Gede Wirabuana Putra

Aplikasi Ekonometrika:
Konsep Dasar Analisis
Regresi Linier
REVIEW
Tujuan Analisis Regresi

Untuk menduga nilai rata – rata dari variable dependen

berdasarkan nilai dari variable independen yang ada

Untuk menguji hipotesis tentang sifat ketergantungan antar

variable yakni hipotesis berdasarkan teori ekonomi

Untuk memprediksi atau meramalkan nilai rata – rata dari

variable dependen berdasarkan nilai variable independent yang
berada diluar rentang sampel
Jenis Variabel
Variabel independent/eksogen (mempengaruhi) :
variable yang bisa dikontrol atau variable yang
mengendalikan

Variabel dependent/endogen (dipengaruhi):

variable yang dikendalikan

Variabel dummy: variable yg mempresentasikan

secara kuantitatif dari suatu variable kualitatif.
Analisis Regresi Linier
1. Analisis
hubungan antara variable
dependen (Y) dengan satu atau
beberapa variable independent (X)

Latihan:
Tentukan yang mana variable
independent dan dependen !
1. Kesehatan, Pendidikan
2. Penghasilan, Gaya hidup
Persamaan Regresi
1. Persamaan
regresi merupakan suatu persamaan
yang menjelaskan hubungan anatara variable
bebas dan variable tidak bebas
2. Digunakan untuk memprediksi atau mengestimasi
nilai dari variable dependen berdasarkan
informasi dari variable independen
Metode Estimasi
Tujuan estimasi = menduga fungsi regresi populasi berdasrkan fungsi
regresi sampel setepat mungkin
1. Perlu parameter yang dapat memetakan antara variabel dependen
dan independent
2. Memperkecil penyimpangan/ kesalahan / error term
Metode Estimasi
Metode estimasi dalam model regresi linier adalah Ordinary Least Square (OLS)
1.  
- Dalam metode OLS, ada beberapa asumsi yang harus dipenuhi:
1. Model regresi linier (linier dalam parameternya)
2. Non Stokastik pada regressor : variabel X tetap untuk pengambilan sampel yang berulang
3. Zero mean of ui/e untuk setiap nilai Xi tertentu, nilai rerata error ui/e bernilai 0
4. Homoscedasticity : variasi nilai Y tidak akan naik atau turun seiring perubahan nilai X
5. Autocorrelation/Otokorelasi : tidak ada korelasi antar error term
6. Zero covariance between disturbances and regressor : nilai X selalu tetap
7. Sample observations higher then the number of regressor : jumlah observasi n harus lebih besar daripada
jumlah variable X
8. Bervariasinya variabel regressor : adanya variabilitas pada data independent X
9. Spesifikasi tidak bias : model melibatkan data dan teori yang dapat diukur dalam estimasi
10. Multicolinearity/Multikolinearitas: tidak ada korelasi antar variabel x
11. Normality of disturbances
 No Type of violation Test Remedial

Uji asumsi 1 Nonlinearity in parameters

2 Stochastic regressors

3 Nonzero mean of ui Plot

4 Heteroskedasticity Park,Glejser,GQ,BPG,White WLS, White

5 Autocorrelated disturbances Plot, D-W, BG FGLS, Newey West

6 Nonzero covariance between disturbances and Hausman,ovrid.res/Hansen IV, TSLS

regressor

7 Sample observations less than the number of

regressor

8 Insufficient variability in regressor

9 Specification bias, measurement error Ramsey RESET Model spec,trans.

10 Multicollinearity VIF,pairwise corr Model spec,data

11 Non-normality of disturbances
Sifat Estimator
Kuadrat terkecil (OLS)

B.L.U.E (Best Linear Unbiased Estimator):

1. Bersifat linear (Linear pada variable Y)

2. Bersifat tidak bias (Nilai rata-rata estimasinya sama dengan nilai sebenarnya)
3. Memiliki Varians minimum
4. Konsistensi
5. Normalitas
Analisis regresi sederhana
1.Analisis
1.   regresi sederhana : untuk mengetahui pengaruh satu variable terhadap
variable yang lain
2. Hasil
analisis regresi berupa persamaan regresi yang merupakan fungsi prediksi
suatu variable dengan menggunakan variable lain.
3. Persamaan umum:
Y= +
4. Dimana:

= koefisien regresi
Tampilan Output Stata

P-value

Goodness
of Fit (R-
squared)

T test (Uji P-value

Parsial/per variabel)
Goodes of fit 1. Seberapa besar variasi Y digambarkan
oleh variasi Xi.
2. Semakin mendekati 100% semakin baik
Koefisien determinasi
UJI SIMULTAN (Overall Significance
Test)
Model: Y     X   X  ...   X  u
i 1 2 2i 3 3i k ki i

Tolak
  H0 jika: Hipotesis: H 0 :  2   3  .....   k  0
F hitung > F table Atau H1 : at least one  i  0
P-value <

Uji statistic: R 2 /( k  1)
Fk 1,nk 
(1  R 2 ) /( n  k )
Uji partial- Uji T
Ho :    *
H0 :    *
vs H1 :    *
H1 :    *
 Hipotesis:

ˆ   * ˆ   *
Z t (n  2) 
 Uji statistik 
n
/ i 1
( X i  X )2 se( ˆ )

Tolak
  H0
jika: (T hitung > T table) atau (p-
value < )
Contoh Kasus
Sebuah penelitian ingin mengetahui pengaruh Hipotesis penelitian:
1.  
1.
promosi terhadap penjualan produk X dengan
menggunakan Analisa regresi
H0 = biaya promosi tidak berpengaruh
2. Model penelitian menggunakan persamaan regresi terhadap penjualan
linier :
Ha = biaya promosi berpengaruh secara
Y= + +e signifikan terhadap penjualan
Dimana:
Y= Penjualan (Variabel dependen)
X = By promosi (variable independent)
= konstanta, yaitu nilai Y jika X =0
= koefisien regresi
= error term
Contoh kasus : Output & interpretasi

• Model: Y = 111.523 + 3.891X

• Nilai p value = 0.000 (angka probabilitas utk pengujian Ringkasan Output STATA R-square 0.839
hipotesis)
• Artinya: p < 0.05, maka Ho ditolak  biaya promosi Penjualan Coef. Std. err. t P>(t)
berpengaruh signifikan terhadap penjualan. Promosi 3.891 16.982 6.567 0.000
• Interpretasi model: _cons 111.523 0.473 8.226 0.000
• Konstanta = 111.523 menyatakan bahwa jika tidak ada
biaya promosi, maka penjualan sebesar 111.523
• Koefisien regresi = 3.891 menyatakan bahwa setiap • Command STATA : regress penjualan promosi
penambahan (karena tandanya +) Rp 1,- biaya promosi
akan meningkatkan penjualan sebesar 3.891
• Nilai R-square = 0.839 menyatakan bahwa 83,9%
penjualan dipengaruhi oleh variable lain dan sisanya
16.1% dipengaruhi variable lain Y X
Latihan
1. Sebuahpenelitian ingin
mengetahui pengaruh kurs rupiah
terhadap indeks saham dengan
menggunakan Analisa regresi
2. Datapenelitian selanjutnya
dianalisis dan output menunjukkan
hasil sebagai berikut:
Latihan
1. Variabel dependen dan independent
2. Hipotesis penelitian
3. Model persamaan regresi
4. Koefisien determinasi,
5. Command Stata
6. Hasil uji hipotesis
Terima
Kasih