ANALISIS EKONOMETRIKA 1 TENTANG HASIL KORELASI DAN
ANALISIS REGERSI BESERTA ANALISIS MODEL REGRESI LINIER
KLASIK: DUA VARIABEL
ANALISIS
Disusun untuk memenuhi nilai tugas ke - 1
mata kuliah ekonometrika 1 yang dibina oleh Bapak Putu Mahardika Adi Saputra, SE., M.Si., MA., ph.D
NAMA: Rizki Dita Aprilia
NIM: 125020101111008
FAKULTAS EKONOMI DAN BISNIS
JURUSAN ILMU EKONOMI
UNIVERSITAS BRAWIJAYA MALANG
Data PDRB Sulawesi Tengah Harga Berlaku Tahun 2008-2012
X Pengeluaran Konsumsi Rumah Tangga
Data Variabel Dependen Y, Metode: Least Squares sampel tahun 2008-2012 Dependent Variable: Y
Method: Least Squares Date: 03/10/14 Time: 15:38 Sample: 2008 2012
Included observations: 5
Variable Coefficient Std. Error t-Statistic Prob.
C -4525339. 2147271. -2.107484 0.1257 X 1.869038 0.091132 20.50921 0.0003
R-squared 0.992918 Mean dependent var 38775500 Adjusted R-squared 0.990558 S.D. dependent var 9008066. S.E. of regression 875325.2 Akaike info criterion 30.49175 Sum squared resid 2.30E+12 Schwarz criterion 30.33553 Log likelihood -74.22938 Hannan-Quinn criter. 30.07246 F-statistic 420.6277 Durbin-Watson stat 1.690508 Prob(F-statistic) 0.000253
Data Estimasi dan Koefisien Substitusi Estimation Command: Y = -4525339.33767 + 1.86903811976*X
Pengujian data PDRB Sulawesi Tengah sudah di jabarkan dan di uji dengan
menggunakan program eviews dengan metode Least Squares sehingga dapat di analisis pada variabel C, mempunyai hasil koefisien -4525339, hasil standard error 2147271 , hasil t-statistik -2.107484 serta hasil probabilitas 0.1257. Pada variabel X, mempunyai hasil koefisien 1.869038, hasil standard error 0.091132 , hasil t-statistik 20.50921 serta hasil probabilitas 0.0003.
Selain itu, juga di jelaskan bahwa dapat menunjukkan kemampuan model R-Squared mempunyai nilai sebesar 0.992918, yaitu variabel independen mampu menjelaskan
pengaruhnya sebanyak 99,29% terhadap variabel dependen. Adjusted R-squares mempunyai nilai R2 sebesar 0.990558. S.E of regression mempunyai nilai standard error regresi
875325.2. Sum squared resid mempunyai jumlah nilai residual kuadrat 2.30E+12. Log likelihood mempunyai nilai yang dihitung dari nilai koefisen estimasi -74.22938. F-statistic mempunyai uji serempak pengaruh semua variabel independen (x) terhadap variabel
dependen (y), yaitu 420.6277. Probabilitas (F-Statistic) mempunyai nilai uji F-Statistic sebesar 0.000253. Mean dependent var mempunyai nilai mean rata-rata variabel dependen (y) sebesar 38775500. S.D dependent var mempunyai standar deviasi variabel dependen (y) sebesar 9008066. Akaike info criterion mempunyai nilai sebesar 30.49175 , ini digunakan
untuk menguji kelayakan model selain uji F semakin kecil AIC, semakin baik modelnya. Schwarz criterion mempunyai nilai sebesar 30.33553, ini sama seperti AIC, SIC digunakan untuk menguji kelayakan model, semakin kecil SIC semakin baik modelnya. Hannan-quinn criter mempunyai nilai 30.07246, ini sama seperti AIC, HQC digunakan untuk menguji kelayakan model, semakin kecil HQC semakin baik modelnya. Durbin-watson stat
mempunyai nilai sebesar 1.690508, nilai Durbin Watson digunakan untuk mengetahui apakah ada autokorelasi.
Analisi Model Regresi 1. Pengujian Statistik
a) Uji Koefisien Determinasi ( R2 )
Koefisen determinasi ( R2 ) , digunakan untuk mengukur seberapa besar
variabel-variabel bebas dapat menjelaskan variabel terikat. Koefisien ini menunjukkan seberapa besar variasi total pada variabel terikat yang dapat dijelaskan oleh variabel bebasnya dalam model regresi tersebut. Nilai dari koefisien determinasi ialah antara 0 hingga 1. Nilai R2 yang mendekati 1
menunjukkan bahwa variabel dalam model tersebut dapat mewakili permasalahan yang di teliti, karena dapat menjelaskan variasi yang terjadi pada variabel dalam model yang dibentuk tidak dapat menjelaskan variasi dalam variabel tersebut.
Nilai koefisien determinasi akan cenderung semakin besar bila jumlah variabel bebas dan jumlah data yang diobservasi semakin banyak. Oleh karena itu, maka digunakan ukuran adjusted R2 ( R2 ), untuk menghilangkan bias akibat adanya penambahan jumlah variabel bebas dan jumlah data yang diobservasi.
