Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.

Slides:



Advertisements
Presentasi serupa
Linear Programming (Pemrograman Linier)
Advertisements

Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.
Uji Hipotesis yang Menggunakan Sebaran t Stat Mat II 25/05/2011Dr. Rahma Fitriani, S.Si., M.Sc.
Program Studi Statistika Semester Ganjil 2011
Optimal Test: The Neyman-Pearson Lemma
FUNGSI PERMINTAAN DAN FUNGSI PENAWARAN
Ekonometrika Program Studi Statistika Semester Ganjil 2011 Dr. Rahma Fitriani, S.Si., M.Sc.
Estimating Demand Problems in Applying the Linear Regression Model
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Program Studi Statistika Semester Ganjil 2011
Model Persamaan Simultan
Program Studi Statistika, semester Ganjil 2012/2013
Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.
Proses Stokastik Semester Ganjil 2013/2014
Statistika Matematika I
Program Studi Statistika Semester Ganjil 2012
Pemrograman Linier Semester Ganjil 2012/2013
Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.
Sebaran Peluang bersyarat dan Kebebasan
Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.
Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.
Pengantar Ilmu Ekonomi Semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.
Statistika Matematika 1
Penentuan Harga Pada Competitive Market
Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.
Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2013/2014 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2012/2013 DR. Rahma Fitriani, S.Si., M.Sc.
Transhipment Model Riset Operasi 9 Mei 2011 Rahma Fitriani, S.Si, M.Sc.
Keseimbangan Perekonomian 3 Sektor
Program Studi Statistika, semester Ganjil 2012/2013
Metode Least Square Data Ganjil
PERSAMAAN SIMULTAN Pada kenyataannya banyak situasi dimana hubungan sebab akibat tidak hanya terjadi satu arah, tetapi terjadi dua arah. Seperti pada.
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
Operations Management
FUNGSI PERMINTAAN DAN PENAWARAN
Ekonometrika Lanjutan
Program Studi Statistika Semester Ganjil 2012
Program Studi ekonomi pembangunan Semester Ganjil 2012
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika Semester Ganjil 2012
Program Studi Statistika Semester Ganjil 2012
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika Semester Ganjil 2012
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika Semester Ganjil 2011
Program Studi Statistika Semester Ganjil 2012
Agribisnis Study of Programme Wiraraja University
Model Persamaan Simultan
Eonometrika Tutor ……….
Operations Management
FUNGSI PERMINTAAN DAN FUNGSI PENAWARAN
Agribusiness Study of Programme Wiraraja University
Agribusiness Study of Programme Wiraraja University
Program Studi Statistika Semester Ganjil 2011
Linear Programming (Pemrograman Linier)
Disiapkan oleh suyadi,se.,mm
Keseimbangan Perekonomian 3 Sektor
Agribusiness Study of Programme Wiraraja University
Agribusiness Study of Programme Wiraraja University
Program Studi Statistika, semester Ganjil 2012/2013
PEMAHAMAN EKONOMETRIKA
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika Semester Ganjil 2014
Transcript presentasi:

Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc

Simultaneous Equation Models  Fenomena ekonomi tidak selalu dapat dimodelkan dengan hanya satu peubah dependent dan satu persamaan saja  Fenomena ekonomi lebih sering melibatkan saling ketergantungan antar peubah  Beberapa peubah dependent lebih sering ditentukan secara simultan  Suatu peubah dapat berfungsi sebagai peubah dependent sekaligus explanatory pada beberapa persamaan

Contoh pada penentuan kesetimbangan jumlah dan harga pasar  Sebelumnya dipelajari hubungan: jumlah permintaan dipengaruhi secara negatif oleh harga dan secara positif oleh pendapatan,  Model dengan satu persamaan  Seharusnya jumlah permintaan dan harga barang ditentukan secara simultan oleh pasar  Jumlah permintaan dan harga adalah solusi dari suatu sistem persamaan yang terdiri dari 3 persamaan:  Fungsi demand  Fungsi supply  Kondisi equilibrium

 Demand function  Supply function  Kondisi equilibrium  Ketiganya disebut persamaan struktural dari simultaneous equations model  β dan γ adalah parameter struktural  Jumlah barang dan harga adalah solusi dari sistem persamaan: ditentukan secara simultan:  Peubah endogen  Pendapatan tidak ditentukan dari sistem persamaan: diketahui  Peubah eksogen

Exogen variable vs Explanatory variable  Tidak ada perbedaan pada model dengan satu persamaan  Berbeda fungsi pada sistem persamaan simultan  Contoh:  Harga merupakan peubah ekplanatori pada persamaan demand maupun supply, karena demand dan supply adalah fungsi dari harga  Harga bukan peubah eksogen karena harus ditentukan dari sistem persamaan

