Ekonometrika
Analisis lanjut di dalam Regresi Linier
Dr. Rahma Fitriani, S.Si., M.Sc
Skala dan unit pengukuran
Pemilihan bentuk fungsional
Skala dan unit pengukuran
Contoh kasus:
Hubungan antara jumlah investasi swasta pada suatu
daerah dengan pendapatan daerah tersebut
Jumlah investasi adalah fungsi dari pendapatan daerah
Jumlah investasi swasta: GPDI
Pendapatan daerah: GDP
Keduanya diukur di dalam dua satuan:
Jutaan dollar (Millions of dollar): GPDI_Mil dan GDP_Mil
Milyar dollar (Billions of dollar): GPDI_Bil dan GDP_Bil
Dr. Rahma Fitriani, S.Si., M.Sc
Tahun
GPDI(Bil)
GDP(Bil)
GPDI(Mil) GDP(Mil)
1988
828.2
5865.2
828200
5865200
1989
863.5
6062
863500
6062000
1990
815
6136.3
815000
6136300
1991
738.1
6079.4
738100
6079400
1992
790.4
6244.4
790400
6244400
1993
863.6
6389.6
863600
6389600
1994
975.7
6610.7
975700
6610700
1995
996.1
6761.6
996100
6761600
1996
1084.1
6994.8
1084100
6994800
Hasil Pendugaan
Model dalam Jutaan (Million)
^GPDI_Bil_ = -1.03e+03 + 0.302*GDP_Bil_ (258) (0.0399)
T = 10, R-squared = 0.877
(standard errors in parentheses)
^GPDI_Mil_ = -1.03e+06 + 0.302*GDP_Mil (2.58e+05) (0.0399)
T = 10, R-squared = 0.877
(standard errors in parentheses)
Model dalam Milyar (Billion)
Koefisien
Dr. Rahma Fitriani, S.Si., M.Sc
Jika perubahan skala dilakukan pada kedua peubah: eksogen
maupun endogen
Efek dari perubahan skala pada intercept:
Intercept tergantung pada skala peubah endogen (Y)
Gradien tidak mengalami perubahan
Efek dari perubahan per unit peubah eksogen terhadap perubahan peubah endogen
Rasio kedua perubahan tersebut: ∆Y/∆X
Pemilihan skala harus masuk akal dan paling sederhana
Milyar vs Juta
Milyar memuat lebih sedikit nol: lebih sederhana
X
Y
2
1000
:
w
Bagaimana jika yang
diubah skalanya
Dr. Rahma Fitriani, S.Si., M.Sc
GDIP tetap dalam satuan Milyar (Bil), tapi GDP
menggunakan satuan Juta (Mil)
^GPDI_Bil_ = -1.03e+03 + 0.302*GDP_Bil_ (258) (0.0399)
T = 10, R-squared = 0.877
(standard errors in parentheses)
^GPDI_Bil_ = -1.03e+03 + 0.000302*GDP_Mil (258) (3.99e-05)
T = 10, R-squared = 0.877
(standard errors in parentheses)
Intercept tidak
berubah:
mengikuti skala
dari peubah
endogen
(GPDI)
Gradien
mengalami
perubahan,
mengikuti
perubahan
skala:
1/1000 dari
gradien
X
Y
2
1000
:
w
skala
)
(
)
(
*
)
(
*
Bil
X
w
Mil
X
Bil
Y
Y
X
Y
w
X
w
Y
X
Y
1
*
*
*
2
1
2w
Mengukur Elastisitas: Model Log Linier
Dr. Rahma Fitriani, S.Si., M.Sc
Data pengeluaran per kapita setiap kuartal dari tahun
1993 (kuartal I) s/d 1998 (kuartal III)
Berdasarkan data total pengeluaran pribadi, ingin diukur
berapa pengeluaran untuk barang tahan lama (“durable”)
Peubah yang diamati adalah
PCEXP: Total pengeluaran pribadi perkapita (jutaan dollar 1992) EXPDUR: Pengeluaran untuk durable goods (jutaan dollar 1992)
EXPDUR: endogen, PCEXP: eksogen
Ingin diukur elastisitas total pengeluaran terhadap
Plot Model Linier EXPDUR vs PCEXP
1300 1350 1400 1450 1500 1550 1600
E
X
P
D
U
R
Plot log EXDUR vs log PCEXP
Dr. Rahma Fitriani, S.Si., M.Sc
7.18 7.2 7.22 7.24 7.26 7.28 7.3 7.32 7.34 7.36
8.36 8.38 8.4 8.42 8.44 8.46 8.48 8.5 8.52 8.54
l_
E
X
P
D
U
R
l_PCEXP
Kedua model menunjukkan hubungan linier
yang nyata.
