Ekonometrika
Program Studi Statistika, semester Ganjil 2012/2013
Misspecification
Wrong Regressors
Measurement errors
Wrong Regressors
Pengabaian peubah penjelas yang
berpengaruh
Penggunaan peubah penjelas yang tidak
Pengabaian peubah penjelas yang
berpengaruh
Misalkan model yang benar secara populasi adalah sbb:
)
1
(
3 3 2 2
1
X
X
u
Y
Yang diduga dengan model tanpa melibatkan X3
)
2
(
* 2 2
1
X
u
Y
Terjadi kesalahan dalam pengabaian X3 akibatnya
galat pada model (2) terdiri dari:
u
X
Nilai harapan pada galat model (2) tidak lagi 0:
u
E
X
u
E
*
3 3
E
3X
3
E
u
0
,
2
~
N
u
u
*
E
3X
3
0
E
3X
3
0
E
Jika X3 mempunyai korelasi dengan X2 maka galat
pada model (2) tidak lagi bebas terhadap X2
Efek: penduga parameter menjadi bias dan tidak
Penggunaan peubah yang tidak
berpengaruh
Efeknya tidak sebesar dari kasus yang pertama Jika model populasi yang sebenarnya:
)
1
(
2 2
1
X
u
Y
Diduga dengan model dengan melibatkan
peubah X3
)
2
(
* 3 3 2 2
1
X
X
u
Y
Model (2) adalah model (1) ketika β3=0,
Tidak ada pelanggaran asumsi pada model (2) Penduga tetap tidak bias, akan tetapi tingkat
Ketika digunakan
X
3yang berkorelasi
dengan
X
2
Timbul multikolineritas yang tidak perlu ada
Peubah penjelas yang berpengaruh malah menjadi
Indikator bahwa peubah tidak berpengaruh
pada model
Untuk memutuskan dipakai atau tidak di
dalam model
Peubah tsb (misalkan X
3) tidak perlu dipakai
jika
R2 akan meningkat jika model tidak melibatkan X3
Tidak ada perubahan tanda pada peubah selain X3
sebelum dan sesudah X3 ditiadakan
Statistik uji t pada peubah selain X3 tidak
terpengaruh oleh keterlibatan X3,
Solusi jika tidak tersedia pengamatan bagi
peubah berpengaruh
Pengabaian peubah berpengaruh cukup
serius:
Bias of omitted variable
Jika pengabaian dilakukan akibat tidak adanya
pengamatan yang representatif
Dipakai peubah proxy:
Peubah pengganti yang bersifat serupa dan
memberikan efek sama
Peubah proxy berkorelasi dengan peubah yang
Contoh kasus:
Memodelkan gaji berdasarkan
Jenis kelamin
Tingkat pendidikan
Latar belakang sosio ekonomi
Peubah bebas pertama dan kedua dapat
diukur dengan mudah
Tidak ada peubah yang memberikan besaran
Tanpa melibatkan peubah tsb: Penduga bias dan tidak konsisten
Digunakan pendapatan keluarga sebagai proxy
Pemilihan pendapatan keluarga sebagai proxy:
Pendapatan keluarga berkorelasi dengan latar belakang sosio
Model regresi dengan peubah proxy
Model populasi yang ingin diduga:
* 4
3 2
1
Sex
Educ
Background
u
Salary
Tidak teramati
Digunakan peubah proxy (yang teramati) dengan
hubungan sbb:
2 1
*
FamInc
e
Background
ϒ2 : seharusnya positif, untuk menunjukkan korelasi
positif antar peubah proxy (FamInc) dan peubah tak teramati (Background)
e: untuk menunjukkan bahwa kedua peubah tidak
u
Background
Educ
Sex
Salary
1
2
3
4 *
2 1
*
FamInc
e
Background
FamInc
e
u
Educ
Sex
Salary
1
2
3
4
1
2
Sex
Educ
FamInc
u
e
Salary
1
4
1
2
3
4
2
4w
FamInc
a
Educ
Sex
a
Salary
1
2
3
4
Intersep untuk model dengan peubah proxy
Dari model di atas, tidak diperoleh penduga
tak bias bagi
β
1dan
β
4
Akan tetapi diperoleh penduga tak bias bagi
a
1β
2, β
3dan
a
4
Tujuan utama dari pendugaan adalah
memperoleh
β
2,
dan
β
3w
FamInc
a
Educ
Sex
a
Macam-macam bentuk fungsional
Nama Model Bentuk Fungsional
Marjinal Efek dY/dX
Interpretasi
Linier Y = β1 + β2 X ∆Y=β2 ∆X 1 unit perubahan
X merubah Y sebanyak β2
Linier Log Y = β1 + β2 ln X ∆Y=β2 /100 (100∆X/X) 1 persen
perubahan X merubah Y sebesar
β2 /100 unit
Log Linier ln Y = β1 + β2 X 100∆Y/Y =100 β2∆X 1 unit perubahan X merubah Y
sebesar 100 β2%
Double log ln Y = β1 + β2 ln X 100∆Y/Y =β2(100∆X/X) 1 % perubahan X merubah Y
Pemilihan bentuk fungsional
Perbandingan beberapa bentuk fungsional
dapat dilakukan berdasarkan
R
2jika peubah
Y
-nya dalam bentuk fungsional yang sama
Bentuk fungsional yang benar menghasilkan R2
yang tinggi.
