FAKULTAS EKONOMI
UNRAM
DR. Iwan HARSONO,SE,.M.Ec
EKONOMETRIKA
Sebagai Suatu Ilmu
Statistik Ekonomi:
Berhubungan dgn pengumpulan, pemrosesan dan
penyajian data ekonomi dalam grafik dan tabel.
Model Ekonomi:
Konstruksi teoritis atau kerangka analisis ekonomi
yang terdiri dari himpunan konsep, definisi, asumsi,
persamaan, kesamaan (identitas) dan ketidak-
samaan darimana kesimpulan akan diturunkan.
CIRI-CIRI MODEL EKONOMETRIKA
Theorytical Plausibility
Explanatory ability
Accuracy of the estimated of the
parameters
Forecasting ability
Simplicity
Pernyataan Teori Ekonomi
Pengujian teori ekonomi yang menjadi
dasar/acuan suatu penelitian.
Model Matematika:
Teori yang sudah dinyatakan dispesikasikan
ke dlm bentuk model (persamaan)
matematika
Fungsi konsumsi Keynes:
C=a+bY
a = parameter konstanta, a > 0.
b = parameter slope, 0<MPC<1.
Pengumpulan Data
Sumber data
Definisi
Jenis
Cross section
Time series
Panel (Gabungan Cross section dan time
series)
Estimasi Model
Identifikasi Model:
Prosedur utk mendapatkan koefisien parameter
Menentukan apakah hubungan dpt diestimasi
secara statistik
Berhubungan dg masalah perumusan model
Misal:
Qd = f(P) : Demand
Qs = f(P) : Supply
Qd = Qs : Market clearance
Model diatas meragukan, krn apakah koefisien
parameter milik Qd atau Qs.
perlu penambahan variabel shifter
Estimasi Model
Simultaneous equation:
Three Stage Least Squares (3SLS)
Full Information of Max. Likelihood (FIML)
Peramalan (forecasting)
Analisis kebijakan.
Covariance Dan Korelasi
KORELASI
Korelasi mengukur derajat hubungan antara 2
atau lebih variabel.
Hubungan antara 2 Variabel (Misal X dan Y)
dapat linear, non-linear, positif atau negatif.
Y .
. Korelasi Linear:
If semua titik (X,Y) pd diagram pencar
. . mendekati bentuk garis lurus.
.. ..
. .. X
.
Y . . Korelasi Non-linear:
. . . If semua titik (X,Y) pd diagram pencar
.. .. tidak membentuk garis lurus.
. . . .
. X
Y .
. Korelasi Positif:
. . If jika arah perubahan kedua variabel
.. .. sama If X naik, Y juga naik.
. .. X
.
Y
. .
Korelasi Negatif:
. .
.. ..
X
Koefisien korelasi ini memiliki nilai yang berkisar
antara –1 sampai 1.
Kriteria pengujiannya :
Langkah II:
Formulasi model atau spesifikasi model
Langkah III:
Merancang metode dan prosedur untuk mendapatkan sampel representatif
Langkah IV:
Estimasi model
No
Langkah V: Menguji hipotesis/ verifikasi menggunakan statistik inferensi
(Uji-t, Uji-F, dll)
Yes
Langkah VII: Interpretasi hasil
Model Model
Persamaan Persamaan
Sederhana Berganda
Persamaan Linear
Model Regresi Sederhana
Yi = 0 + 1 Xi + i
Y
E(Yi) = 0 + 1 Xi
Yi = 0 + 1 Xi + i
Nilai rata2 Yi :
E(Yi) = 0 + 1 Xi
I = Yi - E(Yi)
X
X1 X2 X3
METODE PENAKSIRAN PARAMETER DALAM
EKONOMETRIK
Metode estimasi yang sering digunakan adalah Ordinary Least
Square (OLS). Dalam regresi populasi dikenal pula adanya istilah
PRF (Population Regression Function) dan dalam regresi sampel
sebagai penduga regresi populasi dikenal istilah SRF (Sample
Regression Function).
P ^ ^ ^
Y X SRF
Y ei
ui
E(Y) X PRF
^Yi Yi
0 Xi X
Penaksir kuadrat terkecil adalah mempunyai varian yang minimum yaitu
penaksir tadi bersifat BLUE (Best Linear Unbiased Estimator). Asumsi yang
harus dipenuhi dalam penaksiran metode OLS adalah sebagai berikut :
1. i adalah sebuah variabel acak atau random yang riil dan memiliki distribusi
normal.
