Ekonometrika
• Econometrics: gabungan Economics dan Metrics atau
economic measurement (mengukur variabel-variabel
ekonomi) (Gujarati, 2004)
• Beberapa definisi tentang Econometrics:
– The quantitative analysis of actual economic phenomena based on the
concurrent development of theory and observation, related by
appropriate methods of inference (Samuelson, et al., 1954)
– The social science in which the tools of economic theory, mathematics,
and statistical inference are applied to the analysis of economic
phenomena (Goldberger, 1964)
– Concern with the empirical determination of economic laws (Theil,
1971)
• Istilah ekonometrika diperkenalkan tahun 1926 oleh
Ragner Frisch (pakar ekonomi dan statistik Norwegia)
2
Penggolongan Ekonometrika
1. Ekonometrika Teoritik
Terkait pengembangan metode-metode yang
cocok untuk mengukur hubungan-hubungan
ekonomi yang ditetapkan dalam model
ekonometrika.
2. Ekonometrika Terapan
Membahas penggunaan atau penerapan metode-
metode ekonomi yang telah dikembangkan
dalam ekonometrika teoritik.
3
Ekonometrika merupakan gabungan dari....
Econometrics
Gabungan ketiganya untuk analisis:
- Koefisien hubungan antar variabel
- Interpretasi hasil secara ekonomi
2. Estimasi (penaksiran)
Menghitung nilai estimasi koefisien hubungan
antar variabel ekonomi.
3. Forecasting (peramalan)
Meramal suatu variabel ekonomi tertentu di masa
yang akan datang.
5
Metode Ekonometrika
1. Economic theory
4. Data
6. Hypothesis testing
7. Forecasting or prediction
6
Tahapan Analisis Ekonometrika
Identifikasi dan perumusan masalah
Teori ekonomi dan konsep2 terkait
Kerangka Pemikiran
Kajian studi-studi terdahulu
Cross-Section
Data Primer
Pengumpulan Data Time Series
Data Sekunder
Panel
Univariate Multivariate
Regression Correlation
Correlation
AR, MA Regression Pooled
Regression
ARMA Granger Causality Fixed Effect
Multivariate
analysis ARIMA VAR Random Effect
ARCH, GARCH ECM, VECM
8
PANEL DATA
• Data panel merupakan observasi dari unit-unit yang sama
(cross-section) selama beberapa kurun waktu tertentu
(time series).
• Secara sederhana, data panel merupakan gabungan dari
data cross section dan time series
• Data umumnya diperoleh melalui survey yang berulang
atau dengan mengikuti perkembangan sample selama
beberapa kurun waktu.
• Nama lain data panel: Pooled Data, Longitudinal Data,
Event History Analysis, ataupun Cohort Analysis. (Gujarati,
2003)
9
PANEL DATA (2)
Beberapa keuntungan penggunaan data panel (Baltagi
dalam Gujarati, 2003):
• Dapat mengontrol unobserved heterogeneity
• Memberikan data yang lebih informatif, lebih bervariasi,
mengurangi kolinearitas antarpeubah, memperbesar
derajat kebebasan, dan lebih efisien.
• Dapat mempelajari bentuk perubahan individu yang
dinamis.
• Dapat mendeteksi dan mengukur efek suatu peubah
pada peubah lainnya dengan lebih baik
• Dapat digunakan untuk mempelajari model perilaku
(behavioral model) yang lebih kompleks
10
PANEL DATA (3)
Beberapa keterbatasan dalam data panel (Gujarati,2003):
• Masalah dalam desain survey panel, pengumpulan dan
manajemen data (masalah yang umum dihadapi di
antaranya: cakupan (coverage), kemampuan daya ingat
responden (recall), frekuensi dan waktu wawancara.
• Kesalahan pengamatan (measurement errors) yang
umumnya terjadi karena kegagalan respon (ex:
pertanyaan yg tdk jelas, ketidaktepatan informasi, etc).
• Masalah attrition (jumlah responden yang berkurang pada
survey lanjutan).
11
Model Umum Regresi Data Panel
•
Di mana:
i = 1, 2, …, N, menunjukkan rumah tangga, individu,
perusahaan, dsb (dimensi data silang)
t = 1, 2, …, T, menunjukkan dimensi deret waktu
α = koefisien intersep yang merupakan skalar
β = koefisien slope dengan dimensi Kx1, dimana K
adalah banyaknya peubah bebas
Yit = peubah tak bebas unit individu ke-i dan unit
waktu ke-t
Xit = peubah bebas untuk unit individu ke-i dan unit
waktu ke-t
Komponen Error
=+
Fixed Effect Model (FEM)
Hati-hati dalam menggunakan LSDV, karena:
1. Penggunaan variabel dummy yang terlalu banyak akan
meningkatkan dof, sehingga observasi akan kurang cukup
untuk menghasilkan analisis statistik yang bermakna.
2. Semakin banyak variabel yang terdapat di dalam model,
resiko kemungkinan terjadi multikolinearitas juga semakin
meningkat.
3. LSDV model tidak dapat mengidentifikasi dampak dari
variabel time invariant.
