Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Ekonometrika Ilustrasi Permasalah Multiple Regression Dengan Software

Presentasi serupa


Presentasi berjudul: "Ekonometrika Ilustrasi Permasalah Multiple Regression Dengan Software"— Transcript presentasi:

1 Ekonometrika Ilustrasi Permasalah Multiple Regression Dengan Software
Dr. Rahma Fitriani, S.Si., M.Sc

2 Pendugaan Model Cobb Douglas
Data pada file Excell Tugas, sheet CobbDouglas Dari 51 perusahaan diamati produktivitas (OUTPUT dalam $), investasi untuk modal (CAPITAL dalam $) dan investasi tenaga kerja (LABOR dalam $) Dilakukan pendugaan model Dr. Rahma Fitriani, S.Si., M.Sc

3 Uji Keberartian Model secara Simultan
Menggunakan uji hipotesis Model unrestricted: Model restricted Hipotesis Dr. Rahma Fitriani, S.Si., M.Sc

4 Output untuk Unrestricted Model
Model 1: OLS, using observations 1-51 Dependent variable: l_output coefficient std. error t-ratio p-value const e-013 *** l_labor e-05 *** l_capital e-06 *** Mean dependent var S.D. dependent var Sum squared resid S.E. of regression R-squared Adjusted R-squared F(2, 48) P-value(F) e-35 Log-likelihood Akaike criterion Schwarz criterion Hannan-Quinn Log-likelihood for output = JKGU= Dr. Rahma Fitriani, S.Si., M.Sc

5 Output Untuk Restricted Model
Model 2: OLS, using observations 1-51 Dependent variable: l_output coefficient std. error t-ratio p-value const e-056 *** Mean dependent var S.D. dependent var Sum squared resid S.E. of regression R-squared Adjusted R-squared Log-likelihood Akaike criterion Schwarz criterion Hannan-Quinn Log-likelihood for output = JKGR= 95.34 Dr. Rahma Fitriani, S.Si., M.Sc

6 Output Omitted variable Test
Sama dengan output sebelumnya Restricted Model Model 3: OLS, using observations 1-51 Dependent variable: l_output coefficient std. error t-ratio p-value const e-056 *** Mean dependent var S.D. dependent var Sum squared resid S.E. of regression R-squared Adjusted R-squared Log-likelihood Akaike criterion Schwarz criterion Hannan-Quinn Log-likelihood for output = Comparison of Model 1 and Model 3: Null hypothesis: the regression parameters are zero for the variables l_labor, l_capital Test statistic: F(2, 48) = , with p-value = e-035 Of the 3 model selection statistics, 0 have improved. Statistik uji F Dr. Rahma Fitriani, S.Si., M.Sc

7 Karena p-value relatif kecil, menuju nol
Cukup bukti untuk menolak H0 Koefisien bagi peubah Labour dan Capital tidak sama dengan nol Unrestricted model berbeda nyata dengan restricted model Unrestricted model lebih baik menjelaskan keragaman Output produksi Dr. Rahma Fitriani, S.Si., M.Sc

8 Uji Linear Restriction
Menggunakan uji hipotesis Model unrestricted: Restritcion pada hipotesis: Model restricted: Dr. Rahma Fitriani, S.Si., M.Sc

9 Output untuk Unrestricted Model
Model 1: OLS, using observations 1-51 Dependent variable: l_output coefficient std. error t-ratio p-value const e-013 *** l_labor e-05 *** l_capital e-06 *** Mean dependent var S.D. dependent var Sum squared resid S.E. of regression R-squared Adjusted R-squared F(2, 48) P-value(F) e-35 Log-likelihood Akaike criterion Schwarz criterion Hannan-Quinn Log-likelihood for output = JKGU= Dr. Rahma Fitriani, S.Si., M.Sc

10 Output Linear Restricted Model
Model 4: OLS, using observations 1-51 Dependent variable: l_Out_Labor coefficient std. error t-ratio p-value const e-025 *** l_Capital_Lab e-06 *** Mean dependent var S.D. dependent var Sum squared resid S.E. of regression R-squared Adjusted R-squared F(1, 49) P-value(F) e-06 Log-likelihood Akaike criterion Schwarz criterion Hannan-Quinn Log-likelihood for Out_Labor = JKGR= Dr. Rahma Fitriani, S.Si., M.Sc

11 Output Linear Restriction Test
b[l_labor] + b[l_capital] = 1 Test statistic: F(1, 48) = , with p-value = Restricted estimates: coefficient std. error t-ratio p-value const e-025 *** l_labor e-06 *** l_capital e-06 *** Standard error of the regression = Dr. Rahma Fitriani, S.Si., M.Sc

12 Karena p-value yang cukup besar, tidak cukup bukti untuk menolak H0
Restricted dan unrestricted model tidak berbeda nyata Jumlah dari kedua parameter = 1 Penduga model: ^l_output = *l_labor *l_capital (0.396)(0.0989) (0.0969) n = 51, R-squared = 0.964 (standard errors in parentheses) Dr. Rahma Fitriani, S.Si., M.Sc


Download ppt "Ekonometrika Ilustrasi Permasalah Multiple Regression Dengan Software"

Presentasi serupa


Iklan oleh Google