2. Nilai harapan dari i yang timbul karena variasi nilai Xi yang diketahui
harus sama dengan nol. E(i/ Xi) = 0
3. Tidak terjadi autokorelasi atau serial korelasi. Artinya,
Cov(i, j) = Ei – E(i) j – E(j)
= E(i, j)
= 0 .................... i j
4. Syarat Homoskedastisiti. Artinya bahwa varian dari i adalah konstan dan
sama dengan 2.
Var (i / Xi) = Ei – E(i)2
= E(i)2
= 2
5. Tidak terjadi multikolonieritas. Yaitu tidak ada korelasi antara dengan
variabel bebasnya Xi atau :
Cov(i , Xi) = E(i – E(i))(Xi – E(Xi))
= 0
REGRESI LINEAR SEDERHANA
Y = ß0 + ß1 X
Uji Koeff. X H0 : ß1 = 0
H1 : ß1 ≠ 0
Pengujian statistik model secara keseluruhan dilakukan dengan uji-
F.
Uji F mendasarkan pada dua hipotesis, yaitu :
b0 = Y - b1X
dimana
b0 dan b1 nilai penduga untuk 0 dan 1.
X dan Y adlh nilai rata2 pengamatan X dan Y
Standar error:
2 Xi2 ½
½
SE(b1) =
SE(b1) = N (Xi – X)2
(Xi – X)2
diduga dengan s, dimana:
Var(1) = 2 / Xi2
2
Se(1) = Var(1) = =
Xi2 Xi2
Xi2
Var(0) = 2
n xi2
Xi2
Se(0) = Var(1) = 2
n xi 2
i2
2 = i2 = yi2 – 12 xi2
n–2
(xi yi) 2
= yi2 –
x2
Koefisien Determinasi
• 1 + 2 X i
Y RSS
TSS TSS = RSS + ESS
ESS
Y ESS RSS
1= +
TSS TSS
(Ŷi - Y)2 i2
X = +
(Yi - Y)2 (Yi - Y)2
ESS (Ŷi - Y)2
r2 = = Atau:
TSS (Yi - Y) 2
xi2
r2 = 22
atau yi2
ESS i2
= 1– = 1–
TSS (Yi - Y)2 (xi yi) 2
=
xi2 yi2
MODEL
REGRESSI LINIER BERGANDA
Model yg memperlihatkan hubungan antara satu variable
terikat (dependent variable) dgn beberapa variabel bebas
(independent variables).
Y = ß0 + ß1 X + ß2 X + …. + ßn Xn
Uji Koeff. Xi H0 : ßi = 0
H1 : ßi ≠ 0
Contoh :
Tujuan untuk mengetahui pengaruh (kontribusi) proses/
mekanisme yang disusun dalam praktikum terhadap pencapaian
nilai ujian akhir praktikum, yaitu melalui penilaian atas latihan di
kelas dan penilaian atas laporan praktikum.
Dimana :
Y : Nilai ujian akhir
X1 : Nilai pretest
X2 : Nilai Laporan
Interpretasi Hasil :
Dari hasil di atas selanjutnya dapat disusun persamaan berikut :
Sedangkan uji koefisien atau pengujian secara parsial memiliki hipotesis sebagai
berikut :
Pengujian untuk ß2 : H0 : ß2 = 0
H1 : ß2 ≠ 0
Hasil analisis di atas menunjukkan bahwa model secara
statistik adalah memang dapat digunakan, terbukti dari nilai
F-hit sebesar 73.02 yang signifikan pada tingkat alpha 5%
atau 0.05 Artinya bahwa ß0, ß1, ß2 mempengaruhi secara
nyata terhadap N_Akhir (nilai Akhir).
b0 = Yi – b1X1i – b2 X2i
ESTIMASI MODEL
REGRESSI LINIER BERGANDA
1 X21 x22i – X22 x21i – 2 X1 X2 x1i x2i
var(b0) = +
2
n (x21i ) (x22i ) – (x1i x2i)2
x21i
var(b1) = 2 se(bi) = var(bi)
(x21i )(x22i ) – (x1i x2i)2 Utk i = 0, 1, 2.
x21i
var(b1) = 2
(x21i )(x22i ) – (x1i x2i)2
Y= (a+d) + (b+c).X1
Y Y= a + (b+c).X1
Y= (a + c) + bX1
Misal : o
+
Yi = Penghasilan Karyawan
o
o
o
o
o
Di = 1 untuk laki-laki
= 0 untuk wanita x
x x
E(YiDi=0) = x
x
x O =L
x = P
E(YiDi=1) = +
D=0 D=1
Interpretasi:
Apakah jenis kelamin berpengaruh thdp penghasilan.
