Ekonometrika

Program Studi Statistika

Semester Ganjil 2012

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

Analisis lanjut di dalam Regresi Linier
 Skala dan unit pengukuran
 Pemilihan bentuk fungsional
 Perbandingan R2

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

Skala dan unit pengukuran
 Contoh kasus:
 Hubungan antara jumlah investasi swasta pada suatu daerah
dengan pendapatan daerah tersebut
 Jumlah investasi adalah fungsi dari pendapatan daerah
 Jumlah investasi swasta: GPDI
 Pendapatan daerah: GDP
 Keduanya diukur di dalam dua satuan:
 Jutaan dollar (Millions of dollar): GPDI_Mil dan GDP_Mil
 Trilyunan dollar (Billions of dollar): GPDI_Bil dan GDP_Bil

 GPDI_Mil = GPDI_Bil × 1000

 GDP_Mil = GDP_Bil × 1000

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

Tahun GPDI(Bil) GDP(Bil) GPDI(Mil) GDP(Bil)

1988 828.2 5865.2 828200 5865200

1989 863.5 6062 863500 6062000

1990 815 6136.3 815000 6136300

1991 738.1 6079.4 738100 6079400

1992 790.4 6244.4 790400 6244400

1993 863.6 6389.6 863600 6389600

1994 975.7 6610.7 975700 6610700

1995 996.1 6761.6 996100 6761600

1996 1084.1 6994.8 1084100 6994800

1997 1206.4 7269.8 1206400 7269800

Dr. Rahma Fitriani, S.Si., M.Sc
Hasil Pendugaan
 Model dalam Jutaan (Million)
^GPDI_Mil_ = -1.03e+06 + 0.302*GDP_Mil
(2.58e+05) (0.0399)

T = 10, R-squared = 0.877

(standard errors in parentheses) Koefisien intercept
dan standar error
pada model Jutaan
 Model dalam Trilyun (Billion) adalah 1000 kali
model Trilyun
^GPDI_Bil_ = -1.03e+03 + 0.302*GDP_Bil_
(258) (0.0399)

T = 10, R-squared = 0.877

(standard errors in parentheses)

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

 Jika perubahan skala dilakukan pada kedua peubah: eksogen maupun
endogen
 Efek dari perubahan skala pada intercept:
 Intercept tergantung pada skala peubah endogen (Y)
 Gradien tidak mengalami perubahan
 Efek dari perubahan per unit peubah eksogen terhadap perubahan peubah
endogen
 Rasio kedua perubahan tersebut: ∆Y/∆X
 Pemilihan skala harus masuk akal dan paling sederhana
 Trilyun vs Juta
 Trilyun memuat lebih sedikit nol: lebih sederhana

skala : w  1000
Y Y * w  Y  Y
2  Y * ( Mil )  w  Y ( Bil ) 2 *   
X X * w  X  X
X * ( Mil )  w  X ( Bil )

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

Bagaimana jika yang
diubah skalanya hanya
salah satu peubah?

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

 GDIP tetap dalam satuan Trilyun (Bil), tapi GDP menggunakan
satuan Juta (Mil)
^GPDI_Bil_ = -1.03e+03 + 0.302*GDP_Bil_ Intercept tidak
(258) (0.0399) berubah: mengikuti
skala dari peubah
T = 10, R-squared = 0.877 endogen (GPDI)
(standard errors in parentheses)

^GPDI_Bil_ = -1.03e+03 + 0.000302*GDP_Mil Gradien mengalami

(258) (3.99e-05) perubahan,
mengikuti
T = 10, R-squared = 0.877 perubahan skala:
(standard errors in parentheses)
1/1000 dari
gradien model
awal
Dr. Rahma Fitriani, S.Si., M.Sc
 Y
2 
X

Y *  Y ( Bil )
skala : w  1000
X * ( Mil )  w  X ( Bil )

Y * Y 1 Y 1
2 *     2
X * w  X  w X w

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

Mengukur Elastisitas: Model Log Linier
 Data pengeluaran per kapita setiap kuartal dari tahun 1993
(kuartal I) s/d 1998 (kuartal III)

 Berdasarkan data total pengeluaran pribadi, ingin diukur berapa

pengeluaran untuk barang tahan lama (“durable”)

 Peubah yang diamati adalah

 PCEXP: Total pengeluaran pribadi perkapita (jutaan dollar 1992)
 EXPDUR: Pengeluaran untuk durable goods (jutaan dollar 1992)
 EXPDUR: endogen, PCEXP: eksogen

 Ingin diukur elastisitas total pengeluaran terhadap pengeluaran

terhadap durable goods

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

 Plot Model Linier EXPDUR vs PCEXP
EXPDUR versus PCEXP (with least squares fit)
1600
Y = 342. + 0.233X

1550

1500
EXPDUR

1450

1400

1350

1300
4300 4400 4500 4600 4700 4800 4900 5000 5100 5200
PCEXP

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

 Plot log EXDUR vs log PCEXP
l_EXPDUR versus l_PCEXP (with least squares fit)
7.36
Y = 0.815 + 0.764X

7.34

7.32

7.3
l_EXPDUR

7.28

7.26

7.24

7.22

7.2

7.18
8.36 8.38 8.4 8.42 8.44 8.46 8.48 8.5 8.52 8.54
l_PCEXP

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

 Kedua model menunjukkan hubungan linier yang nyata.
 Model yang digunakan sesuai dengan tujuan:
 Memperoleh koefisien elastisitas dari total pengeluaran pribadi
terhadap pengeluaran untuk durable goods
 Model log-linier lebih tepat:
 β2 mengukur koefisien elastisitas

