Causation or correlation?
Dalam korelasi, umumnya kedua variabel statusnya setara, tidak ada independensi, tidak
ada tanda panah ke salah satu variabel
Alat Pembuktian korelasi:
◦ Uji korelasi pearson parametrik, atau
kendall’s tau dan spearman nonparametrik
◦ Uji regresi lihat r, atau koeficiennya
1. Korelasi
T h
u rs
d a
y, A
p ri
l 1
4 ,
2 1
6
Nar s
2 1
6
2. Kausalitas
a. Granger causality
Apakah: X Y atau Y X atau X Y
X dan Y adalah sepasang data time series
Y
t
= ∑a
i
Y
t‐i
+ b
i
X
t‐i
+ e ……….…………1
X
t
= ∑c
i
X
t‐i
+ d
i
Y
t‐i
+ e ………………….2
Jika hasil persamaan 1: b
i
sig., berarti X menyebabkan Y, b
i
insig., berarti X tidak menyebabkan Y Jika hasil persamaan 2:
d
i
sig., berarti Y menyebabkan X, d
i
insig., berarti Y tidak menyebabkan X
Jika, b
i
dan d
i
sama‐sama signifikan berarti terjadi hubungan simultan, dimana X dan Y saling memengaruhi
T h
u rs
d a
y, A
p ri
l 1
4 ,
2 1
6
Nar s
2 1
6
b. Experimen
Apakah X Y, harus memenuhi 4 syarat:
1. Ada covary antara X dan Y ada korelasi
2. Ada time order, bahwa X mendahului Y
3. Rule out other factor semua variabel selain X,
harus dikendalikan, sehingga satu‐satunya yang berbeda hanya X
4. Ada teori yang menyatakan bahwa X
menyebabkan Y
T h
u rs
d a
y, A
p ri
l 1
4 ,
2 1
6
Nar s
2 1
6
Alat pembuktian kausalitas?
Perlu diingat bahwa alat statistik tidak pernah menjelaskan apakah dua buah variabel itu berkorelasi atau berpengaruh?
Yang menjelaskan adalah: Teori
1.Uji t? Boleh
2.Khai square? Boleh
3.U‐Mann Whitney? Boleh
4.Uji ANOVA? Boleh
5.UJI Regresi? Boleh
6.Uji……
T h
u rs
d a
y, A
p ri
l 1
4 ,
2 1
6
Nar s
2 1
6
Penggunaan Regresi
Question?
1. Simultan vs parsial???
2. Seberapa besar variabel‐variabel independen
mampu menjelaskan variansi variabel dependen?
Lihat R2
3. Apakah variansi variabel dependen disebabkan
oleh variansi variabel‐variabel independen yang dimasukkan dalam model?
Goodness of fit? Lihat Uji F ANOVA
4. Manakah di antara variabel‐variabel
independen yang memengaruhi variabel dependen?
Lihat Uji t
T h
u rs
d a
y, A
p ri
l 1
4 ,
2 1
6
Nar s
2 1
6
Uji Asumsi Klasik?
• Membuat model estimasi?
Membuktikan dugaan secara empirik?
T h
u rs
d a
y, A
p ri
l 1
4 ,
2 1
6
Nar s
2 1
6
Uji Asumsi Klasik?
Tujuannya adalah memperoleh model prediksi terbaik.
BLUE = Best Linier Unbias Estimator.
Uji ini diperlukan jika:
1. Memang membangun model prediksi
2. Modelnya: Regresi Linier
2. Datanya: Time Series
3. Time Seriesnya: Panjang, more than 100
T h
u rs
d a
y, A
p ri
l 1
4 ,
2 1
6
Nar s
2 1
6
Cobalah dipahami?
• Autokorelasi
korelasi yang terjadi karena pengamatan terhadap data berurutan sepanjang
waktu time series. Masalah muncul jika: residualnya tidak bebas dari satu observasi ke
observasi lainnya.
• Kalau data crossection?
• Normalitas
yang diuji normalitasnya adalah residunya, bukan datanya. Tujuannya, untuk
memperoleh keyakinan bahwa variansi variabel dependen penyebabnya adalah variansi variabel
independen, bukan karena residunya.
T h
u rs
d a
y, A
p ri
l 1
4 ,
2 1
6
Nar s
2 1
6
Lanjutan…
• Heteroskedastisitas
bahwa varians dari residual tidak konstan dari satu observasi ke observasi
lainnya. Ini tentu tdk boleh terjadi pada data time series,
harus homoskedastisitas
• Kalau data crossection?
• Uji Multikolinearitas
in economics, everything
depends on everyhing else . Jadi sebenarnya sulit
mencari variabel yang betul‐betul tidak bermultikol. Oleh karena itu, dalam menspesifikasi variabel‐
variabel penelitian, lebih baik didasarkan pada konsep teoretis yang benar
T h
u rs
d a
y, A
p ri
l 1
4 ,
2 1
6
Nar s
2 1
6
Tentang Model Moderasi
Variabel Independen
Variabel Dependen
Variabel Moderasi
1. Bahwa variabel moderasi harus
ZERO CORRELATION
baik terhadap variabel independen maupun dependen.
2. Interpretasi atas hasil, adalah pada high order correlation
