Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

By Dewi Purwanti Sekolah Tinggi Ilmu Statistik TA 2013/2014.

Presentasi serupa


Presentasi berjudul: "By Dewi Purwanti Sekolah Tinggi Ilmu Statistik TA 2013/2014."— Transcript presentasi:

1 By Dewi Purwanti Sekolah Tinggi Ilmu Statistik TA 2013/2014

2  Bambang Juanda dan Junaidi, Ekonometrika Deret Waktu, IPB Press  data_bjdata_bj  M. Firdaus, Aplikasi Ekonometrika: untuk data panel dan time series, IPB Press  Nachrowi dan Hardius Usman: Ekonometrika: untuk analisis ekonomi dan keuangan, LP FEUI  Agus Widarjono, Ekonometrika: Pengantar dan Aplikasinya, UPP STIM YKPN  data_awdata_aw  EViews5_1PanelPooledData EViews5_1PanelPooledData

3  Data panel dalam format Ms. Excel  Stacked Data Vs Unstacked Data

4  t = 1935-1954  i = Individu: 1 = IBM 2 = Goodyear 3 = UO 4 = US

5  Copy paste File > new > workfile Workfile create: workfile structure type > balanced panel Quick > empty group pastikan kursor telah berada pada bagian ujung kiri atas dari window group > copy paste  Impor data tutup terlebih dahulu file excel yang akan diimpor file > impor http://ariyoso.wordpress.com/2010/01/17/regre si-data-panel/

6  Referensi: EViews5_1PanelPooledData Referensi: EViews5_1PanelPooledData  Langkah2:  Pastikan data sudah dalam format panel. View > unit root test

7 Panel unit root test: Summary Series: LOGY Date: 11/18/13 Time: 15:23 Sample: 1935 1954 Exogenous variables: Individual effects User specified lags at: 1 Newey-West bandwidth selection using Bartlett kernel Balanced observations for each test Cross- MethodStatisticProb.**sectionsObs Null: Unit root (assumes common unit root process) Levin, Lin & Chu t*-0.43386 0.3322 4 72 Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W-stat 0.49713 0.6905 4 72 ADF - Fisher Chi-square 6.95938 0.5410 4 72 PP - Fisher Chi-square 7.17953 0.5174 4 76 ** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.

8 Panel unit root test: Summary Series: D(LOGY) Date: 11/18/13 Time: 15:24 Sample: 1935 1954 Exogenous variables: Individual effects User specified lags at: 1 Newey-West bandwidth selection using Bartlett kernel Balanced observations for each test Cross- MethodStatisticProb.**sectionsObs Null: Unit root (assumes common unit root process) Levin, Lin & Chu t*-6.23806 0.0000 4 68 Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W-stat -6.14455 0.0000 4 68 ADF - Fisher Chi-square 47.1781 0.0000 4 68 PP - Fisher Chi-square 103.406 0.0000 4 72 ** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.

9  Object: generate series  Logy = log(y) dlogy = d(logy)

10  Olah data dari data bab 18 buku Agus Widarjono  Y = nilai investasi  X1 = nilai harga saham  X2 = nilai aktual kapital di awal periode  Setelah digenerate, buat persamaan logy c logx1 logx2 Atau bisa secara langsung log(y) c log(x1) log(x2)

11

12  Quick: estimate equation  Spesification: masukkan persamaan: variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi logy c logx1 logx2  Name: pooled

13 Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:30 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 VariableCoefficientStd. Errort-StatisticProb. C-2.7839580.391539-7.1103000.0000 LOGX10.9064140.04763119.030040.0000 LOGX20.3024800.0567445.3305730.0000 R-squared0.846486 Mean dependent var4.320014 Adjusted R-squared0.842499 S.D. dependent var1.047154 S.E. of regression0.415578 Akaike info criterion1.118485 Sum squared resid13.29828 Schwarz criterion1.207811 Log likelihood-41.73940 Hannan-Quinn criter.1.154298 F-statistic212.2919 Durbin-Watson stat0.344385 Prob(F-statistic)0.000000

