Regresi Berganda: Penaksiran dan Pengujian Hipotesis Ekonometrika Pertemuan ke-3
1. Model Regresi Linier Tiga Variabel Fungsi regresi populasi non stokastik Fungsi regresi populasi stokastik
1. Model Regresi Linier Tiga Variabel b1 : titik potong b2, b3 : koefisien regresi/kemiringan parsial b2 mengukur rata-rata Y, E(Y), utk setiap unit X2, sementara X3 = konstan. b3 mengukur rata-rata Y, E(Y), utk setiap unit X3, sementara X2 = konstan.
1. Model Regresi Linier Tiga Variabel Cth: Dimana X3 = 10 dan X2 = 5 Koefisien regresi parsial mencerminkan pengaruh dari sebuah var penjelas terhadap rata-rata var tak bebas bila var penjelas lainnya adalah konstan.
2. Asumsi Model Regresi Linier Berganda Parameternya linier X2 dan X3 tidak berkorelasi dengan u E(ui) = 0 var(ui) = 2 cov (ui,uj) i j Tidak ada kolinieritas ui N(0, 2)
3. Penaksir Parameter dlm Regresi Berganda 1. Penaksir Kudrat Terkecil FRS GRP yang ditaksir adalah
3. Penaksir Parameter dlm Regresi Berganda Prinsip OLS
3. Penaksir Parameter dlm Regresi Berganda Minimisasi persamaan diatas
3. Penaksir Parameter dlm Regresi Berganda Penaksir OLS
3. Penaksir Parameter dlm Regresi Berganda 2. Varians dan kesalahan Standar penaksir OLS
3. Penaksir Parameter dlm Regresi Berganda Varians dan se b2
Varians Definisi: Ukuran numerik dari penyebaran nilai. Misalnya X: variabel acak E(X): nilai harapan, maka varians dari X didefinisikan sbg: Dimana x = E (X)
4. Kecocokan Suai dari Regresi Kecocokan Suai dari GRS TSS = ESS + RSS
Penaksir Parameter dlm Regresi Berganda Varians dan se b3
3. Penaksir Parameter dlm Regresi Berganda 2 : varians dari kesalahan populasi ut.
5. Pengujian Hipotesis dari Regresi Penaksir OLS
5. Pengujian Hipotesis dari Regresi Parsial H0 : B2 = 0 dan H1 : B2 0 H0 : umur jam antik tidak berpengaruh thd harga lelangnya H1 : umur jam antik berpengaruh thd harga lelangnya