EKONOMETRIKA Ide-ide Dasar Analisis Regresi Sederhana

Slides:



Advertisements
Presentasi serupa
Kuliah ke 2 sifat-sifat analisis regresi
Advertisements

ANALISIS REGRESI (REGRESSION ANALYSIS)
Ekonometrika Program Studi Statistika Semester Ganjil 2011 Dr. Rahma Fitriani, S.Si., M.Sc.
BAB XI REGRESI LINEAR Regresi Linear.
KORELASI DAN REGRESI LINEAR SEDERHANA
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
Jurusan Agribisnis Semester Ganjil 2014
K O N S E P D A S A R A N A L I S I S R E G R E S I
Regresi Linear Dua Variabel
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
EKONOMETRIKA Pertemuan 1: Pendahuluan Dosen Pengampu MK:
STATISTIKA Pertemuan 5: Distribusi Peluang Normal Dosen Pengampu MK:
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
Presented by Kelompok 7 Mirah Midadan Richard Pasolang Reski Tasik
STATISTIK II Pertemuan 10: Interval Konfidensi Selisih Dua Sampel
STATISTIK II Pertemuan 4: Interval Konfidensi Dosen Pengampu MK:
Bab 2-5. ANALISIS REGRESI DUA-VARIABEL
MENENTUKAN GARIS LURUS TERBAIK
STATISTIK II Pertemuan 14: Analisis Regresi dan Korelasi
STATISTIKA Pertemuan 10: Analisis Regresi dan Korelasi
Program Studi Statistika Semester Ganjil 2012
Program Studi ekonomi pembangunan Semester Ganjil 2012
EKONOMETRIKA Pertemuan 4,5 Estimasi Parameter Model Regresi
EKONOMETRIKA Pertemuan 7: Analisis Regresi Berganda Dosen Pengampu MK:
STATISTIKA INDUSTRI I ANALISIS REGRESI DAN KORELASI LINIER (1)
EKONOMETRIKA Pertemuan 1: Pendahuluan Dosen Pengampu MK:
ANALISIS REGRESI BERGANDA
STATISTIK II Pertemuan 3: Metode Sampling dan Distribusi Sampling
STATISTIK II Pertemuan 5: Interval Konfidensi Dosen Pengampu MK:
EKONOMETRIKA Pertemuan 6 Model regresi fungsional Dosen Pengampu MK:
STATISTIK II Pertemuan 4: Distribusi Sampling Dosen Pengampu MK:
ANALISIS REGRESI & KORELASI
PERAMALAN DENGAN GARIS REGRESI
STATISTIK II Pertemuan 5: Distribusi Sampling (Lanjutan)
EKONOMETRIKA Pertemuan 10: Pengujian Asumsi-asumsi Klasik (Bagian 1)
STATISTIK1 Pertemuan 3: Ukuran Pemusatan dan Penyebaran
Program Studi Statistika Semester Ganjil 2012
STATISTIK Pertemuan 6: Interval Konfidensi Dosen Pengampu MK:
REGRESI LOGISTIK BINER
EKONOMETRIKA Pertemuan 9: Analisis Regresi Berganda (Lanjutan)
Regresi Sederhana : Estimasi
Operations Management
TEORI PENDUGAAN STATISTIK
EKONOMETRIKA Pertemuan 9: Pengujian Asumsi-asumsi Klasik (Bagian 1)
EKONOMETRIKA Pertemuan 9: Pengujian Asumsi-asumsi Klasik (Bagian 1)
Regresi Linier Sederhana dan Korelasi
STATISTIKA INDUSTRI I ANALISIS REGRESI DAN KORELASI LINIER (1)
STATISTIK Pertemuan 6: Teori Estimasi (Interval Konfidensi)
EKONOMETRIKA Pertemuan 4,5 Estimasi Parameter Model Regresi
STATISTIK 1 Pertemuan 5,6: Ukuran Pemusatan dan Penyebaran
STATISTIK II Pertemuan 5-6: Metode Sampling dan Interval Konfidensi
MUHAMMAD HAJARUL ASWAD
STATISTIKA Pertemuan 3: Ukuran Pemusatan dan Penyebaran
Disampaikan Pada Kuliah : Ekonometrika Terapan Jurusan Ekonomi Syariah
Agribusiness Study of Programme Wiraraja University
STATISTIK BISNIS Pertemuan 12: Interval Konfidensi Selisih Dua Rata-rata Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Uji Asumsi Analisis Regresi Berganda Manajemen Informasi Kesehatan
TEORI PENDUGAAN STATISTIK
STATISTIK II Pertemuan 12: Analisis Regresi dan Korelasi
Agribusiness Study of Programme Wiraraja University
STATISTIK II Pertemuan 9: Interval Konfidensi Satu Sampel
EKONOMETRIKA Pertemuan 3: Ide-ide Dasar Analisis Regresi Sederhana
ANALISIS REGRESI & KORELASI
EKONOMETRIKA Pertemuan 11: Pengujian Asumsi-asumsi Klasik (Bagian 1)
STATISTIK II Pertemuan 3: Metode Sampling dan Distribusi Sampling
TEORI PENDUGAAN SECARA STATISTIK
Korelasi dan Regresi Aria Gusti.
ANALISIS REGRESI: DUA VARIABEL
TEORI PENDUGAAN STATISTIK
STATISTIK II Pertemuan 4: Interval Konfidensi Dosen Pengampu MK:
Transcript presentasi:

