1 / 22

Ekonometrika

Ekonometrika. Program Studi Statistika Semester Ganjil 2012. Analisis lanjut di dalam Regresi Linier. Skala dan unit pengukuran Pemilihan bentuk fungsional Perbandingan R 2. Skala dan unit pengukuran. Contoh kasus :

ion
Télécharger la présentation

Ekonometrika

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Ekonometrika Program StudiStatistika Semester Ganjil 2012 Dr. Rahma Fitriani, S.Si., M.Sc

  2. AnalisislanjutdidalamRegresi Linier • Skaladan unit pengukuran • Pemilihanbentukfungsional • Perbandingan R2 Dr. Rahma Fitriani, S.Si., M.Sc

  3. Skaladan unit pengukuran • Contohkasus: • Hubunganantarajumlahinvestasiswastapadasuatudaerahdenganpendapatandaerahtersebut • Jumlahinvestasiadalahfungsidaripendapatandaerah • Jumlahinvestasiswasta: GPDI • Pendapatandaerah: GDP • Keduanyadiukurdidalamduasatuan: • Jutaan dollar (Millions of dollar): GPDI_MildanGDP_Mil • Milyardollar (Billions of dollar): GPDI_BildanGDP_Bil • GPDI_Mil = GPDI_Bil× 1000 • GDP_Mil = GDP_Bil× 1000 Dr. Rahma Fitriani, S.Si., M.Sc

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

  5. HasilPendugaan • Model dalamJutaan (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 danstandar error pada model Jutaanadalah 1000 kali model Milyar • Model dalamMilyar(Billion) ^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

  6. Jikaperubahanskaladilakukanpadakeduapeubah: eksogenmaupun endogen • Efekdariperubahanskalapada intercept: • Intercept tergantungpadaskalapeubah endogen (Y) • Gradientidakmengalamiperubahan • Efekdariperubahan per unit peubaheksogenterhadapperubahanpeubah endogen • Rasiokeduaperubahantersebut: ∆Y/∆X • Pemilihanskalaharusmasukakaldan paling sederhana • MilyarvsJuta • Milyarmemuatlebihsedikitnol: lebihsederhana Dr. Rahma Fitriani, S.Si., M.Sc

  7. Bagaimanajika yang diubahskalanyahanyasalahsatupeubah? Dr. Rahma Fitriani, S.Si., M.Sc

  8. GDIP tetapdalamsatuanMilyar(Bil), tapi GDP menggunakansatuanJuta (Mil) Intercept tidakberubah: mengikutiskaladaripeubah endogen (GPDI) ^GPDI_Bil_ = -1.03e+03 + 0.302*GDP_Bil_ (258) (0.0399) T = 10, R-squared = 0.877 (standard errors in parentheses) Gradienmengalamiperubahan, mengikutiperubahanskala: 1/1000 darigradien model awal ^GPDI_Bil_ = -1.03e+03 + 0.000302*GDP_Mil (258) (3.99e-05) T = 10, R-squared = 0.877 (standard errors in parentheses) Dr. Rahma Fitriani, S.Si., M.Sc

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

  10. MengukurElastisitas: Model Log Linier • Data pengeluaran per kapitasetiapkuartaldaritahun 1993 (kuartal I) s/d 1998 (kuartal III) • Berdasarkan data total pengeluaranpribadi, ingindiukurberapapengeluaranuntukbarangtahan lama (“durable”) • Peubah yang diamatiadalah • PCEXP: Total pengeluaranpribadiperkapita (jutaan dollar 1992) • EXPDUR: Pengeluaranuntuk durable goods (jutaan dollar 1992) • EXPDUR: endogen, PCEXP: eksogen • Ingindiukurelastisitas total pengeluaranterhadappengeluaranterhadap durable goods Dr. Rahma Fitriani, S.Si., M.Sc

  11. Plot Model Linier EXPDUR vs PCEXP Dr. Rahma Fitriani, S.Si., M.Sc

  12. Plot log EXDUR vs log PCEXP Dr. Rahma Fitriani, S.Si., M.Sc

  13. Kedua model menunjukkanhubungan linier yang nyata. • Model yang digunakansesuaidengantujuan: • Memperolehkoefisienelastisitasdari total pengeluaranpribaditerhadappengeluaranuntuk durable goods • Model log-linier lebihtepat: • β2mengukurkoefisienelastisitas Dr. Rahma Fitriani, S.Si., M.Sc