14  Nilai koefisien determinasi = 0,846 (model mampu menjelaskan variasi Y sebesar 84,6%)  Nilai adjusted R-square = 0,842 (model mampu menjelaskan variasi Y sebesar 84,2% dengan memperhitungkan jumlah variabel yang dimasukkan ke dalam model)  Koefisien X bernilai positif, sesuai dengan teori (X1 dan X2 berhubungan positif dengan variabel Y)  Uji statistik t: masing-masing koefisien signifikan secara statistik dengan alfa 1 % jika harga saham (X1 naik 1% maka nilai investasi akan naik sebesar 0,91%, ceteris paribus, faktor lain diasumsikan tetap)  Uji Statistik F: Secara bersama-sama, seluruh variabel bebas berpengaruh signifikan terhadap Y  Nilai Durbin-Watson yang rendah kemungkinan karena ada autokorelasi pada data juga karena kesalahan spesifikasi.  Perkiraan model mengasumsikan bahwa nilai intersep IBM, Goodyear, US dan UO adalah sama. Model juga mengasumsikan koefisien slope dari dua variabel adalah sama untuk keempat perusahaan  Regresi data panel dengan metode OLS di mana seluruh koefisien konstan antara waktu dan individu dapat memberikan hasil yang kurang baik dalam menggambarkan hubungan antara Y dan X pada keempat perusahaan tersebut

15

16  Run persamaan dengan menggunakan dummy variabel dengan metode OLS logy c logx1 logx2 d1 d2 d3  Contoh: buat dummy individu, dalam hal ini individu ke-4 (US) menjadi kategori basis atau referensi  d1 = 1 untuk individu ke-1 (IBM) d1 = 0 untuk individu lainnya  d2 = 1 untuk individu ke-2 (GY) d2 = 0 untuk individu lainnya  d3 = 1 untuk individu ke-3 (UO) d3 = 0 untuk individu lainnya

17 Dependent Variable: LOGY Method: Panel Least Squares Date: 11/21/13 Time: 07:40 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 VariableCoefficientStd. Errort-StatisticProb. C-0.3028500.754284-0.4015060.6892 LOGX10.5704430.1167904.8843410.0000 LOGX20.3520970.0543206.4819230.0000 D1-0.7686620.181409-4.2371790.0001 D2-1.3130430.226041-5.8088760.0000 D3-0.7390640.315667-2.3412800.0219 R-squared0.948601 Mean dependent var4.320014 Adjusted R-squared0.945128 S.D. dependent var1.047154 S.E. of regression0.245294 Akaike info criterion0.099317 Sum squared resid4.452503 Schwarz criterion0.277969 Log likelihood2.027324 Hannan-Quinn criter.0.170944 F-statistic273.1425 Durbin-Watson stat1.001067 Prob(F-statistic)0.000000

18  Semua variabel dummy memiliki nilai signifikan yang sangat tinggi (nilai p-value yang sangat kecil)  menunjukkan bahwa intersep masing- masing perusahaan memang berbeda  Model FEM LSDV mampu menjelaskan adanya perbedaan perilaku keempat perusahaan tersebut  Nilai intersep yang berbeda pada keempat perusahaan karena perbedaan karakteristik yang unik pada keempat perusahaan seperti perbedaan gaya manajemen dan kemampuan manjerial.  c = -0,3029 merupakan intersep dari individu yang menjadi basis, dalam hal ini individu ke-4 (US Steel)  Koefisien dari D1 = -0,769  nilai perbedaan antara intersep individu ke-1 dengan individu basis (individu ke-4) Koefisien dari D2 = -1,313  nilai perbedaan antara intersep individu ke-2 dengan individu basis (individu ke-4) dst…  Nilai aktual intersep untuk IBM = -1,0715 (-0,3029-0,769) Nilai aktual intersep untuk Goodyear = -1,6158 (-0,3029-1,313) Nilai aktual intersep untuk UO = -1,0419 (-0,3029-0,739) Nilai aktual intersep untuk US Steel = -0,3029 Dibandingkan hasil pendekatan PLS maka hasil pendekatan FEM: - memiliki nilai estimasi koefisien yang lebih signifikan - nilai R 2 yang meningkat - nilai Durbin-Watson yang lebih tinggi.  Pendekatan FEM memberikan hasil yang lebih baik.

19

20  Quick: estimate equation  Spesification: masukkan persamaan variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi  Panel option Effect spesification cross section: fixed period: none GLS weight: no weight  Name: fixed

21 Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:33 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 VariableCoefficientStd. Errort-StatisticProb. C-1.0080420.591978-1.7028360.0928 LOGX10.5704430.1167904.8843410.0000 LOGX20.3520970.0543206.4819230.0000 Effects Specification Cross-section fixed (dummy variables) R-squared0.948601 Mean dependent var4.320014 Adjusted R-squared0.945128 S.D. dependent var1.047154 S.E. of regression0.245294 Akaike info criterion0.099317 Sum squared resid4.452503 Schwarz criterion0.277969 Log likelihood2.027324 Hannan-Quinn criter.0.170944 F-statistic273.1425 Durbin-Watson stat1.001067 Prob(F-statistic)0.000000