EKONOMETRIKA Ide-ide Dasar Analisis Regresi Sederhana Dosen Pengampu MK: Dr. Idah Zuhroh, M.M. Evellin D. Lusiana, S.Si, M.Si

Tujuan Analisis Regresi Menduga hubungan antar variabel Y = f(X) Meramalkan atau memprediksi nilai salah satu variabel (Y) berdasarkan nilai variabel lainnya (X) Contoh: populasi terdiri atas 60 keluarga X= pendapatan keluarga mingguan (dollar) Y= belanja konsumsi keluarga mingguan Selanjutnya dibagi menjadi 10 grup menurut besar pendapatan (X)

Belanja Konsumsi Keluarga Mingguan

Untuk setiap nilai X, terdapat suatu populasi Y yang menyebar di sekitar nilai rata-ratanya Rata-rata Y bersyarat X Kurva regresi populasi

Fungsi Regresi Populasi (FRP) Fungsi yang menyatakan rata-rata populasi dari distribusi Y untuk Xi tertentu yang berhubungan secara fungsional dengan Xi Linier

Linier dalam Parameter Konsep Linieritas Non-linier dalam Variabel Non-linier dalam Parameter E(Y | Xi) = β0 + β1X2i E(Y | Xi) = β0 + β12 Xi Linier dalam Parameter Linier dalam variabel Ya Tidak Regresi linier Regresi Linier Regresi Non-linier Regresi non-linier

Latihan Tentukan mana di antara model-model berikut yang bersifat linier dalam parameter, linier dalam variabel atau keduanya. Manakah yang termasuk model regresi linier?

Konsep Disturbance/Error Term Bagaimana nilai belanja konsumsi untuk keluarga yang memiliki pendapatan sama?

Deviasi

Nilai deviasi tsb dapat dituliskan sebagai ui disebut gangguan stokastik atau error stokastik. Persamaan tersebut, dapat dinyatakan sebagai jumlah dari komponen yaitu: E(Y | Xi)  komponen sistematik/deterministik ui,  komponen nonsistematik/random

Apabila E(Y | Xi) diasumsikan sebagai fungsi linier dari Xi, maka Nilai observasi Y untuk X=$80 yakni Y1 = 55 = β0 + β1 (80) + u1 Y2 = 60 = β0 + β1 (80) + u2 Y3 = 65 = β0 + β1 (80) + u3 Y4 = 70 = β0 + β1 (80) + u4 Y5 = 75 = β0 + β1(80) + u5

Jika dibuat dalam nilai harapan sehingga agar tidak bias, maka

Sifat-sifat Dasar Error Term Teori yang mendukung tidak tersedia Data kuantitatif tidak memadai Variabel-variabel memiliki pengaruh kecil Kerandoman ‘hakiki’ Y Memilih model parsimony

Fungsi Regresi Sampel (FRS) Data populasi tidak selalu tersedia, sehingga digunakan data sampel Dari populasi sebanyak N, diambil sampel sebanyak n (di mana n<N) Sehingga, ada banyak kemungkinan kombinasi data sampel yang terambil dari suatu populasi, yakni sebesar

Fungsi Regresi Sampel (FRS) MISAL: Sampel 1 Sampel 2

Garis regresi mana yang sesuai dengan regresi populasi? Garis FRS hanya mampu mengestimasi FRP sedekat mungkin..

Fungsi Regresi Sampel (SRF) Bentuk umum SRF linier PRF sebagai fungsi SRF Estimator (statistik)

Overestimate Underestimate

Karena SRF adalah pendekatan dari PRF, lantas bagaimana cara menentukan bahwa SRF benar-benar bisa sedekat mungkin dengan PRF? Atau dengan kata lain, metode apa yang bisa digunakan untuk membangun SRF guna menjamin bahwa SRF adalah benar pendekatan terbaik bagi PRF

Tugas Kelompok Ambil 5 (lima) macam sampel dari data populasi belanja keluarga mingguan (weekly family consumption). Buat scatter plot (diagram pencar) dari kelima sampel tersebut Untuk setiap sampel, tarik garis lurus yang kira-kira mewakili data-data yang ada Berikan deskripsi/ilustrasi terhadap plot-plot yang dihasilkan