Fixed Effect Model (FEM)
•Hati-hati dalam menggunakan LSDV, karena:
4. Perlu berhati-hati dalam error term (). Hal tersebut karena
menunjukkan observasi secara cross section dan
menunjukkan observasi secara time series, sehingga asumsi
klasik untuk perlu dimodifikasi. Berikut beberapa
kemungkinannya:
– Varians dari error bersifat homoskedastis untuk semua
unit cross section, atau heteroskedastis
– Setiap individu tidak terjadi autokorelasi dari waktu ke
waktu, atau terjadi autokorelasi
– Error term berkorelasi antar individu, atau tidak
berkorelasi
Random Effect Model (REM)
•• Perbedaan karakteristik antar individu merupakan
komponen error sehingga perbedaan intercept untuk
masing-masing individu merupakan variabel
random/stokastik. Persamaan REM dapat ditulis sebagai
berikut (Gujarati, 2003):
α + i = 1,2, ..., n
α +) t = 1, 2, ..., T
α+
• Pada REM, metode OLS tidak bisa digunakan untuk
mendapatkan estimator yang efisien karena adanya korelasi
antara dan .
• Sehingga, metode yang digunakan untuk mengestimasi
parameter REM adalah GLS.
Random Effect Model (REM)
• Asumsi yang harus dipenuhi:
•
•
•
• untuk semua , , dan
• untuk atau
• untuk
Contoh
Contoh
• Model:
Di mana
Real value of the firm
Real capital stock
Real gross investment
Contoh
Dependent Variable: Y?
Model CEM
Method: Pooled Least Squares
Date: 10/24/14 Time: 09:06
Sample: 1935 1954
Included observations: 20
Cross-sections included: 4
Total pool (balanced) observations: 80
Effects Specification
Common Effect
Model
Uji Chow
Uji BP-LM Fixed Effect
Model Uji
Hausman
Random Effect
Model
(Baltagi, 2005)
Uji Chow (CEM vs FEM)
(seluruh intersep tidak memiliki efek individu )
dimana (sekurang-kurangnya terdapat satu intersep yang
memiliki efek individu )
(Greene, 2005)
Uji Hausman (REM vs FEM)
(tidak terdapat korelasi antara efek individu dengan variabel
independen )
(terdapat korelasi antara efek individu dengan variabel
independen )
REM mengasumsikan tidak ada korelasi antara variabel
independen dan efek individu [
FEM mengasumsikan ada korelasi antara variabel independen
dan efek individu [
(Baltagi, 2005)
Uji BP-LM (CEM vs REM)
atau (varians residual bersifat homoskedastis )
atau (varians residual bersifat heteroskedastis)
residual CEM
(Greene, 2003)
Pemeriksaan Struktur Varians-Kovarians
Residual
• Data panel yang merupakan data gabungan dari dimensi
ruang dan waktu akan memiliki struktur residual yang lebih
kompleks dibanding data cross section atau time series saja.
• Perlu dilakukan uji untuk mendeteksi pelanggaran asumsi
klasik pada data panel, khususnya asumsi homoskedastis
dan non-cross sectional correlation.
• Untuk menguji kedua asumsi tersebut dapat dilihat dari
struktur varians-kovarians residual yang dihasilkan.
Berdasarkan asumsi struktur matriks varians-kovarians errornya, ada 3
•metode estimasi (Greene, 2003):
Homoskedastis
Uji LM
Heteroskedastis
Uji
Ada cross-sectional
correlation
(Greene, 2003)
Uji LM
• Digunakan untuk melihat keheteroskedastisitas pada
struktur varians-kovarians pada residual yang dihasilkan.
50
Uji LLC
• Levin, Lin dan Chu (LLC) : uji UNIT ROOT bagi masing-
masing individu (cross-section) mempunyai keterbatasan
dalam hipotesis alternatif. Hal ini disebabkan secara
persisten terjadi deviasi yang cukup besar terhadap
keseimbangannya, terutama terjadi pada ukuran sample
yang kecil.
• Oleh karena itu, disarankan suatu uji UNIT ROOT bagi DATA
PANEL yang lebih powerful daripada hanya uji pada masing-
masing cross-sectionnya.
Uji LLC
• Uji LLC dinyatakan dalam persamaan berikut:
pi
Dyit = ri yi ,t -1 + iL Dyi ,t - L + zit + uit
L =1
zit - fixed / random effect
• Karena ordo lag tidak diketahui, maka perlu
dilakukan tiga tahap prosedur uji LLC:
1. Lakukan uji Augmented Dickey-Fuller (ADF)
masing-masing secara terpisah
2. Lakukan estimasi long-run standard deviation
melalui persamaan s) = 1 �Dy + 2�w �
2
yi �
1 T
�Dy Dy
2
it
k
)
T
it i .t - L
�
�
T -1 T
� - 1
t =2 L =1
KL
t = 2+ L �
3. Hitung uji statistik untuk panel dengan
mengestimasi pooled regresi persamaan:
it = rn i ,t + e it
e% % %
Uji LLC
• Adjusted t-statistic:
t - %%sˆ -%2sˆ ( rˆ ) m * %
NTS
t r* = r N e mT
sˆ mT
*
%
54
Uji IPS
• Uji LLC sangatlah terbatas dimana dalam uji ini diperlukan r
yang homogen sepanjang cross-section (i).
• Oleh karena itu, IPS mempertimbangkan koefisien yang
heterogen dan mengusulkan alternatif prosedur pengujian
berdasarkan rata-rata uji UNIT ROOT masing-masing
individu dengan mengggunakan uji ADF.
• Hipotesis nol menyatakan bahwa masing-masing series
dalam panel mengandung UNIT ROOT (untuk setiap i) dan
hipotesis alternatifnya bahwa beberapa (tetapi tidak
semua) series individu yang mempunyai UNIT ROOT
Uji IPS
• t statistic uji IPS merupakan rata-rata t-statistik uji ADF
masing-masing cross-section, yakni
N
1
t =
N
�tr
i =1
i
57