22 CROSSID Effect 1-0.063470 2-0.607851 3-0.033872 4 0.705192 Cross Section Fixed Effects

23 KonstantaFixed Effect Nilai Intersep Aktual Individu ke-i (1)+(2) (1)(2)(3) -1.008042-0.063470 -1.071512 -1.008042-0.607851 -1.615893 -1.008042-0.033872 -1.041914 -1.008042 0.705192 -0.302850

24 Hasil FEM menunjukkan:  Adanya hubungan positif antara x1 dan x2 terhadap Y  Interpretasi nilai slope untuk model FEM sama dengan model OLS biasa - Jika terjadi kenaikan x1 sebesar satu satuan maka akan meningkatkan y sebesar 0,57, dengan asumsi variabel lain konstan (ceteris paribus) dst…  Interpretasi nilai intersep pada FEM: Nilai intersep yang berbeda pada keempat perusahaan karena perbedaan karakterristik yang unik pada keempat perusahaan seperti perbedaan gaya manajemen dan kemampuan manjerial. Nilai aktual intersep untuk IBM = -1,0715 (-1,008-0.063) Nilai aktual intersep untuk GY = -1,6158 (-1,008-0,608) Nilai aktual intersep untuk UO = -1,0419 ((-1,008-0,034) Nilai aktual intersep untuk US = -0,3029 ((-1,008+0,705)  Perusahaan yang mempunyai nilai rata-rata Y (nilai investasi) terbesar adalah perusahaan ke-4 (US Steel)  Perusahaan yang mempunyai nilai rata-rata Y (nilai investasi) terkecil adalah perusahaan ke-2 (Goodyear)

25   oi tidak dianggap konstan, tapi dianggap sebagai peubah random dengan nilai rata-rata βo dan deviasi acak intercept individu dari nilai intercept rata-rata sebesar λi  Nilai intersep masing-masing perusahaan sebesar  oi (nilai intersep aktual)

26 atau  Error individual tidak berkorelasi satu sama lain  Tidak ada autokorelasi pada data cross section maupun data time series  Tidak ada korelasi antara komponen error dengan variabel penjelas  Sehingga

27  Quick: estimate equation  Spesification: masukkan persamaan: variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi  Panel option Effect spesification cross section: random period: none GLS weight: no weight  Name: random

28 Dependent Variable: LOGY Method: Panel EGLS (Cross-section random effects) Date: 11/18/13 Time: 15:40 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Swamy and Arora estimator of component variances VariableCoefficientStd. Errort-StatisticProb. C-1.1850620.648776-1.8266140.0716 LOGX10.6084370.1103275.5148400.0000 LOGX20.3419920.0531426.4354280.0000 Effects Specification S.D. Rho Cross-section random0.6374810.8710 Idiosyncratic random0.2452940.1290 Weighted Statistics R-squared0.678575 Mean dependent var0.370329 Adjusted R-squared0.670226 S.D. dependent var0.424397 S.E. of regression0.243714 Sum squared resid4.573520 F-statistic81.27906 Durbin-Watson stat0.969126 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.768426 Mean dependent var4.320014 Sum squared resid20.06029 Durbin-Watson stat0.220950

29 CROSSIDEffect 1-0.067142 2-0.589243 3 0.010771 4 0.645614 Cross Section Random Effects

30 KonstantaRandom Effect Nilai Intersep Aktual Individu ke-i (1)+(2) (1)(2)(3) 1.185062-0.067142 1.117920 1.185062-0.589243 0.595819 1.185062 0.010771 1.185062 0.645614 1.185062 Jumlah = 0

31 1. Jumlah nilai efek acak yang diberikan pada keempat perusahaan akan sama dengan nol 2. Intercept c merepresentasikan nilai rata-rata dari seluruh cross-sectional intercept ( nilai intersep umum/nilai intersep bersama/nilai intersep rata-rata) yaitu sebesar -1,185. 3. Error component λ i merepresentasikan deviasi acak intercept individu dari nilai intercept rata-rata. 4. Random effect dari IBM adalah -0,067 menunjukkan seberapa besar intersep IBM berbeda dari nilai intersep bersama  perusahaan IBM memiliki intersep 0,067 lebih rendah dari intersep bersama) dst… Random effect dari US adalah 0,646 menunjukkan seberapa besar intersep US berbeda dari nilai intersep bersama  perusahaan US memiliki intersep 0,646 lebih tinggi dari intersep bersama) dst…