Berapa perbedaan penghasilan antara laki2 dan
wanita.
Dummy sebagai Variabel Bebas:
ANCOVA Model: (gabungan kuantitatif & kualitatif)
1. Satu kuantitatif, satu kualitatif dg 2 kategori.
Yi = 1 + 2Di + Xi +
(1+ 1)+Xi
Xi = Masa kerja Yi
Yi
(1+3)+Xi Asumsi: 3>2
(1+2)+Xi
1+Xi
3
2
1
Masa kerja
Interpretasi:
Apakah Masa kerja dan tkt pendidikan berpengaruh
thdp penghasilan?. Brp besar perbedaan penghasilan
menurut tkt pendidikan pd masa kerja tertentu?.
3. Satu kuantitatif, dua kualitatif dg 2 kategori.
Yi
D1=1, D2=1
D1=0, D2=1
Masa kerja
MULTIKOLINEARITAS DALAM
REGRESI LINEAR
Akibatnya ?
Jika tdpt Multikolinieritas sempurna, parameter
tidak dapat diduga dgn metode OLS.
Nilai varians besar standar error besar selang
kepercayaan lebar.
Uji-t tidak signifikan
Tanda (sign) parameter bisa berlawanan.
R2 tinggi, tp banyak variabel yang tidak signifikan
Multikolinieritas
Cara mendeteksi ?
Regresikan setiap variabel bebas Xi dgn variabel
bebas lainnya yg ada dalam persamaan (auxiliary
regression). Jika uji F menunjukkan hasil yang
signifikan berarti terdapat kolinearitas antara
variabel Xi dengan variabel bebas lainnya.
Cek korelasi antar variabel bebas matrik
korelasi.
Cara mengatasi ?
Gunakan informasi a priori, berdasarkan keyakinan
atau hasil penelitian terdahulu.
Lakukan regresi elementer, kemudian tambahkan
satu per satu variabel yg diduga relevan
mempengaruhi var terikat.
Menggabungkan data cross-section dan time series
Mengeluarkan salah satu variabel yang kolinier.
Mentransformasikan variabel.
Mencara data tambahan atau data baru
Permasalahan dalam
Model Regresi Linier Berganda
2. Heteroskedastisitas
Heteroskedastisitas terjadi bila varians i tidak konstan,
tapi berubah-ubah pada setiap pengamatan i.
Untuk model
Yi = 0 + 1 X1i + i
Var(i ) bisa kemungkinan semakin besar atau semakin
kecil dengan semakin besarnya nilai X1i. Var(i ) = i2
Misal:
(1) Model Konsumsi = o + 1 Pendapatan +
(2) Model Learning process:
Jumlah kesalahan ketik = 0 + 1 pengalaman +
Pada model (1), Var(i ) cenderung lebih besar dengan
semakin besarnya pendapatan.
C C = o + 1 Y
K = o - 1 P
P
Akibat Heteroskedastisitas ?
Metode Grafik
Buat diagram plot antara ui2 dan Ŷ. Heteros-
kedastisitas akan terdeteksi apabila sebaran
plot menunjukkan pola yang sistematis.
Uji Park
Meregresikan ui2 dengan X1i dalam bentuk
persamaan log linear.
ln ui2 = o + 1 ln X1i + i
ui adlh error term pd regresi Yi = 0 + 1 X1i +
i
Metode Goldfeld-Quant
Prinsipnya adlh membagi dua data X1i bdsrkan
urutan terkcil – terbesar dan meregresikan
masing2 untuk memperoleh nilai RSS.
Langkah-langkah Metode Goldfeld-Quant:
(K – M) (G – 1)
Dimana:
G = jmlh persamaan dlm model (= jmlh Var Endogen)
K = Jumlah semua variabel dalam model
M = Jumlah variabel dalam persamaan yang
diidentifikasi
Rank Condition
Model Persamaan Simultan
Identifikasi Model:
CONTOH
Diagram Keterkaitan Variabel
Pada Model Persamaan Simultan
Qd P Qs
I Pa Pr
Pop E
S T