Ekonometrika
Analisis Regresi 2 Peubah (Analisis Regresi
Sederhana)
Menduga rata-rata peubah tak bebas
berdasarkan nilai peubah (satu) bebas yang diketahui
Diilustrasikan dengan data dari Gujarati
(2003), dengan populasi beranggotakan 60 keluarga
Xi: pendapatan/minggu per keluarga Yi: konsumsi/minggu per keluarga
i= 1, …, 60 (60 keluarga yang diamati)
Dari 60 keluarga tersebut dikelompokkan ke
Sebaran Bersyarat dari
Untuk setiap kelas pendapatan/minggu
terdapat variasi jumlah konsumsi/minggu
Secara rata-rata jumlah konsumsi/minggu
meningkat seiring dengan pendapatan/minggu.
80
X
Rata-rata
konsumsi/ming gu pada
pendapatan $80
Konsep Fungsi Regresi Populasi (
Population
Regression Function – PRF
)
Nilai harapan bersyarat:
Rata-rata nilai Y untuk X tertentu
X Y E
PRF: garis yang menghubungkan
Konsep Fungsi Regresi Populasi (PRF)
Jika diasumsikan bahwa hubungan kedua
peubah tersebut linier, maka digunakan fungsi linier dari X:
Y Xi
f
XiE
Y Xi
Xi E 1 2Model/Persamaan Regresi
Arti dari Linier
Linier dalam peubah
Linier dalam parameter
Y Xi
Xi E 1 2
22
1 i
i X
X Y
E
Linier dalam peubah
Non Linier dalam peubah
Y Xi
XiE 1 2 Linier dalam parameter
Y Xi
XiE 1 22 Non Linier dalam
Arti dari Linier
Di dalam analisis regresi sederhana, LINIER berarti
linier dalam PARAMETER
Parameter berpangkat paling tinggi 1
Diperbolehkan pangkat lebih dari satu untuk peubah
Y Xi
Xi E 1 2Linier dalam peubah maupun parameter
Y Xi
Xi E 1 2
22
1 i
i X
X Y
E
Keduanya Linier dalam
paramater:
Semuanya Linier
Fungsi Regresi Populasi Secara Stokastik
Untuk model konsumsi sebagai fungsi dari
pendapatan,
Dimungkinkan bahwa faktor selain
pendapatan juga mempengaruhi konsumsi
Tidak semua titik tepat pada garis regresi
Faktor-faktor lain tsb dirangkum dalam
komponen error/galat
i
i i ii E Y X u X u
Y 1 2
Nilai harapan di ruas kiri dan kanan dengan syarat X pada
komponen stokastik
12 1
1 55 80 u
Y
22 1
2 60 80 u
Y
32 1
3 65 80 u
Y
42 1
4 70 80 u
Y
52 1
5 75 80 u
Y
i
ii E Y X u
Y
Yi Xi
E
E
Y Xi
E
ui Xi
Nilai harapan konstan adalah konstan itu
sendiri
Yi Xi
E
Y Xi
E
ui Xi
E
Y Xi
E
Yi Xi
E
Yi Xi
E
Yi Xi
E
ui Xi
E
ui Xi
0E Asumsi utama untuk
Keutamaan dari Komponen Stokastik
Galat/Error
Teori yang belum pasti
Ketidaktersediaan data
Peubah utama vs peubah tambahan
Sifat alami perilaku manusia (acak)
Peubah proxy yang kurang berkualitas
Model sesederhana mungkin (Principle of Parsimony)
Kemungkinan hubungan fungsional yang kurang tepat
Mengapa tidak menggunakan sebanyak-banyaknya peubah yang mungkin
Fungsi Regresi Sampel (
Sample Regression
Function – SRF
)
Data pendapatan dan konsumsi: diasumsikan
berasal populasi 60 keluarga
Fungsi Regresi Populasi (PRF)
Secara praktek: tidak mungkin memperoleh
informasi secara keseluruhan dari populasi
Pengambilan sampel pasangan nilai
pendapatan (X) dan konsumsi (Y) dari populasi tersebut
Menduga PRF berdasarkan informasi dari
Pasangan konsumsi dan pendapatan dari
2 sampel berukuran 10 keluarga yang diambil dari populasi
Garis regresi dari dua sampel yang berbeda
tersebut:
Dua garis yang berbeda
Yang mana yang lebih tepat
menggambarkan populasi?
Fungsi Regresi Sampel (SRF)
Regresi yang dibentuk dari sampel
Dipakai untuk menduga regresi populasi
Tidak akan pernah sama untuk sampel yang
berbeda
i
i X
Yˆ ˆ1 ˆ2
i
i E Y X
Yˆ : penduga untuk
i i
i X u
Y ˆ1 ˆ2 ˆ
1 1 : penduga untuk
ˆ
2 2 : penduga untuk
ˆ
Komponen galat sampel dengan asumsi yang sama seperti galat
Tujuan Analisis Regresi
Menduga PRF dengan SRF
Dengan adanya sampel yang berfluktuasi, SRF
SRF underestimate
PRF untuk X di kiri titik A
SRF overestimate
PRF untuk X di kanan titik A
Bagaimana