  14. Pendugaanuntukkedua Model 1 juta $ kenaikan total pendapatanpribadimenaikkanpengeluaranuntuk durable goods sebesar 0.233 juta $ ^EXPDUR = 342 + 0.233*PCEXP (18.4)(0.00393) T = 23, R-squared = 0.994 (standard errors in parentheses) ^l_EXPDUR = 0.815 + 0.764*l_PCEXP (0.107) (0.0127) T = 23, R-squared = 0.994 (standard errors in parentheses) 1 % kenaikan total pendapatanpribadimenaikkanpengeluaranuntuk durable goods sebesar 0.764% Kedua model berartisecarastatistik KOEFISIEN ELASTISITAS Dr. Rahma Fitriani, S.Si., M.Sc

  15. MengukurLajuPertumbuhan: Log-Lin Model • Data pengeluaran per kapitasetiapkuartaldaritahun 1993 (kuartal I) s/d 1998 (kuartal III) • Peubah yang diamatiadalah • PCEXP: Total pengeluaranpribadiperkapita (jutaan dollar 1992) • Ingindiukurlajupertumbuhandari total pengeluaranpribadi per kapitadariwaktutkewaktut+1 • Digunakanpeubah index waktu • 1993: I → 1 • 1993: II → 2 • 1993: III → 3 • dst Dr. Rahma Fitriani, S.Si., M.Sc

  16. Model pertumbuhan: Nilaipadawaktut Nilaipadawaktuawal r: persentasepertumbuhanrelatifterhadapawal Lajupertumbuhan Dr. Rahma Fitriani, S.Si., M.Sc

  17. Pendugaan Model Log-Lin ^l_PCEXP = 8.35 + 0.00814*time (0.00266)(0.000194) T = 23, R-squared = 0.988 (standard errors in parentheses) Dari kuartaltkekuartalt +1pengeluaranpribadimeningkatsebesar 0.814% Log daripengeluaranpribadipada t=0: 8.35 Pengeluaranpribadipada t = 0: tahun 1992: IV, sebesar 4230.81 juta dollar Dr. Rahma Fitriani, S.Si., M.Sc

  18. Engel Expenditure Model: Lin log Model • Hubunganantarapengeluaranuntukmakanandan total pengeluaran. • Pengeluaranuntukmakanantergantungdari total pengeluaran. • Engel Expenditure: • Total pengeluaranmeningkatsecarageometrik • Total pengeluaranuntukmakananmeningkatsecaraaritmatik • Data pengeluaranuntukmakananvs total pengeluaranpada 28 daerahdi India • Linier model: • Pengeluaranuntukmakanan= f (Total Pengeluaran) • Lin Log model: • Pengeluaranuntukmakanan= f(ln Total Pengeluaran) Dr. Rahma Fitriani, S.Si., M.Sc

  19. Total Pengeluaran (X) vsPengeluaranuntukMakanan (Y) PengeluaranUntukMakanan Linier model PengeluaranUntukMakanan Lin-Log model Ln Total Pengeluaran Dr. Rahma Fitriani, S.Si., M.Sc

  20. 1% perubahanX Dr. Rahma Fitriani, S.Si., M.Sc

  21. Linier Model ^FoodExp = 104 + 0.412*TotExp (62.8)(0.113) n = 28, R-squared = 0.337 (standard errors in parentheses) 1 Rupee peningkatan total pengeluaranmeningkatkankenaikanpengeluaranuntukmakanansebesar 0.412 rupee ^FoodExp = -1.03e+03 + 216*l_TotExp (359) (57.0) n = 28, R-squared = 0.357 (standard errors in parentheses) Lin-Log Model 1 Rupee peningkatan total pengeluaranmeningkatkankenaikanpengeluaranuntukmakanansebesar 2.16 % 1 % peningkatan total pengeluaranmeningkatkankenaikanpengeluaranuntukmakanansebesar 2.16 rupee. Dr. Rahma Fitriani, S.Si., M.Sc

  22. Pemilihanbentukfungsionalberdasarkanperbandingannilai R2 • Perbandinganduanilai R2bolehdilakukanpada: • Duaataubeberapa model denganpeubah endogen (Y) denganbentukfungsional yang sama • Ukuransampel yang sama • Bentukfungsionalpeubaheksogenbolehberbeda • Semakintinggi R2 tidakberartisemakinbaikmodelnya • Yang utamadalampemilihan model • Kesesuaiantandadaripendugakoefisiendenganteoriekonomi yang mendasari • Keberartianpendugakoefisientersebutsecarastatistik • Penelitiharuslebihmemperhatikanhubunganlogis/teoritisdaripeubaheksogenterhadappeubah endogen • Jikapendugakoefisiennyatasecarastatistik, dengantandasesuaidenganteori: • Model tetapdianggapbaikwalaupun R2kecil. Dr. Rahma Fitriani, S.Si., M.Sc

More Related