Tugas UTS

Untuk UTS, tugas kelompok (maksimal 3 orang) mencari model ekonometrika dari jurnal yang akan diadopsi untuk menguji kasus Indonesia atau Asia.
(1) Mencari model ekonometrika dalam jurnal, disarankan jurnal internasional
(2) Mencari data Indonesia atau Asia sebagai proxi dari variabel yang tercantum dalam model ekonometrika
(3) Melakukan regresi sederhana dari data dan model yang sudah dilakukan pada tahap 1 dan 2.


Tugas UAS

Menguji apakah hasil regresi yang dilakukan pada saat UTS memenuhi kriteria asumsi klasik ataupun uji apriori. Berikut ini beberapa uji yang disarankan:
(1) uji statistika (t dan F)
(2) uji asumsi klasik (LM test, White test, RESET, JB)
(3) uji apriorit (apakah hasil estimasi sesuai dengan penelitian sebelumnya)

Asisten Ekonomet Headline

Monday, April 16, 2007

Melinearkan Fungsi (Minggu ke6)

Untuk minggu ke-6 kali ini(12 April 2007), kita membahas tentang linearitas. Setelah sebelum nya, kita melakukan uji hipotesis/statistik yaitu uji-t dan uji-F, dan uji klasik. Pasti semua pada bertanya, kenapa harus membahas tentang linearitas suatu model?? apakah tidak tinggal memasukkan model apa adanya ke eviews?? Well, jawabannya adalah TIDAK.. karena untuk menentukan suatu persamaan regresi itu bisa digunakan atau tidak untuk melakukan estimasi, salah satu cara nya harus memenuhi persyaratan BLUE!! tau kan, kepanjangan dari BLUE.. salah satu hurufnya mengandung kata Linear..
Arti Linear disini ada 2:

  1. Linear dalam variable berarti persamaan regresi berisikan variable yang berpangkat satu
  2. Sedangkan Linearitas dalam parameter artinya yang berpangkat satu adalah parameternya.

Mungkin timbul pertanyaan, mengapa variabel-variabelnya harus berpangkat satu??! bila fungsi asli kita memiliki standart error yang tinggi, maka fungsi/persamaan kita harus diubah menjadi persamaan yang linear. kita tentu nya gak kan mau memiliki standart error yang tinggi bukan? alias menemukan standart error yang lebih kecil. sehingga hasil estimasi yang kita lakukan bisa mendekati kenyataan =)

Contoh :

Model fungsi produksi Cobb Douglass :

Y = aKb1Lb2

Fungsi ini tidak linear dalam variabel dan parameter.

Y = output;

K = modal

L = labor,


Agar dapat dilakukan regresi, kita terlebih dahulu harus melinearkan persamaan fungsi diatas. Salah satu yang dapat kita lakukan adalah dengan menggunakan CLRM atau classical linear regression model yaitu dengan cara mentransformasikan persamaan tersubut ke persamaan linear dengan menggunakan logaritma.

Penggunaaan CLRM untuk merubah persamaan yang tidak linear menjadi linear dengan cara menggunakan logaritma natural (ln).

1. ln Y = a + b1 ln K + b2 ln L …… logaritma.

2. Pada kasus persamaan yang lain bisa saja melakukan logaritma pada sebagian variabelnya, misalkan :

a. ln Y = a + b1 X1+ b2 X2 …………semi logaritma tipe (log lin).

Karena variabel terikatnya di log tetapi variabel bebasnya tidak.

b. Y = a + b1 ln X1+ b2 ln X2 …………semi logaritma tipe (lin log).

Karena variabel bebasnya di log tapi dependen variablenya tidak.

Untuk penggunaannya di Eviews sama seperti pengolahan data biasa, hanya saat menulis persamaan pada kolom estimate equation fungsi produksi Cobb Douglass ditulis seperti :

Log(Y) c log(K) log(L)







Dari hasil regresi model di atas kita menemukan persamaan estimasinya sebagai berikut :

Log(Y) = -42.64 + 0.54 log(K) + 4.35 log(L)

Dengan uji hipotesis/statistik : (a = 5%)

Uji-F :

Probabilitas F-stat = 0.000 < 0.05

Berarti secara keseluruhan, variabel independen hasil estimator signifikan mempengaruhi Y sebagai variabel terikat.

Uji-t: (probabilitas estimator)

Konstanta : 0.0780 > 0.05 à Tidak signifikan mempengaruhi Y

Log K : 0.1070 > 0.05 à Tidak signifikan mempengaruhi Y

Log L : 0.0790 > 0.05 à Tidak signifikan mempengaruhi Y

Uji Klasik:

1. Uji Normalitas (JB Test)

Probability: 0.377104 > 0.05, berarti persebaran data di atas, normal.

2. Uji Autokorelasi

Obs*R-squared: 9.42777174603, Probability 0.00897 < 0.05 yang berarti terjadi auto korelasi pada data di atas.

3. Uji Heteroskedastis

Obs*R-squared: 4.93874696204, Probability: 0.176337733709 > 0.05, berarti hasil estimator tersebut memiliki varian yang homogen (homoskedastis), tidak terjadi heteroskedastis.


No comments: