Materi Ekonometrika untuk S1
Ekonometrika
Program Studi Statistika
Semester Ganjil 2011
Dr. Rahma Fitriani, S.Si., M.Sc.
Review Analisis Regresi
Analisis Regresi
Mempelajari hubungan ketergantungan dari
satu peubah tak bebas (dependent) kepada
satu atau lebih peubah penjelas (explanatory)
Menduga rata-rata populasi dari peubah tak
bebas berdasarkan pengetahuan mengenai
nilai peubah penjelas
Dr. Rahma Fitriani, S.Si., M.Sc.
Contoh 1: Tinggi anak laki-laki dan Tinggi
ayahnya
Meramalkan tinggi anak
laki-laki dari tinggi
ayahnya
Pada setiap nilai tinggi
ayah terdapat sebaran
tinggi anak laki-laki
Secara rata-rata tinggi
anak laki-laki meningkat
seiring peningkatan
tinggi ayah
Garis regresi:
Menghubungkan rata-rata
tinggi anak dengan tinggi
ayah
Dr. Rahma Fitriani, S.Si., M.Sc.
Contoh 2: Tinggi Anak Laki-laki dan
Usianya
Menduga tinggi anak
laki-laki dari umurnya
Pada setiap umur
anak laki-laki
terdapat sebaran
tinggi
Secara rata-rata
tinggi anak laki-laki
meningkat dengan
umur
Garis regresi:
Hubungan antara ratarata tinggi dan umur
Dr. Rahma Fitriani, S.Si., M.Sc.
Contoh 3: Pendapatan dan Konsumsi
Pasangan nilai
pendapatan dan
konsumsi diambil
secara acak, tidak
diamati untuk
setiap nilai
Pendapatan (GDP)
Untuk menentukan
seberapa besar
koefisien MPC:
marginal propensity
to consume
Dr. Rahma Fitriani, S.Si., M.Sc.
Contoh 4: Produksi tanaman dan curah
hujan
Produksi tanaman (dependent variable)
dipengaruhi oleh curah hujan (explanatory
variable)
Hubungan regresi digunakan untuk
Meramalkan produksi berdasarkan informasi
mengenai curah hujan
Dr. Rahma Fitriani, S.Si., M.Sc.
Hubungan secara Deterministik vs
Stokastik
Hubungan deterministik antar peubah apabila
semua pasangan titik membentuk garis lurus
Hubungan stokastik:
Pasangan titik berada di sekitar (tidak tepat pada)
garis
Adanya unsur random atau stokastik
Peubah random atau stokastik mempunyai
sebaran peluang tertentu
Analisis regresi:
Adanya kemungkinan peubah lain yang tidak
terukur yang juga menjelaskan peubah tak bebas
Selain hubungan deterministik yang diasumsikan
Dr. Rahma Fitriani, S.Si., M.Sc.
Regresi vs Sebab Akibat
Hubungan sebab akibat tidak disimpulkan
secara statistik
Hubungan sebab akibat harus dibentuk
berdasarkan “common sense”
Penentuan hubungan sebab akibat secara “a
priori”
Contoh: Berdasarkan bidang ilmu yang
bersesuaian
Produksi dipengaruhi oleh curah hujan, bukan
sebaliknya
Tinggi tubuh anak laki-laki dipengaruhi oleh umur,
bukan sebaliknya
Konsumsi dipengaruhi
oleh
pendapatan,
bukan
Dr. Rahma
Fitriani,
S.Si., M.Sc.
Regresi vs Korelasi
Regresi:
Melibatkan unsur sebab akibat antara dua peubah
(atau lebih)
Peubah tak bebas dan peubah penjelas
Korelasi
Hanya hubungan keeratan antar peubah
Tanpa unsur sebab akibat
Dr. Rahma Fitriani, S.Si., M.Sc.
Terminologi
Peubah tak bebas
(dependent)
Explained
Independent
Predictand
Predictor
Regressand
Regressor
Response
Stimulus
Endogenous
Exogenous
Outcome
Covariate
Analisis regresi sederhana (simple regression analysis)
Peubah Penjelas
(Explanatory)
Melibatkan dua peubah saja
Satu peubah tak bebas dan satu peubah penjelas
Analisis regresi berganda (multiple regression analysis)
Melibatkan lebih dari dua peubah
Satu peubah tak bebas dan beberapa peubah penjelas
Dr. Rahma Fitriani, S.Si., M.Sc.