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

Pendugaan untuk kedua Model
1 juta $ kenaikan total
^EXPDUR = 342 + 0.233*PCEXP pendapatan pribadi
(18.4)(0.00393) menaikkan pengeluaran
untuk durable goods
T = 23, R-squared = 0.994
(standard errors in parentheses)
sebesar 0.233 juta $

^l_EXPDUR = 0.815 + 0.764*l_PCEXP 1 % kenaikan total

(0.107) (0.0127) pendapatan pribadi
menaikkan pengeluaran
T = 23, R-squared = 0.994
untuk durable goods
(standard errors in parentheses)
sebesar 0.764%

Kedua model berarti secara statistik

KOEFISIEN
ELASTISITAS
Dr. Rahma Fitriani, S.Si., M.Sc
Mengukur Laju Pertumbuhan: Log-Lin
Model
 Data pengeluaran per kapita setiap kuartal dari tahun 1993 (kuartal
I) s/d 1998 (kuartal III)

 Peubah yang diamati adalah

 PCEXP: Total pengeluaran pribadi perkapita (jutaan dollar 1992)

 Ingin diukur laju pertumbuhan dari total pengeluaran pribadi per

kapita dari waktu t ke waktu t+1

 Digunakan peubah index waktu

 1993: I → 1
 1993: II → 2
 1993: III → 3
 dst

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

 Model pertumbuhan:

Yt  Y0 1  r 
t

Nilai pada Nilai pada r: persentase pertumbuhan

waktu t waktu awal relatif terhadap awal

ln Yt  ln Y0  t ln 1  r 

ln Yt  1  t 2
dY % perubahan Y Laju
d ln Yt  2  100% 
t

2  
Yt
setiap 1 unit waktu pertumbuhan
dt dt
Dr. Rahma Fitriani, S.Si., M.Sc
Pendugaan Model Log-Lin
^l_PCEXP = 8.35 + 0.00814*time Dari kuartal t ke
(0.00266)(0.000194) kuartal t +1
pengeluaran
T = 23, R-squared = 0.988
pribadi meningkat
(standard errors in parentheses)
sebesar 0.814%

Log dari pengeluaran pribadi pada

t=0: 8.35

ln PCEXP0  1  8.35
PCEXP0  exp( 8.35)  4230.81

Pengeluaran pribadi pada t = 0: tahun 1992:

IV, sebesar 4230.81 juta dollar

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

Engel Expenditure Model: Lin log Model
 Hubungan antara pengeluaran untuk makanan dan total pengeluaran.

 Pengeluaran untuk makanan tergantung dari total pengeluaran.

 Engel Expenditure:
 Total pengeluaran meningkat secara geometrik
 Total pengeluaran untuk makanan meningkat secara aritmatik

 Data pengeluaran untuk makanan vs total pengeluaran pada 28 daerah di

India

 Linier model:
 Pengeluaran untuk makanan= f (Total Pengeluaran)

 Lin Log model:

 Pengeluaran untuk makanan= f(ln Total Pengeluaran)
Dr. Rahma Fitriani, S.Si., M.Sc
 Total Pengeluaran (X) vs Pengeluaran untuk
Makanan (Y)
450
Pengeluaran Untuk
Makanan 400

350

300

250
Linier model
200

150

100

50 Total Pengeluaran
0
0 100 200 300 400 500 600 700

450
Pengeluaran Untuk
400
Makanan
350
300
250 Lin-Log model
200
150
100
50 Ln Total Pengeluaran
0
5.9 6 6.1 6.2 6.3 6.4 6.5 6.6

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

 Yi  1   2 ln X i

dY dY
2   dX
d ln X X

dX  2 dX
dY   2  100%
X 100 X

1% perubahan
2 1 unit perubahan Y
 X
100 1% perubahan X

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

Linier ^FoodExp = 104 + 0.412*TotExp 1 Rupee peningkatan total
Model (62.8)(0.113) pengeluaran meningkatkan
kenaikan pengeluaran untuk
n = 28, R-squared = 0.337 makanan sebesar 0.412 rupee
(standard errors in parentheses)

Lin-Log ^FoodExp = -1.03e+03 + 216*l_TotExp

Model (359) (57.0)

n = 28, R-squared = 0.357

(standard errors in parentheses)

1 % peningkatan total 1 Rupee peningkatan total

pengeluaran meningkatkan pengeluaran meningkatkan
kenaikan pengeluaran untuk kenaikan pengeluaran untuk
makanan sebesar 2.16 rupee. makanan sebesar 2.16 %

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

Pemilihan bentuk fungsional berdasarkan
perbandingan nilai R2
 Perbandingan dua nilai R2 boleh dilakukan pada:
 Dua atau beberapa model dengan peubah endogen (Y) dengan bentuk fungsional
yang sama
 Ukuran sampel yang sama
 Bentuk fungsional peubah eksogen boleh berbeda

 Semakin tinggi R2 tidak berarti semakin baik modelnya

 Yang utama dalam pemilihan model
 Kesesuaian tanda dari penduga koefisien dengan teori ekonomi yang mendasari
 Keberartian penduga koefisien tersebut secara statistik

 Peneliti harus lebih memperhatikan hubungan logis/teoritis dari peubah

eksogen terhadap peubah endogen

 Jika penduga koefisien nyata secara statistik, dengan tanda sesuai dengan
teori:
 Model tetap dianggap baik walaupun R2 kecil.

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