Jika bentuk fungsional
Y
tidak sama, tidak
dapat dilakukan perbandingan nilai
R
2Transformasi Box Cox
Misalkan akan dipilih antara dua model berikut:
)
1
(
2
2
1
X
u
Y
)
2
(
ln
ln
Y
1
2X
2
u
Langkah 1: dapatkan rata-rata geometri dari
Y
Y
Y
Y
n
n Langkah 2: lakukan transformasi terhadap peubah
Y
Y
Y
Y
*
~
Langkah 3: Lakukan pendugaan di model (1) dan
model (2), semuanya menggunakan Y hasil transformasi.
)
1
(
2 2 1
*
X
u
Y
) 2 ( ln 2 2 1
* X u
Y
Dapatkan JKG dari kedua model, dan keduanya
Langkah 4: Menentukan model mana yang secara
nyata lebih baik dari yang lain, digunakan statistik uji berikut: 1 1 2
~
ln
2
1
KTG
KTG
n
1 2KTG
KTG
Jika nilai p bagi statistik uji tsb nyata Kedua model berbeda nyata
Model dengan KTG kecil lebih baik secara nyata
Measurement Errors
Measurement errors pada
Y
Misalkan model yang sebenarnya adalah:
)
1
(
2
2
1
X
X
u
Y
k k
Akan tetapi tidak diperoleh data yang mengukur Y
dengan benar.
Digunakan pengamatan berdasarkan nilai Y*
Y* berhubungan dengan Y tapi dengan kesalahan
pengukuran w
w
Y
Y
w
Y
Model (1) menjadi:
u
w
X
X
Y
*
1
2 2
k k
Efek
Jika w mempunyai nilai tengah 0, penduga β1 tidak
bias
Jika w tidak berkorelasi dengan semua X maka
penduga untuk β yang lainnya juga tidak bias dan konsisten
Jika u dan w tidak saling bebas:
var
u
w
u2
v2
u2 Ragam galat lebih besar daripada kasus tanpa
Measurement errors pada
X
Misalkan model yang sebenarnya adalah:
u
X
Y
1
2 2
Akan tetapi tidak diperoleh data yang mengukur X
dengan benar.
Digunakan pengamatan berdasarkan nilai X*
X* berhubungan dengan X tapi dengan kesalahan
pengukuran v
v
X
X
v
X
Model menjadi:
u
v
X
u
v
X
Y
2 * 2 2 1 * 2 2 1
Efek Jika u dan v tidak berkorelasi dengan X dan
keduanya mempunyai nilai tengah nol, maka penduga untuk β tidak bias dan konsisten
Jika u dan v saling bebas:
2 2 22 2
2
var
u
v
u
v
u Ragam galat lebih besar daripada kasus tanpa
Uji kesalahan spesifikasi (
Tests for
Misspecification
)
secara umum
Uji Jarque-Berra untuk kenormalan galat
Jika terjadi misspecification, secara umum galat
tidak lagi menyebar normal
Uji Ramsey RESET (
Regression Specification
Uji Jarque-Berra
Langkah 1: Menghitung moment ketiga dan
keempat dari galat model (moment ketiga: skewness dan moment keempat: kurtosis)
n
u
3 3ˆ
n
u
4 4ˆ
Langkah 2: Menghitung statistik uji JB
22 2 4 2 3
~
24
3
6
n
JB
Langkah 3: Tolak H0 jika khi kuadrat nyata secara
Uji Ramsey RESET
2
2 3 2
2
1
X
X
u
Y
Model populasi yang sebenarnya
ˆ
ˆ
ˆ
2 2
1
X
Y
Diduga dengan:
Beberapa bentuk pangkat dari Y duga digunakan
untuk menganalisis kemungkinan adanya
kesalahan akibat bentuk polinomial yang tidak diperhitungkan
Langkah 1: Menduga model berikut yang
diasumsikan benar, dan memperoleh nilai duga
*
2 2
1
X
u
Y
Langkah 2: Menggunakan nilai duga dari model di
langkah 1 untuk menduga model berikut
Yˆ
1 2X
2 1Y
ˆ
2 2Y
ˆ
3Y
Model pada langkah 1 adalah restricted model dan
kU kR n kU U U R U U R
F
k
n
k
k
F
~
,/
JKG
/
JKG
JKG
JKGR: JK galat restricted model JKGU: JK galat unrestricted model
kU: jumlah peubah eksogen (termasuk konstanta) pada unrestricted model
kR: jumlah peubah eksogen (termasuk konstanta) pada restricted model
Langkah 3: Menghitung statistik uji F:
Langkah 4: Jika statistik uji nyata, maka terdapat