Tipe Data untuk Analisis Ekonomi
Tipe data
Time Series data
Cross section data
Pooled data
Panel, Longitudinal or Micropanel data
Dr. Rahma Fitriani, S.Si., M.Sc.
Tipe Data untuk Analisis Ekonomi
Time Series Data
Sekumpulan pengamatan yang diamati pada
satu/beberapa peubah pada waktu yang berbeda (Yt)
Data harian: harga saham, ramalan cuaca
Data mingguan: supply uang
Data bulanan: tingkat pengangguran, Consumer Price
Index (CPI)
Data tiga bulanan (quarterly): GDP (pendapatan
nasional)
Data tahunan: anggaran pemerintah
Hubungan stasioner mendasari analisis data time series
(di luar lingkup kuliah ini)
Dr. Rahma Fitriani, S.Si., M.Sc.
Tipe Data untuk Analisis Ekonomi
Cross Section Data
Hasil pengamatan pada satu atau beberapa
peubah yang diperoleh pada satu waktu untuk
beberapa individu (orang/negara/perusahan)
Contoh:
Produksi telur (Y1i) dan harga telur (X1i) untuk 50
negara bagian di US pada tahun 1990, i =1, …, 50
Produksi telur (Y2i) dan harga telur (X2i) untuk 50
negara bagian di US pada tahun 1991, i =1, …, 50
Dr. Rahma Fitriani, S.Si., M.Sc.
Dr. Rahma Fitriani, S.Si., M.Sc.
Tipe Data untuk Analisis Ekonomi
Pooled
data
Gabungan dari time series dan cross section
data
Produksi telur (Yi ) dan harga telur (Xi) untuk
50 negara bagian di US pada tahun 1990 dan
tahun 1991
Perbedaan waktu tidak dipentingkan,
dianggap sebagai ulangan
Total pengamatan n = 50+50 = 100
i = 1, …, 100
Dr. Rahma Fitriani, S.Si., M.Sc.
Tipe Data untuk Analisis Ekonomi
Panel, Longitudinal atau Micropanel Data
Data yang diukur pada unit cross section yang sama dalam
selang waktu tertentu
Unit cross section:
Pengamatan
Produksi telur
Harga telur
Selang waktu: 1990 dan 1991
Negara Bagian
Di setiap negara bagian diamati produksi telur dan harga telur
pada dua periode waktu tersebut
Yit: Produksi telur pada negara bagian i pada tahun t
Xit: Harga telur pada negara bagian i pada tahun t
i = 1, …, 50, t = 1990, 1991
Dr. Rahma Fitriani, S.Si., M.Sc.
Contoh Lain Panel Data
Sensus n rumah tangga untuk 5 tahun
Unit cross section:
Setiap tahun, rumah tangga yang sama
diwawancara, tentang jumlah pendapatan (Y)
Yit: Pendapatan rumah tangga i pada tahun t
Rumah tangga
i = 1, …, n, t = 1, …, 5
Tujuan:
Untuk mempelajari perubahan secara finansial
rumah tangga tsb sejak wawancara terakhir
Mempelajari dinamika keuangan rumah tangga
secara periodik
Dr. Rahma Fitriani, S.Si., M.Sc.
Sumber Data Ekonomi
Lembaga pemerintahan
Lembaga Internasional
BPS
SuSeNas: Sensus Ekonomi Pemerintah
Bank Indonesia
IMF
Bank Dunia
Organisasi swasta lainnya
Internet
Dr. Rahma Fitriani, S.Si., M.Sc.
Sumber Data Ekonomi
Metode Pengumpulan Data Ekonomi:
Bukan dari percobaan (Experimental)→ Di Ilmu Hayat
Pengamatan dilakukan ketika faktor-faktor tertentu
dibuat konstan untuk mempelajari efek suatu faktor
yang menjadi pusat perhatian
Non experimental
Non Experimental data:
Tidak dapat dikontrol oleh peneliti
Contoh: Tingkat pengangguran, PDB, tingkat
inflasi, dll
Dr. Rahma Fitriani, S.Si., M.Sc.