 Tentukan solusi bagi P dari persamaan tersebut

 Penentuan Q dilakukan dengan substitusi dari fungsi harga pada fungsi supply

Identifikasi dari Simultaneous Equation Model  Metode yang dipakai dalam menentukan solusi berdasarkan sifat sistem sistem persamaan  Perlu diketahui: jumlah peubah endogen (G), jumlah variabel yang tidak dipakai di dalam suatu persamaan (M)  Identified: jika M=G-1  Underindentified: jika M<G-1  Overidentified: jika M>G-1

 Jika ada persamaan yang tidak teridentifikasi digunakan: Two stage Least Square (TSLS)  Jika semua persamaan teridentifikasi (identified): metode Indirect Least Square (ILS)  Pada fungsi demand dan supply terdapat 3 peubah endogen (Q d, Q s dan P)  Demand function  Terdapat satu peubah yang tidak digunakan (Q s ), M=1  M<G-1: 1<2  Demand function is underidentified

 Supply function  Terdapat 2 peubah yang tidak digunakan (Q d dan Y), M=2  M=G-1  Supply function is indentified

Dari Reduced Form Equation  Supply function teridentifikasi  Penduga dari reduced form equation dapat diolah untuk menentukan penduga parameter bentuk struktural supply function dengan metode ILS

 Fungsi demand: underindentified  Walaupun penduga parameter bentuk tereduksi dapat dikembalikan ke bentuk struktural, akan tetapi tidak dapat diperoleh solusi unik Sama-sama belum diketahui

 Untuk fungsi demand harus digunakan metode TSLS yang dimodifikasi

Ilustrasi Metode ILS  Dua persamaan tersebut menyatakan setiap peubah endogen (harga dan jumlah) sebagai fungsi dari peubah eksogen (pendapatan)  Reduced form equations dengan reduced form parameters ^Qprod = *Y (2.65)( ) T = 22, R-squared = (standard errors in parentheses) ^Price = *Y (5.45)( ) T = 22, R-squared = (standard errors in parentheses)

 Supply function teridentifikasi  Penduga dari reduced form equation dapat diolah untuk menentukan penduga parameter bentuk struktural supply function dengan metode ILS  1 unit kenaikan harga menaikkan jumlah penawaran sebesar

 Fungsi demand: underidentified  Dengan metode TSLS  Tahap 1:  Menduga persamaan harga sebagai fungsi dari pendapatan saja (Price reduced form equation)  Simpan penduga harga dengan model ini  Tahap 2:  Menduga persamaan fungsi demand, menggunakan penduga harga sebagai pengganti peubah harga

 Karena penduga harga (P) berkorelasi langsung dengan pendapatan (Y), maka penduga fungsi demand harus memakai salah satu dari peubah tsb  Hanya penduga harga dengan hasil: ^Qprod = *Phat1 (51.7) (0.473) T = 22, R-squared = (standard errors in parentheses)  Hasil yang sama dengan fungsi supply yang teridentifikasi dengan metode ILS  Yang teridentifikasi hanya fungsi supply

Permasalahan  Demand sebagai fungsi dari harga dan pendapatan belum teridentifikasi  Koefisien marjinal harga terhadap demand β 2 belum teridentifikasi  Koefisien marjinal pendapatan terhadap demand β 3 belum teridentifikasi  Perhatikan hubungan berikut: Residual dari fungsi supply Hanya β 2 yang belum diketahui

 Tahap kedua dari TSLS perlu dimodifikasi  Dari pendugaan Q sebagai fungsi dari penduga harga (supply function),  Hitung penduga residual  Bentuk model harga (P) sebagai fungsi dari pendapatan dan penduga residual dari supply function

^Price = *Y *uhatsup (4.31)( ) (0.363) T = 22, R-squared = (standard errors in parentheses) Koefisien marjinal harga terhadap demand

Koefisien marjinal pendapatan terhadap demand Intersep fungsi demand

 1 unit kenaikan harga menurunkan demand sebesar 0.12 unit (nyata), pada pendapatan yang dianggap konstan  1 unit kenaikan pendapatan menurunkan demand sebesar (tidak nyata), pada harga konstan

Model 6: OLS, using observations (T = 22) Dependent variable: Price coefficient std. error t-ratio p-value const e-016 *** Y uhatsup *** Mean dependent var S.D. dependent var Sum squared resid S.E. of regression R-squared Adjusted R-squared F(2, 19) P-value(F) Log-likelihood Akaike criterion Schwarz criterion Hannan-Quinn rho Durbin-Watson

 Model 4: OLS, using observations (T = 22)  Dependent variable: Price  coefficient std. error t-ratio p-value   const e-014 ***  Y  Mean dependent var S.D. dependent var  Sum squared resid S.E. of regression  R-squared Adjusted R-squared  F(1, 20) P-value(F)  Log-likelihood Akaike criterion  Schwarz criterion Hannan-Quinn  rho Durbin-Watson

 Walaupun ada menu otomatis untuk TSLS, tetap tidak dapat digunakan karena sifat yang tidak teridentifikasi