MATA kuliah: ekonometrika Terapan oleh Ribut Nurul Tri Wahyuni

Referensi 1. Baltagi, Badi H. 2005. Econometric Analysis of Panel Data, Third Edition. New York: John Wiley and Sons. 2. Baltagi, Badi H. 2008. Econometrics, Fourth Edition. Heidelberg: Springer. 3. Wooldridge, Jeffrey M. 2006. Introductory Econometrics: a Modern Approach, Third Edition. Thomson South-Western. 4. Gujarati, Damodar. 2004. Basic Econometric, Fourth Edition. New York: McGraw-Hill Book Company. 5. Pindyck, Robert S. and Daniel L. Rubinfeld. 1998. Econometric Models and Econometric Forecast, Fourth Edition. New York: N.Y. McGraw-Hill Inc.

PENILAIAN UTS 35% UAS 35% Tugas 30%  1 kelompok 4-5 orang

Pertemuan ke-1 • Pengertian ekonometrika • Review pengertian data (data cross section, data time series, data panel) • Pengertian model (persamaan tunggal dan sistem persamaan) Sumber: Gujarati introduction & chapter 1-8

Pengertian ekonometrikA Ukuran ekonomi penerapan statistik matematika terhadap data ekonomi sebagai dukungan empiris untuk model yang dibangun oleh matematika ekonomi dan untuk mendapatkan hasil numerik (Gerhard 1968) Ilmu sosial: sebagai tools dari teori ekonomi, matematika, dan statistik inferensia yang diterapkan untuk menganalisis fenomena ekonomi (Goldberger 1964) Penentuan empiris dari hukum ekonomi (Theil 1971)

EKONOMETRIK Teori Ekonomi Matematika Ekonomi Statistik Ekonomi Statistik Matematika EKONOMETRIK

Tujuan Ekonometrika Verifikasi : membuktikan atau menguji validitas teori-teori ekonomi yang ada. Penaksiran/estimation : menemukan taksiran terhadap koefisien-koefisien hubungan antar variabel ekonomi. Peramalan/forecasting : meramalkan satu variabel ekonomi tertentu pada masa yang akan datang. Overview 7

CONTOH Menaksir fungsi permintaan dan penawaran Menaksir elastisitas suatu produk Menilai dampak kenaikan harga listrik terhadap jumlah permintaan listrik Menilai dampak kenaikan harga BBM terhadap kemiskinan Contoh lain?

Metodologi Ekonometrika Membuat teori/hipotesis Spesifikasi model matematika dari teori Spesifikasi dari model statistik atau model ekonometrik Mengumpulkan data Mengestimasi parameter dari model ekonometrik Menguji hipotesis Melakukan forecasting Menggunakan model untuk kontrol atau penyusunan kebijakan

3. Spesifikasi dari model statistik atau model ekonometrik 1. Membuat teori/hipotesis Keynes: Y naik  C naik, 0 < MPC < 1 2. Spesifikasi model matematika dari teori 𝐶 𝑡 = 𝛽 1 + 𝛽 2 𝑌 𝑡 0 < β2 < 1 β2 : MPC 3. Spesifikasi dari model statistik atau model ekonometrik 𝐶 𝑡 = 𝛽 1 + 𝛽 2 𝑌 𝑡 + 𝑒 𝑡 𝑒 𝑡 : faktor selain Y yang memengaruhi C tapi tidak dimasukkan dalam model (disturbance/error)

𝐶 𝑡 =−184,08+0,7064 𝑌 𝑡 4. Mengumpulkan data Data time series, cross section atau panel? 5. Mengestimasi parameter dari model ekonometrik Time series: ARIMA, (G)ARCH, VAR, regresi Cross section: korelasi, regresi, analisis multivariate, spatial econometrics Panel: pooled, FE, RE harus memenuhi asumsi 𝐶 𝑡 =−184,08+0,7064 𝑌 𝑡 MPC = 0,7064

6. Menguji hipotesis Misalkan apakah MPC < 1. 7 6. Menguji hipotesis Misalkan apakah MPC < 1? 7. Melakukan forecasting 𝑌 2014 = 2000 Trilyun  𝐶 2014 ? 8. Menggunakan model untuk kontrol atau penyusunan kebijakan BI rate turun  I?  Y?  C?