Program Studi Statistika
Semester Ganjil 2011
Dr. Rahma Fitriani, S.Si., M.Sc.
Review Analisis Regresi
Analisis Regresi
Mempelajari hubungan ketergantungan dari
satu peubah tak bebas (dependent) kepada
satu atau lebih peubah penjelas (explanatory)
Menduga rata-rata populasi dari peubah tak
bebas berdasarkan pengetahuan mengenai
nilai peubah penjelas
Dr. Rahma Fitriani, S.Si., M.Sc.
Contoh 1: Tinggi anak laki-laki dan Tinggi
ayahnya
Meramalkan tinggi anak
laki-laki dari tinggi
ayahnya
Pada setiap nilai tinggi
ayah terdapat sebaran
tinggi anak laki-laki
Secara rata-rata tinggi
anak laki-laki meningkat
seiring peningkatan
tinggi ayah
Garis regresi:
Menghubungkan rata-rata
tinggi anak dengan tinggi
ayah
Dr. Rahma Fitriani, S.Si., M.Sc.
Contoh 2: Tinggi Anak Laki-laki dan
Usianya
Menduga tinggi anak
laki-laki dari umurnya
Pada setiap umur
anak laki-laki
terdapat sebaran
tinggi
Secara rata-rata
tinggi anak laki-laki
meningkat dengan
umur
Garis regresi:
Hubungan antara ratarata tinggi dan umur
Dr. Rahma Fitriani, S.Si., M.Sc.
Contoh 3: Pendapatan dan Konsumsi
Pasangan nilai
pendapatan dan
konsumsi diambil
secara acak, tidak
diamati untuk
setiap nilai
Pendapatan (GDP)
Untuk menentukan
seberapa besar
koefisien MPC:
marginal propensity
to consume
Dr. Rahma Fitriani, S.Si., M.Sc.
Contoh 4: Produksi tanaman dan curah
hujan
Produksi tanaman (dependent variable)
dipengaruhi oleh curah hujan (explanatory
variable)
Hubungan regresi digunakan untuk
Meramalkan produksi berdasarkan informasi
mengenai curah hujan
Dr. Rahma Fitriani, S.Si., M.Sc.
Hubungan secara Deterministik vs
Stokastik
Hubungan deterministik antar peubah apabila
semua pasangan titik membentuk garis lurus
Hubungan stokastik:
Pasangan titik berada di sekitar (tidak tepat pada)
garis
Adanya unsur random atau stokastik
Peubah random atau stokastik mempunyai
sebaran peluang tertentu
Analisis regresi:
Adanya kemungkinan peubah lain yang tidak
terukur yang juga menjelaskan peubah tak bebas
Selain hubungan deterministik yang diasumsikan
Dr. Rahma Fitriani, S.Si., M.Sc.
Regresi vs Sebab Akibat
Hubungan sebab akibat tidak disimpulkan
secara statistik
Hubungan sebab akibat harus dibentuk
berdasarkan “common sense”
Penentuan hubungan sebab akibat secara “a
priori”
Contoh: Berdasarkan bidang ilmu yang
bersesuaian
Produksi dipengaruhi oleh curah hujan, bukan
sebaliknya
Tinggi tubuh anak laki-laki dipengaruhi oleh umur,
bukan sebaliknya
Konsumsi dipengaruhi
oleh
pendapatan,
bukan
Dr. Rahma
Fitriani,
S.Si., M.Sc.
Regresi vs Korelasi
Regresi:
Melibatkan unsur sebab akibat antara dua peubah
(atau lebih)
Peubah tak bebas dan peubah penjelas
Korelasi
Hanya hubungan keeratan antar peubah
Tanpa unsur sebab akibat
Dr. Rahma Fitriani, S.Si., M.Sc.
Terminologi
Peubah tak bebas
(dependent)
Explained
Independent
Predictand
Predictor
Regressand
Regressor
Response
Stimulus
Endogenous
Exogenous
Outcome
Covariate
Analisis regresi sederhana (simple regression analysis)
Peubah Penjelas
(Explanatory)
Melibatkan dua peubah saja
Satu peubah tak bebas dan satu peubah penjelas
Analisis regresi berganda (multiple regression analysis)
Melibatkan lebih dari dua peubah
Satu peubah tak bebas dan beberapa peubah penjelas
Dr. Rahma Fitriani, S.Si., M.Sc.
