Ekonometrika

Program Studi Statistika, semester Ganjil 2012/2013

Dr. Rahma Fitriani, S.Si., M.Sc

 Model Regresi Non Linier
 Konteksnya: Intrinsically non linier models
 Dengan transformasi apapun tidak dapat membuat model
menjadi linier dalam parameter.

1 Semuanya masih
Yi  1   2  ui Model reciprocal
Xi intrinsically linier
Yi  1   2 ln X i  ui Model semilogarithmic

ln Yi  1  2 X i  ui Model inverse semilogarithmic

lnYi  ln  1   2 ln X i  ui Model double logarithmic

1
ln Yi  1   2  ui Model logarithmic reciprocal
Xi
Menjadi linier dengan transformasi ln

Intrinsically linier

Dengan transformasi ln dan trik:

Intrinsically linier: model

regresi logistik
Contoh: Fungsi Produksi Cobb Douglas 1
 Y = output
 X1 = input tenaga kerja
 X2 = input modal

 Dengan transformasi ln, model menjadi linier: intrinsically

linier
Contoh: Fungsi Produksi Cobb Douglas 2
 Dengan peubah yang sama
 Unsur galat bersifat multiplikatif bersama-sama peubah yang
lain

 Dengan transformasi ln, model menjadi linier: intrinsically

linier
Contoh: Fungsi Produksi Constant Elasticity
of Substitution (CES)
 Y = output
 A = parameter skala
 K = input modal
 δ = parameter distribusi, 0<δ<1
 β = parameter substitusi, β≥-1

 Apapun bentuk galat dan hubungannnya dengan peubah

yang lain, model tidak dapat dibuat linier dalam parameter
 Intrinsically non linier model
Pendugaan Parameter Model Non Linier
 Tetap dengan prinsip meminimumkan jumlah kuadrat galat
 Masalah: tidak dapat diperoleh solusi secara analitik untuk
persamaan normal
 Solusi diperoleh secara iteratif dengan menggunakan
metode numerik
 Steepest descent
 Newton Rhapson
Jumlah kuadrat galat pada model non linier
 Contoh: exponential regression model

 Untuk mengukur pertumbuhan GDP atau supply uang

 Jumlah kuadrat galat:

ui2  Yi  1 e  X 
2
2 i

i i
Pendugaan Parameter dengan fungsi Non
Linier Least Square
 Pada eviews atau Gretl terdapat dialog box untuk mengetikkan
perintah Non Linier Least Square (NLS)
 Dibutuhkan definisi nilai awal parameter yang digunakan
 Definisi fungsi
 Turunan pertama dari masing-masing parameter
Contoh Fee vs Asset
 Fees = uang yang harus dibayarkan untuk menyewa jasa
penasehat untuk me-manage asset
 Asset = nilai asset perusahaan
 Perusahaan dengan nilai asset besar tidak terlalu membutuhkan
jasa penasehat.
Contoh Dialog Box NLS pada Gretl
 Untuk menduga parameter dari model berikut:
Fee  1e  2 Asset

Definisi dari nilai awal

parameter

Definisi dari fungsi

Turunan pertama dari

masing-masing
parameter
Pendugaan Parameter dengan fungsi Non
Linier Least Square
 Model 3: NLS, using observations 1-12
 Fee = beta1*exp(beta2*Asset)

 estimate std. error t-ratio p-value

 ----------------------------------------------------------
 beta1 0.508802 0.00736005 69.13 9.78e-015 ***
 beta2 -0.00592068 0.000477622 -12.40 2.15e-07 ***

 Mean dependent var 0.432737 S.D. dependent var 0.049803

 Sum squared resid 0.001656 S.E. of regression 0.012869
 R-squared 0.939304 Adjusted R-squared 0.933235
 Log-likelihood 36.30232 Akaike criterion -68.60465
 Schwarz criterion -67.63483 Hannan-Quinn -68.96371
Perlu diperhatikan dalam NLS
 Hasil pengujian, t, F hanya berlaku valid jika ukuran sampel
cukup besar
 R2 tidak valid jika ukuran sampel kecil
 Walaupun galat menyebar normal, untuk ukuran sampel
kecil penduga NLS tidak menyebar normal, tidak bias dan
tidak mempunyai ragam kecil.
 Hasil pengujian di output sebelumnya berlaku secara
asimptotik jika sampel berukuran besar.