Fungsi regresi populasi: 𝑌=𝛽𝑋  𝑌=𝛽𝑋+𝜀 Fungsi regresi sampel: 𝑌 = 𝛽 𝑋  𝑌= 𝛽 𝑋+𝑒

STRUKTUR MATRIKS VAR-COV RESIDUAL Misalkan fungsi regresi sampel: 𝑌 = 𝛽 𝑋  𝑌= 𝛽 𝑋+𝑒 Homoskedastis dan tidak ada cross sectional correlation 𝐸 𝑒 𝑒 ′ = 𝜎 2 … 𝑜 … 𝜎 2 … 0 … 𝜎 2  OLS Heteroskedastis dan tidak ada cross sectional correlation 𝐸 𝑒 𝑒 ′ = 𝜎 1 2 … 𝑜 … 𝜎 2 2 … 0 … 𝜎 𝑛 2  GLS

STRUKTUR MATRIKS VAR-COV RESIDUAL Heteroskedastis dan ada cross sectional correlation (SUR) 𝐸 𝑒 𝑒 ′ = 𝜎 1 2 𝜎 12 …. 𝜎 1𝑛 … 𝜎 2 2 … 𝜎 𝑛1 𝜎 𝑛2 … 𝜎 𝑛 2  FGLS/MLE

METODE ESTIMASI OLS GLS/WLS FGLS/MLE GMM

OLS 𝑌= 𝛽 𝑋+𝑒  𝛽 = ( 𝑋 ′ 𝑋) −1 𝑋′𝑌 𝐸 𝑒 𝑒 ′ = 𝜎 2 … 𝑜 … 𝜎 2 … 0 … 𝜎 2 = 𝜎 2 𝐼 𝐸 𝑋 ′ 𝑒 =0 OLS berusaha meminimumkan e’e

Asumsi yang mendasari OLS 1. Model regresi linier terhadap parameter 2. c𝑜𝑣 𝑋 𝑖 , 𝑒 𝑖 =0 3. 𝐸 𝑒 𝑖 =0 4. Homoskedastisitas  𝑣𝑎𝑟 𝑒 𝑖 = 𝜎 2 5. Non autokorelasi c𝑜𝑣 𝑒 𝑖 , 𝑒 𝑗 =0 6. jumlah observasi > jumlah parameter yang akan diestimasi 7. Tidak ada outlier dari variabel independen

GLS 𝑌= 𝛽 𝑋+𝑒 𝐸 𝑒 𝑒 ′ = 𝜎 1 2 … 𝑜 … 𝜎 2 2 … 0 … 𝜎 𝑛 2 = 𝜎 2 𝜑=∅ ∅ −1 = 𝜎 2 𝜑 −1 = 𝜎 2 𝑃 ′ 𝑃 𝑃= 𝜎 1 −1 … 𝑜 … 𝜎 2 −1 … 0 … 𝜎 𝑛 −1 𝑌= 𝛽 𝑋+𝑒 ditransformasi menjadi 𝑃𝑌= 𝛽 𝑋𝑃+𝑃𝑒

Mle/FGLS menggunakan pendekatan distribusi normal 𝑌= 𝛽 𝑋+𝑒  berusaha meminimumkan (X’e)’(X’e) = e’XX’e GMM bisa digunakan untuk persamaan tunggal dan persamaan sistem, linier dan non linier, statis dan dinamis, panel dan simultan GMM biasanya dipakai untuk kasus ada hubungan/korelasi X dengan e atau lag Y dengan e  𝐸( 𝑋 ′ 𝑒)≠0 Panel statis: 𝑌 𝑖𝑡 = ∝ 𝑖 +𝛽 𝑋 𝑖𝑡 + 𝜀 𝑖𝑡 Panel dinamis: 𝑌 𝑖𝑡 = ∝ 𝑖 +𝛽 𝑋 𝑖𝑡 + 𝛾 𝑌 𝑖𝑡−1 +𝜀 𝑖𝑡  ada korelasi 𝑌 𝑖𝑡−1 dengan 𝜀 𝑖𝑡 ? GMM

model ekonomi Model ekonomi Persamaan tunggal Persamaan sistem

PERSAMAAN TUNGGAL The Simple Regression Model Multiple Regression Analysis

Persamaan sistem Persamaan Simultan Hubungan sebab akibat tidak hanya terjadi satu arah, tetapi terjadi dua arah Permasalahan endogenitas terjadi ketika error mempunyai hubungan dengan regressor Asumsi error independent, identical distributed tidak akan terpenuhi

Model permintaan dan penawaran Model Keynes untuk menetapkan pendapatan Model Upah Harga

Terima kasih