Tipe Data untuk Analisis Ekonomi
Tipe data
Time Series data
Cross section data
Pooled data
Panel, Longitudinal or Micropanel data
Dr. Rahma Fitriani, S.Si., M.Sc.
Tipe Data untuk Analisis Ekonomi
Time Series Data
Sekumpulan pengamatan yang diamati pada
satu/beberapa peubah pada waktu yang berbeda (Yt)
Data harian: harga saham, ramalan cuaca
Data mingguan: supply uang
Data bulanan: tingkat pengangguran, Consumer Price
Index (CPI)
Data tiga bulanan (quarterly): GDP (pendapatan
nasional)
Data tahunan: anggaran pemerintah
Hubungan stasioner mendasari analisis data time series
(di luar lingkup kuliah ini)
Dr. Rahma Fitriani, S.Si., M.Sc.
Tipe Data untuk Analisis Ekonomi
Cross Section Data
Hasil pengamatan pada satu atau beberapa
peubah yang diperoleh pada satu waktu untuk
beberapa individu (orang/negara/perusahan)
Contoh:
Produksi telur (Y1i) dan harga telur (X1i) untuk 50
negara bagian di US pada tahun 1990, i =1, …, 50
Produksi telur (Y2i) dan harga telur (X2i) untuk 50
negara bagian di US pada tahun 1991, i =1, …, 50
Dr. Rahma Fitriani, S.Si., M.Sc.
Dr. Rahma Fitriani, S.Si., M.Sc.
Tipe Data untuk Analisis Ekonomi
Pooled
data
Gabungan dari time series dan cross section
data
Produksi telur (Yi ) dan harga telur (Xi) untuk
50 negara bagian di US pada tahun 1990 dan
tahun 1991
Perbedaan waktu tidak dipentingkan,
dianggap sebagai ulangan
Total pengamatan n = 50+50 = 100
i = 1, …, 100
Dr. Rahma Fitriani, S.Si., M.Sc.
Tipe Data untuk Analisis Ekonomi
Panel, Longitudinal atau Micropanel Data
Data yang diukur pada unit cross section yang sama dalam
selang waktu tertentu
Unit cross section:
Pengamatan
Produksi telur
Harga telur
Selang waktu: 1990 dan 1991
Negara Bagian
Di setiap negara bagian diamati produksi telur dan harga telur
pada dua periode waktu tersebut
Yit: Produksi telur pada negara bagian i pada tahun t
Xit: Harga telur pada negara bagian i pada tahun t
i = 1, …, 50, t = 1990, 1991
Dr. Rahma Fitriani, S.Si., M.Sc.
Contoh Lain Panel Data
Sensus n rumah tangga untuk 5 tahun
Unit cross section:
Setiap tahun, rumah tangga yang sama
diwawancara, tentang jumlah pendapatan (Y)
Yit: Pendapatan rumah tangga i pada tahun t
Rumah tangga
i = 1, …, n, t = 1, …, 5
Tujuan:
Untuk mempelajari perubahan secara finansial
rumah tangga tsb sejak wawancara terakhir
Mempelajari dinamika keuangan rumah tangga
secara periodik
Dr. Rahma Fitriani, S.Si., M.Sc.
Sumber Data Ekonomi
Lembaga pemerintahan
Lembaga Internasional
BPS
SuSeNas: Sensus Ekonomi Pemerintah
Bank Indonesia
IMF
Bank Dunia
Organisasi swasta lainnya
Internet
Dr. Rahma Fitriani, S.Si., M.Sc.
Sumber Data Ekonomi
Metode Pengumpulan Data Ekonomi:
Bukan dari percobaan (Experimental)→ Di Ilmu Hayat
Pengamatan dilakukan ketika faktor-faktor tertentu
dibuat konstan untuk mempelajari efek suatu faktor
yang menjadi pusat perhatian
Non experimental
Non Experimental data:
Tidak dapat dikontrol oleh peneliti
Contoh: Tingkat pengangguran, PDB, tingkat
inflasi, dll
Dr. Rahma Fitriani, S.Si., M.Sc.