b. Ekonomi Matematika:
Mengasumsikan setiap hubungan ekonomi sebagai hubungan exact , serta tidak
menghasilkan nilai-nilai numerik.
c. Statistik Ekonomi:
Hanya menyajikan aspek deskriptif dari teori ekonomi, tidak menghasilkan nilai-
nilai numerik dalam hubungan-hubungan ekonomi namun hanya menyediakan
data numerik ekonometri.
MATEMATIK DAN STATISTIK MERUPAKAN
ASPEK PENTING BAGI EKONOMETRI.
FORMULASI MATEMATIK MEMBERIKAN
KETEPATAN DAN KECERMATAN SEDANGKAN
STATISTIK MEMBERIKAN “BAHAN BAKU”
BAGI EKONOMETRI.
MODEL
Penyederhanaan dari realitas perilaku ekonomi menjadi bentuk yang lebih
sederhana
Yes
4. Bila lolos maka dilakukan test hipotesis untuk
N
o mengetahui validitas teori ekonomi dan hipotesis
7 sehingga dapat digunakan untuk prediksi dan
Test of Any
Hyphothesis pembuatan kebijakan (kriteria ekonometri/second
order test). Bila terjadi penolakan tori ekonomi
8 maka dibuat hipotesis baru dengan memulai dari
Using the model for prediction tahap 1 (tahap 7, 8, dan 1).
and policy
HAKIKAT PENDEKATAN EKONOMETRI
Teori Ekonomi
Langkah 1 Spesifikasi
Persyaratan:
Memilih variabel; Menspesialisasikan hubungan atas dasar teori ekonomi (atau hipotesis).
Kemungkinan kesalahan:
Variabel bebas yang sesuai tidak dimasukkan; variabel bebas yang tidak sesuai dimasukkan; “Under-identification”
Penaksiran (Estimation)
Langkah 3 Persyaratan:
Penaksir-penaksir yang memiliki sifat-sifat: (a) unbiased, (b) konsisten, (c) Efisien dan (d) sufficient.
Kemungkinan kesalahan:
Penaksir-penaksir tidak memiliki sifat-sifat yang dibutuhkan sebagai akibat adanya otokorelasi, heteroskedastisitas,
multikolinearitas di dalam sampel.
Langkah 4 Verifikasi (Pengujian)
Persyaratan:
Penafsiran ekonomi terhadap hasil-hasil yang diperoleh pada langkah 3. Evolusi dari teori ekonomi atau hipotesis.
Penolakan teori ekonomi jika teori tersebut tidak valid, dan membuat hipotesis baru lalu mulai lagi dari langkah 1.
Kemungkinan kesalahan:
Kesalahan pengujian dan tidak sesuainya pengujian dengan verifikasi validitas hipotesis
Model Matematika:
Teori yang sudah dinyatakan dispesifikasikan
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
Model diatas meragukan, krn apakah koefisien
parameter milik Qd atau Qs.
perlu penambahan variabel shifter
Estimasi Model
Simultaneous equation:
Three Stage Least Squares (3SLS)
Estimasi Model
Peramalan (forecasting)
Analisis kebijakan.
Covariance Dan Korelasi
Yi = + βXi + Ui (i = 1,…….,n)
Apabila t* < t tabel maka H0 tidak ditolak, artinya taksiran β2 tidak signifikan. Dengan
demikian variabel dependent β2 tidak berpengaruh secara individu terhadap variasi
perubahan Y. Dan bila t* > t tabel maka H0 ditolak, artinya taksiran β2 signifikan.
UJI PENYIMPANGAN ASUMSI KLASIK
Otokorelasi (Autocorrelation)
Korelasi hubungan yang terjadi di antara anggota-anggota
dari serangkaian pengamatan yang tersusun dalam rangkaian
waktu (data runtun waktu) atau yang tersusun dalam
rangkaian ruang (data cross section).
Akibatnya taksiran OLS tidak bias, varian dari taksiran OLS
akan “underestimate”, peramalan akan tidak efisien.
Identifikasinya menggunakan Uji Ratio von Neumann dan
Uji Durbin-Watson
Pengobatan: mendapatkan taksiran koefisien otokorelasi Ω,
mengubah (transformasi) data aslinya, dan menerapkan OLS
pada data transformasi
UJI PENYIMPANGAN ASUMSI KLASIK
Heteroskedastisitas (Heteroscedasticity)
Faktor gangguan (Ui) tidak memiliki varian yang sama atau
konstan.
Akibatnya penaksir-penaksir OLS tidak akan bias, varian
dari koefisien-koefisien OLS akan salah, penaksir-penaksir
OLS menjadi tidak efisien
Identifikasi dengan Uji Korelasi Rank Spearman, Uji
Goldfeld-Quandt, Uji Park, Uji Glejser
Langkah pengobatan: regresi OLS biasa, lakukan
transformasi, regresi OLS pada data transformasi.
UJI PENYIMPANGAN ASUMSI KLASIK
Multikolinearitas (Multicollinearity)
Hubungan linier di antara variabel-variabel bebas dalam model
regresi
Akibatnya, kesalahan baku cenderung semakin besar,
probabilitas dari kesalahan tipe II semakin besar, taksiran
parameter OLS dan kesalahan bakunya sangat sensitif terhadap
perubahan sampel sekecil apapun, R2 tinggi namun taksiran
koefisien regresi yang signifikan secara statistik sedikit
Identifikasi: Frisch’s Confluence analysis, Farrar-Glauber,
Matriks korelasi berderajat nol
Pengobatan: memperbesar ukuran sampel, memasukkan
persamaan tambahan ke dalam model, penggunaan informasi
ekstra,
UJI NORMALITAS
Unstandardiz
ed Residual
N 80
Normal Parameters a ,b Mean ,0000000
Std. Deviation ,37504965
Most Extreme Absolute ,142
Differences Positive ,071
Negative -,142
Kolmogorov-Smirnov Z 1,273
Asymp. Sig. (2-tailed) ,078
a. Test distribution is Normal.
b. Calculated from data.
UJI LINIERITAS
• digunakan untuk melihat apakah spesifikasi model yang
digunakan sudah bersifat linier.
• menggunakan curve estimation, yaitu gambaran hubungan linier
antara variabel X dengan variabel Y. Jika nilai sig f <0,05, maka
variabel X memiliki hubungan linier dengan Y.
GOODNESS OF FIT
Total jumlah Jumlah kuadrat yang bisa dijelaskan Jumlah kuadrat residu
kuadrat atau atau variasi yang bisa dijelaskan atau variasi yang tak
total variasi (Explained Variations) bisa dijelaskan
(Total Variation) (Unexplained
Variations)