32  FEM: tiap-tiap unit cross section mempunyai nilai intersep masing-masing  REM: - Intersep bersama mewakilkan nilai rata-rata dari semua intersep (cross section) - Komponen error λi mewakilkan deviasi acak dari intersep individual terhadap nilai rata-ratanya

33  Pastikan kita berada pada window hasil estimasi dengan pendekatan fixed effect  View: Fixed/Random Effects Testing > Redundant Fixed Effects – Likelihood Ratio

34 Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects TestStatistic d.f. Prob. Cross-section F49.005196(3,74)0.0000 Cross-section Chi-square87.53345130.0000 Cross-section fixed effects test equation: Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:38 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 VariableCoefficientStd. Errort-StatisticProb. C-2.7839580.391539-7.1103000.0000 LOGX10.9064140.04763119.030040.0000 LOGX20.3024800.0567445.3305730.0000 R-squared0.846486 Mean dependent var4.320014 Adjusted R-squared0.842499 S.D. dependent var1.047154 S.E. of regression0.415578 Akaike info criterion1.118485 Sum squared resid13.29828 Schwarz criterion1.207811 Log likelihood-41.73940 Hannan-Quinn criter.1.154298 F-statistic212.2919 Durbin-Watson stat0.344385 Prob(F-statistic)0.000000

35  Fo = 49,005  Ftabel = F  (N-1,NT-N-K) = F 0,01(3,74) = 4,058  Fo> F-tabel  cukup bukti utk menolak H 0 artinya dugaan intersep sama utk semua individu dpt ditolak

36  Pastikan kita berada pada window hasil estimasi dengan pendekatan Random effect  View: fixed/random effects testing > correlated random effects – Hausman Test

37 Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects Test SummaryChi-Sq. StatisticChi-Sq. d.f.Prob. Cross-section random1.01128620.6031 Cross-section random effects test comparisons: VariableFixed Random Var(Diff.) Prob. LOGX10.5704430.6084370.0014680.3213 LOGX20.3520970.3419920.0001270.3691 Cross-section random effects test equation: Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:43 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 VariableCoefficientStd. Errort-StatisticProb. C-1.0080420.591978-1.7028360.0928 LOGX10.5704430.1167904.8843410.0000 LOGX20.3520970.0543206.4819230.0000 Effects Specification Cross-section fixed (dummy variables) R-squared0.948601 Mean dependent var4.320014 Adjusted R-squared0.945128 S.D. dependent var1.047154 S.E. of regression0.245294 Akaike info criterion0.099317 Sum squared resid4.452503 Schwarz criterion0.277969 Log likelihood2.027324 Hannan-Quinn criter.0.170944 F-statistic273.1425 Durbin-Watson stat1.001067 Prob(F-statistic)0.000000

38

39 GLS WEIGHT  Cross section weights  adanya cross-section heteroskedasticity bandingkan sum square resid antara weight dan unweight  Period weights  adanya period heteroskedasticity ATAU  white heteros-cedasticity consistence variance (dikonstankannya residual)

40 Dependent Variable: APS Method: Panel EGLS (Cross-section weights) Date: 07/13/13 Time: 08:53 Sample: 2007 2011 Periods included: 5 Cross-sections included: 26 Total panel (unbalanced) observations: 129 Linear estimation after one-step weighting matrix VariableCoefficientStd. Errort-StatisticProb. C10.8115129.674920.3643320.7164 JLN-1.6872652.184015-0.7725520.4418 LNPDRB12.349803.4205103.6105160.0005 MISKIN-0.2760740.158942-1.7369490.0857 SR0.0556640.1284010.4335160.6657 LNB_PENDIDIKAN-0.4178920.232435-1.7978890.0755 LNBOS-1.9141171.563390-1.2243380.2240 MURID_GURU-0.0013330.078652-0.0169470.9865 MURID_SEKOLAH-0.0104580.006316-1.6557220.1012 ART_50.1706630.1509951.1302540.2613 PENDIDIKAN_KRT0.3194930.0880383.6290490.0005 PEKERJA_ANAK-0.3090510.126828-2.4367680.0167 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared0.849906 Mean dependent var99.59156 Adjusted R-squared0.791174 S.D. dependent var32.32252 S.E. of regression3.242954 Sum squared resid967.5408 F-statistic14.47087 Durbin-Watson stat2.564033 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.779507 Mean dependent var83.86597 Sum squared resid1009.889 Durbin-Watson stat2.569733 Weighted < Unweighted = ada heteroskedastis

