satu lebih tinggi dari yang lain.
Skala Contoh : jumlah karyawan di Jawa=30, Sunda= 20, Bali= 15,
Nominal
Data dikumpulkan pada urutan. Tidak dapat membedakan nilai data antar
kelompok sehingga tidak dapat dipergunakan dalam perhitungan.
Skala Contoh : pengelompokan penghasilan dari rendah, sedang dan tinggi
Ordinal

Dipergunakan untuk menunjukkan adanya pengelompokan yang yang


mempunyai besaran yang sama. Pada skala ini nilai 0 mempunyai arti
Skala yang relatif bukan harga 0 secara mutlak
Contoh : suhu 0-50°C (titik awal pengukuran bukan berarti tidak
Interval
mempunyai nilai suhu)

Hampir sama dengan skala interval namun pada skala rasio, nilai 0
merupakan nilai mutlak. Data pada skala rasio dapat dijumlahkan,
Skala dikurangkan, dikalikan dan dibagi.
Rasio Contoh : Berat 0-50Kg. Berat A = 8Kg, 2 kali lebih berat dari berat B.
The Nature of Econometrics
and Economic Data
Econometric analysis requires data

Different kinds of economic data sets

Cross-sectional data

Time series data

Pooled cross sections

Panel/Longitudinal data

Econometric methods depend on the nature of the data used

Use of inappropriate methods may lead to misleading results

© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
The Nature of Econometrics
and Economic Data
Cross-sectional data sets

Sample of individuals, households, firms, cities, states, countries,

or other units of interest at a given point of time/in a given period

Cross-sectional observations are more or less independent

For example, pure random sampling from a population

Sometimes pure random sampling is violated, e.g. units refuse to

respond in surveys, or if sampling is characterized by clustering

Cross-sectional data typically encountered in applied microeconomics

© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
The Nature of Econometrics
and Economic Data
Cross-sectional data set on wages and other characteristics

Indicator variables
(1=yes, 0=no)

Observation number Hourly wage

© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
The Nature of Econometrics
and Economic Data
Cross-sectional data on growth rates and country characteristics

Growth rate of real Government consumtion Adult secondary


per capita GDP as percentage of GDP education rates

© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
The Nature of Econometrics
and Economic Data
Time series data
Observations of a variable or several variables over time
For example, stock prices, money supply, consumer price index,
gross domestic product, annual homicide rates, automobile sales, …
Time series observations are typically serially correlated
Ordering of observations conveys important information
Data frequency: daily, weekly, monthly, quarterly, annually, …
Typical features of time series: trends and seasonality
Typical applications: applied macroeconomics and finance

© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
The Nature of Econometrics
and Economic Data
Time series data on minimum wages and related variables

Average minimum Average Unemployment Gross national


wage for given year coverage rate rate product

© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
The Nature of Econometrics
and Economic Data
Pooled cross sections
Two or more cross sections are combined in one data set
Cross sections are drawn independently of each other
Pooled cross sections often used to evaluate policy changes
Example:
• Evaluate effect of change in property taxes on house prices
• Random sample of house prices for the year 1993
• A new random sample of house prices for the year 1995
• Compare before/after (1993: before reform, 1995: after reform)

© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
The Nature of Econometrics
and Economic Data
Pooled cross sections on housing prices Property tax
Size of house
in square feet

Number of bathrooms

Before reform

After reform

© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
The Nature of Econometrics
and Economic Data
Panel or longitudinal data
The same cross-sectional units are followed over time
Panel data have a cross-sectional and a time series dimension
Panel data can be used to account for time-invariant unobservables
Panel data can be used to model lagged responses
Example:
• City crime statistics; each city is observed in two years
• Time-invariant unobserved city characteristics may be modeled
• Effect of police on crime rates may exhibit time lag

© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
The Nature of Econometrics
and Economic Data
Two-year panel data on city crime statistics

Each city has two time


series observations

Number of
police in 1986

Number of
police in 1990

© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
Tugas Individu
1. Jelaskan definisi dari istilah-istilah berikut:
 Kausalitas (Causality)
 Regresi (Regression)
 Korelasi (Correlation)
Jelaskan hubungan dan perbedaan antar ketiganya!
(NB: Tulis di buku, dikumpulkan minggu depan)