67
Dalam sebuah model regresi, dapat dilihat dimana ada hubungan korelasai antara variabel dependen dan variabel bebas, dimana variabel bebas
mempengaruhi variabel dependen. Tetapi hubungan linear satu arah seperti itu tidak selamanya dapat dipertahankan. Sangat mungkin bahwa variabel bebas tidak
hanya mempengaruhi variabel dependen, tetapi variabel dependen juga dapat mempengaruhi satu atau lebih dari variabel bebas. Dengan demikian maka dapat
disimpulkan di dalam model tersebut terdapat hubungan bilateral atau umpan balik antara varibel dependen dan variabel bebas.
Model-model regresi dimana ada lebih dari satu persamaan dan dimana ada hubungan umpan balik diantara variabel dikenal sebagai model regresi
persamaan simultan simultaneous equation regression models.
3.4.1.1 Model Berulang
Recursive Models dan Kuadrat Terkecil
Model berulang recursive models dan kuadrat terkecil adalah salah satu model regresi dengan model regresi persamaan simultan simultaneous equation
regression models. Seperti sifat dari model regresi persamaan simultan, recursive models juga
terdapat dua model atau lebih yang saling berkorelasi, atau memiliki hubungan linier antara variabel dependent dan independent-nya.
Untuk persamaan di dalam recursive model merupakan kasus dimana OLS dapat diterapkan secara benar walaupun dalam persamaan simultan. Dimana
antara persamaan yang satu akan mempengaruhi persamaan berikutnya. Untuk
68
melihat sifat dari model ini, perhatikan tiga-persamaan berikut ini Gujarati, 1997:
……. 3.4.1 ……..3.4.2
…….3.4.3
Dimana Y dan X secara berturut-turut adalah variabel endogen variabel endogen dan eksogen, unsure gangguan sedemikian rupa sehingga
, ,
, 10
Dimana artinya adalah gangguan pada periode yang sama dalam persamaan yang berbeda tidak berkorelasi secara teknis, ini merupakan asusmsi
korelasi kontemporer nol. Jika kita perhatikan persamaan 3.4.1, persamaan tadi berisi hanya
variabel eksogen pada sisi sebelah kanan dan karena dengan asumsi variabel tadi tidak berkorelasi dengan variabel gangguan
, persamaan ini memenuhi asumsi kritis dari OLS klasik, yaitu variabel tidak berkorelasi dengan gangguan stokastik.
Jadi OLS dapat diterapkan untuk persamaan ini. Kemudian untuk persamaan kedua yang berisi variabel endogen Y
1
sebagai variabel yang menjelaskan bersama-sama dengan X yang nonstokastik. Sekarang OLS juga dapat diterapkan
dalam persamaan ini karena Y
1t
dan tak berkorelasi, sebab
yang mempengaruhi Y
1
sesuai dengan asumsi tak berkorelasi dengan . Oleha karena
itu, untuk semua maksud praktis, Y
1
adalah variabel yang ditetapkan lebih dahulu
69
selama berkenaan dengan Y
2
. Jadi orang dapat melangkah maju dengan penaksiran OLS dari persamaan ini. Dengan membawa argumen ini selangkah
lebih jauh, OLS dapat juga diterapkan pada persamaan ketiga dalam persamaan di atas, karena baik Y
1
dan Y
2,
kedua-duanya tak berkorelasi dengan .
3.4.2 Estimasi Model Regresi