41 Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights) Date: 11/18/13 Time: 15:45 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix VariableCoefficientStd. Errort-StatisticProb. C-1.1118330.560888-1.9822730.0512 LOGX10.5956900.1146045.1978250.0000 LOGX20.3427710.0553036.1980980.0000 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared0.943521 Mean dependent var4.312445 Adjusted R-squared0.939704 S.D. dependent var0.799190 S.E. of regression0.245211 Sum squared resid4.449493 F-statistic247.2421 Durbin-Watson stat0.993571 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.948566 Mean dependent var4.320014 Sum squared resid4.455514 Durbin-Watson stat0.994933

42

43 Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights) Date: 12/06/13 Time: 09:29 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix White cross-section standard errors & covariance (d.f. corrected) VariableCoefficientStd. Errort-StatisticProb. C-1.1118330.522423-2.1282230.0366 LOGX10.5956900.0824347.2263060.0000 LOGX20.3427710.0472997.2468540.0000 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared0.943521 Mean dependent var4.312445 Adjusted R-squared0.939704 S.D. dependent var0.799190 S.E. of regression0.245211 Sum squared resid4.449493 F-statistic247.2421 Durbin-Watson stat0.993571 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.948566 Mean dependent var4.320014 Sum squared resid4.455514 Durbin-Watson stat0.994933

44  Durbin Watson Statistik

45

46  Struktur Heteroskedastik dan ada autokorelasi antar kelompok individu (crossection)  cross-section SUR  Estimate- panel option – coef covariance method – cross section SUR (PCSE)

47 Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights) Date: 11/18/13 Time: 15:47 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected) VariableCoefficientStd. Errort-StatisticProb. C-1.1118330.542198-2.0506020.0438 LOGX10.5956900.1107415.3791280.0000 LOGX20.3427710.0625835.4770640.0000 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared0.943521 Mean dependent var4.312445 Adjusted R-squared0.939704 S.D. dependent var0.799190 S.E. of regression0.245211 Sum squared resid4.449493 F-statistic247.2421 Durbin-Watson stat0.993571 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.948566 Mean dependent var4.320014 Sum squared resid4.455514 Durbin-Watson stat0.994933

48

49  Uji stasioneritas  Uji t, Uji F  Nilai R square, Nilai Adjusted R square  Hasil PLS, FEM (LSDV), FEM, REM - Fixed effect (cross) - Individual effect untuk i = c + fixed effect i - Random effect (cross) > Gujarati 5 th edition - Konstanta random effect  Uji Chow, Uji Hausman  Uji asumsi

50  Data editor > copy data  COMMAND  sort i t  xtset i t, yearly  xtreg logy logx1 logx2, fe  est sto fixed  xtreg logy logx1 logx2, re  est sto random  hausman fixed

51 . xi: reg logy logx1 logx2 i.i . test _Ii_2 _Ii_3 _Ii_4 . xi: reg logy logx1 logx2 i.t . test _It_1936 _It_1937 _It_1938 _It_1939 _It_1940 _It_1941 _It_1942 _It_1943 _It_1944 _It_1945 _It_1946 _It_1947 _It_1948 _It_1949 _It_1950 _It_1951 _It_1952 _It_1953 _It_1954

52  1. UJI KENORMALAN. xtreg logy logx1 logx2, fe. predict resid, e. sktest resid

53 2. UJI MULTIKOLINEARITAS ANTAR VARIABEL INDEPENDEN (CROSS- SECTIONAL DEPENDENCE) step2 -mengeluarkan model yang terpilih berdasarkan berbagai uji yg telah dilakukan. pada contoh misalkan terpilih model fixed. -mengeluarkan uji cross-sectional dependence dengan Pesaran's Test misalnya variabel dependen Y, variabel independen X1, X2, X3. command -xtreg Y X1 X2 X3, fe -xtcsd, pesaran abs Ho: antar variabel independen tidak berkorelasi (residual tidak berkorelasi) dan yang diharapkan adalah Terima Ho.

54  3. UJI HETEROSCEDASTICITY. xtreg logy logx1 logx2, fe. xttest3

55  4. UJI ADANYA AUTOKORELASI (Wooldridge test for autocorrelation). xtserial logy logx1 logx2

56 . xtgls logy logx1 logx2, panels(hetero) corr(ar1). xtpcse logy logx1 logx2, correlation(ar1)


Download ppt "By Dewi Purwanti Sekolah Tinggi Ilmu Statistik TA 2013/2014."

Presentasi serupa


Iklan oleh Google