Model yang digunakan sesuai dengan tujuan:
Memperoleh koefisien elastisitas dari total
pengeluaran pribadi terhadap pengeluaran untuk
durable goods
Model log-linier lebih tepat:
Pendugaan untuk kedua Model
Dr. Rahma Fitriani, S.Si., M.Sc
^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)
Kedua model berarti secara statistik
1 juta $ kenaikan
total pendapatan
pribadi menaikkan
pengeluaran untuk
durable goods
sebesar 0.233 juta $
1 % kenaikan total
pendapatan pribadi
menaikkan
pengeluaran untuk
durable goods
sebesar 0.764%
Mengukur Laju Pertumbuhan: Log-Lin
Model
Data pengeluaran per kapita setiap kuartal dari tahun 1993
(kuartal I) s/d 1998 (kuartal III)
Peubah yang diamati adalah
PCEXP: Total pengeluaran pribadi perkapita (jutaan dollar 1992)
Ingin diukur laju pertumbuhan dari total pengeluaran pribadi
per kapita dari waktu t ke waktu t+1
Digunakan peubah index waktu
Dr. Rahma Fitriani, S.Si., M.Sc
Model pertumbuhan:
t tY
r
Y
01
Nilai pada waktu t
Nilai pada waktu awal r: persentase pertumbuhan relatif terhadap awal
r
t
Y
Y
t
ln
ln
1
ln
02 1
ln
Y
t
t
dt
Y
d
ln
t2
dt
t t Y dY
2100
%
setiap
%
perubahan
1
unit waktu
Laju
pertumbuhan
Y
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 kuartal t
ke kuartal t +1
pengeluaran
pribadi
meningkat
sebesar
0.814%
Log dari pengeluaran
pribadi pada t=0: 8.35
81
.
4230
)
35
.
8
exp(
35
.
8
ln
0 1 0
PCEXP
PCEXP
Engel Expenditure Model: Lin log Model
Dr. Rahma Fitriani, S.Si., M.Sc
Hubungan antara pengeluaran untuk makanan dan total pengeluaran.
Pengeluaran untuk makanan tergantung dari total pengeluaran.
Engel Expenditure:
Total pengeluaran meningkat secara geometrik
Total pengeluaran untuk makanan meningkat secara aritmatik
Data pengeluaran untuk makanan vs total pengeluaran pada 28 daerah
di India
Linier model:
Pengeluaran untuk makanan= f (Total Pengeluaran)
Lin Log model:
Total Pengeluaran (X) vs Pengeluaran
untuk Makanan (Y)
Linier model
Lin-Log model
350 400 450 500 550 600 650 700 0
50 100 150 200 250 300 350 400 450
Total
Pen-geluaran
Pengeluaran Untuk Makanan
Pengeluaran Untuk Makanan
50 100 150 200 250 300 350 400 450
Dr. Rahma Fitriani, S.Si., M.Sc
i
i
X
Y
1
2ln
X
d
dY
ln
2
X dXdY
X
dX
dY
2100
%
100
2X
dX
X
Y
perubahan
%
1
perubahan
unit
1
100
2
1% perubahan^FoodExp = 104 + 0.412*TotExp (62.8)(0.113)
n = 28, R-squared = 0.337
(standard errors in parentheses)
^FoodExp = -1.03e+03 + 216*l_TotExp (359) (57.0)
n = 28, R-squared = 0.357
(standard errors in parentheses)
Linier Model
Lin-Log Model
1 Rupee peningkatan total pengeluaran
meningkatkan kenaikan pengeluaran untuk
makanan sebesar 0.412 rupee
1 Rupee peningkatan total pengeluaran
meningkatkan kenaikan pengeluaran untuk
makanan sebesar 2.16 1 % peningkatan total
pengeluaran
Pemilihan bentuk fungsional berdasarkan
perbandingan nilai R
2Dr. Rahma Fitriani, S.Si., M.Sc
Perbandingan dua nilai R2 boleh dilakukan pada:
Dua atau beberapa model dengan peubah endogen (Y) dengan bentuk
fungsional yang sama
Ukuran sampel yang sama
Bentuk fungsional peubah eksogen boleh berbeda
Semakin tinggi R2 tidak berarti semakin baik modelnya
Yang utama dalam pemilihan model
Kesesuaian tanda dari penduga koefisien dengan teori ekonomi yang
mendasari
Keberartian penduga koefisien tersebut secara statistik
Peneliti harus lebih memperhatikan hubungan logis/teoritis dari
peubah eksogen terhadap peubah endogen
Jika penduga koefisien nyata secara statistik, dengan tanda sesuai
dengan teori: