Program Studi Statistika Semester Ganjil 2011 Ekonometrika Program Studi Statistika Semester Ganjil 2011 Dr. Rahma Fitriani, S.Si., M.Sc.

Review 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 rata- rata 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 sebaliknya Dr. Rahma Fitriani, S.Si., M.Sc.

Regresi vs Korelasi Regresi: Korelasi 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 Analisis regresi sederhana (simple regression analysis) Peubah tak bebas (dependent) Peubah Penjelas (Explanatory) Explained Independent Predictand Predictor Regressand Regressor Response Stimulus Endogenous Exogenous Outcome Covariate Analisis regresi sederhana (simple regression analysis) 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 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: Negara Bagian Pengamatan Produksi telur Harga telur Selang waktu: 1990 dan 1991 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: Rumah tangga Setiap tahun, rumah tangga yang sama diwawancara, tentang jumlah pendapatan (Y) Yit: Pendapatan rumah tangga i pada tahun t 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 Lembaga Internasional 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 Hayati 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.