Jurusan Agribisnis Semester Ganjil 2014 Ekonometrika Jurusan Agribisnis Semester Ganjil 2014 Zakky Fathoni, SP, M.Sc

Analisis Regresi 2 Peubah (Analisis Regresi Sederhana) Menduga rata-rata peubah tak bebas berdasarkan nilai peubah (satu) bebas yang diketahui Diilustrasikan dengan data dari Gujarati (2003), dengan populasi beranggotakan 60 keluarga Xi: pendapatan/minggu per keluarga Yi: konsumsi/minggu per keluarga i= 1, …, 60 (60 keluarga yang diamati) Dari 60 keluarga tersebut dikelompokkan ke dalam 10 kelas pendapatan Zakky Fathoni, SP, M.Sc

Sebaran Bersyarat dari konsumsi/minggu untuk beberapa kelas pendapatan Zakky Fathoni, SP, M.Sc

Untuk setiap kelas pendapatan/minggu terdapat variasi jumlah konsumsi/minggu Secara rata-rata jumlah konsumsi/minggu meningkat seiring dengan pendapatan/minggu. Rata-rata konsumsi/minggu pada pendapatan $80 Zakky Fathoni, SP, M.Sc

Konsep Fungsi Regresi Populasi (Population Regression Function – PRF) Nilai harapan bersyarat: Rata-rata nilai Y untuk X tertentu PRF: garis yang menghubungkan nilai harapan bersyarat untuk seluruh kemungkinan nilai X Zakky Fathoni, SP, M.Sc

Konsep Fungsi Regresi Populasi (PRF) Jika diasumsikan bahwa hubungan kedua peubah tersebut linier, maka digunakan fungsi linier dari X: Model/Persamaan Regresi Dibutuhkan metode tertentu untuk menduga parameter model (intersep dan slope) Zakky Fathoni, SP, M.Sc

Arti dari Linier Linier dalam peubah Linier dalam parameter Non Linier dalam peubah Linier dalam parameter Non Linier dalam parameter Zakky Fathoni, SP, M.Sc

Arti dari Linier Linier dalam peubah maupun parameter Di dalam analisis regresi sederhana, LINIER berarti linier dalam PARAMETER Parameter berpangkat paling tinggi 1 Diperbolehkan pangkat lebih dari satu untuk peubah Keduanya Linier dalam paramater: Model Regresi Linier Sederhana Zakky Fathoni, SP, M.Sc

Semuanya Linier dalam parameter Zakky Fathoni, SP, M.Sc

Zakky Fathoni, SP, M.Sc

Fungsi Regresi Populasi Secara Stokastik Untuk model konsumsi sebagai fungsi dari pendapatan, Dimungkinkan bahwa faktor selain pendapatan juga mempengaruhi konsumsi Tidak semua titik tepat pada garis regresi Faktor-faktor lain tsb dirangkum dalam komponen error/galat Garis Error/galat Komponen Deterministik Komponen Stokastik Zakky Fathoni, SP, M.Sc

Nilai harapan di ruas kiri dan kanan dengan syarat X pada komponen stokastik Zakky Fathoni, SP, M.Sc

Nilai harapan konstan adalah konstan itu sendiri Tujuan dari analisis regresi Asumsi utama untuk galat/error Zakky Fathoni, SP, M.Sc

Keutamaan dari Komponen Stokastik Galat/Error Mengapa tidak menggunakan sebanyak-banyaknya peubah yang mungkin mempengaruhi konsumsi? (Tidak hanya pendapatan) Teori yang belum pasti Ketidaktersediaan data Peubah utama vs peubah tambahan Sifat alami perilaku manusia (acak) Peubah proxy yang kurang berkualitas Model sesederhana mungkin (Principle of Parsimony) Kemungkinan hubungan fungsional yang kurang tepat Zakky Fathoni, SP, M.Sc

Fungsi Regresi Sampel (Sample Regression Function – SRF) Data pendapatan dan konsumsi: diasumsikan berasal populasi 60 keluarga Fungsi Regresi Populasi (PRF) Secara praktek: tidak mungkin memperoleh informasi secara keseluruhan dari populasi Pengambilan sampel pasangan nilai pendapatan (X) dan konsumsi (Y) dari populasi tersebut Menduga PRF berdasarkan informasi dari sampel Akibat fluktuasi sampel: kemungkinan pendugaan tidak akurat Zakky Fathoni, SP, M.Sc

Pasangan konsumsi dan pendapatan dari 2 sampel berukuran 10 keluarga yang diambil dari populasi 60 keluarga Zakky Fathoni, SP, M.Sc

Garis regresi dari dua sampel yang berbeda tersebut: Dua garis yang berbeda Yang mana yang lebih tepat menggambarkan populasi? Fungsi Regresi Populasi Dalam prakteknya tidak akan pernah diketahui Zakky Fathoni, SP, M.Sc

Fungsi Regresi Sampel (SRF) Regresi yang dibentuk dari sampel Dipakai untuk menduga regresi populasi Tidak akan pernah sama untuk sampel yang berbeda Untuk masing-masing titik Komponen galat sampel dengan asumsi yang sama seperti galat populasi Zakky Fathoni, SP, M.Sc

Tujuan Analisis Regresi Menduga PRF dengan SRF Dengan adanya sampel yang berfluktuasi, SRF hanya pendekatan dari PRF Zakky Fathoni, SP, M.Sc

SRF underestimate PRF untuk X di kiri titik A SRF overestimate PRF untuk X di kanan titik A Bagaimana membentuk SRF sedekat mungkin dengan PRF? Zakky Fathoni, SP, M.Sc