EKONOMETRIKA Dr. Muhamad Yunanto, MM.

Presentasi berjudul: "EKONOMETRIKA Dr. Muhamad Yunanto, MM."— Transcript presentasi:

1 EKONOMETRIKA Dr. Muhamad Yunanto, MM.
Program doctor ilmu ekonomi (s3) universitas gundarma

2 Session 1 & 2 22 februari 2017

3 Konsep dasar “ekonometrika”
Penerapan metode statistik dan matematika ke dalam analisis data ekonomi, dengan tujuan memberikan bukti empiris pada teori ekonomi dan memverifikasinya atau menolaknya (G.S. Maddala, Introduction to Econometrics, 1988) Ilmu sosial yang menerapkan peralatan teori ekonomi, matematik dan statistik inferensi untuk menganalisis fenomena ekonomi (Arthur S. Goldberger, Econometric theory, 1964) Suatu ilmu yang mengkombinasikan teori ekonomi dan statistik ekonomi, dengan tujuan menyelidiki dukungan empiris dari hukum skematik yang dibangun oleh teori ekonomi (Gunawan S, Pengantar Ekonometri,1999)

4 Tujuan ekonometri Pengujian/pembuktian teori ekonomi
Penaksiran koefisien dari hubungan-hubungan ekonomi Peramalan nilai besaran-besaran ekonomi

5 Perbedaan ekonometri, ekonomi matematik dan statistik ekonomi
Mengasumsikan setiap hubungan ekonomi sebagai hubungan stokastik, memberikan nilai-nilai numerik koefisien hubungan-hubungan ekonomi. Ekonomi Matematika: Mengasumsikan setiap hubungan ekonomi sebagai hubungan exact , serta tidak menghasilkan nilai-nilai numerik. Statistik Ekonomi: Hanya menyajikan aspek deskriptif dari teori ekonomi, tidak menghasilkan nilai- nilai numerik dalam hubungan-hubungan ekonomi namun hanya menyediakan data numerik ekonometri.

6 MATEMATIK DAN STATISTIK MERUPAKAN ASPEK PENTING BAGI EKONOMETRI
MATEMATIK DAN STATISTIK MERUPAKAN ASPEK PENTING BAGI EKONOMETRI. FORMULASI MATEMATIK MEMBERIKAN KETEPATAN DAN KECERMATAN SEDANGKAN STATISTIK MEMBERIKAN “BAHAN BAKU” BAGI EKONOMETRI.

7 model Penyederhanaan dari realitas perilaku ekonomi menjadi bentuk yang lebih sederhana dari model yang baik, seorang peneliti dapat menerangkan dan meramalkan sebagian besar dari apa yang terjadi dengan realitas dinyatakan dalam bentuk matematis, grafis, skema, diagram dan bentuk- bentuk lainnya. Model Ekonomi: Konstruksi teoritis atau kerangka analisis ekonomi yang terdiri dari himpunan konsep, definisi, asumsi, persamaan, kesamaan (identitas) dan ketidak-samaan darimana kesimpulan akan diturunkan.

8 METODOLOGI EKONOMETRI
Bagan Metodologi Ekonometri Tahap-tahap: Formulasi model ekonometri berdasarkan teori ekonomi. Dalam tahap ini dilakukan pemilihan variabel-variabel yang sesuai dengan fenomena ekonomi yang akan diuji. Formulasi model ekonometri ini juga mempertimbangkan rancangan statistik untuk mendapatkan data. (tahap 1, 2, dan 3). Estimasi model ekonometri yang terbentuk dengan menggunakan data yang diperlukan (tahap 4). Melakukan serangkaian test spesifikasi dan diagnostic untuk mengetahui apakah taksiran hasil estimasi sudah memenuhi kriteria ekonomi, dan kriteria statistik (tahap 5, 6, dan 2). Bila lolos maka dilakukan test hipotesis untuk mengetahui validitas teori ekonomi dan hipotesis sehingga dapat digunakan untuk prediksi dan pembuatan kebijakan (kriteria ekonometri/second order test). Bila terjadi penolakan tori ekonomi maka dibuat hipotesis baru dengan memulai dari tahap 1 (tahap 7, 8, dan 1). 1 Economic theory 2 3 Econometric model Data 4 Estimation 5 Specification testing and diagnostic checking 6 Is the model adequate? No Yes 7 Test of Any Hyphothesis 8 Using the model for prediction and policy

9 HAKIKAT PENDEKATAN EKONOMETRI
Teori Ekonomi Langkah 1 Spesifikasi Persyaratan: Memilih variabel; Menspesialisasikan hubungan atas dasar teori ekonomi (atau hipotesis). Kemungkinan kesalahan: Variabel bebas yang sesuai tidak dimasukkan; variabel bebas yang tidak sesuai dimasukkan; “Under-identification” Langkah 2 Rancangan statistik untuk mendapatkan data Penaksiran (Estimation) Persyaratan: Penaksir-penaksir yang memiliki sifat-sifat: (a) unbiased, (b) konsisten, (c) Efisien dan (d) sufficient. Kemungkinan kesalahan: Penaksir-penaksir tidak memiliki sifat-sifat yang dibutuhkan sebagai akibat adanya otokorelasi, heteroskedastisitas, multikolinearitas di dalam sampel. Langkah 3 Langkah 4 Verifikasi (Pengujian) Persyaratan: Penafsiran ekonomi terhadap hasil-hasil yang diperoleh pada langkah 3. Evolusi dari teori ekonomi atau hipotesis. Penolakan teori ekonomi jika teori tersebut tidak valid, dan membuat hipotesis baru lalu mulai lagi dari langkah 1. Kemungkinan kesalahan: Kesalahan pengujian dan tidak sesuainya pengujian dengan verifikasi validitas hipotesis Langkah 5 Penerapan (Aplikasi) Persyaratan: Tujuan utama ekonometri adalah mendapatkan ramalan (prediksi) yang dipercaya (untuk keperluan pengambilan kebijakan ekonomi). Kemungkinan kesalahan: Peramalan menyimpang; bila ramalan tersebut tersebut digunakan untuk pengambilan kebijaksanaan, mengakibatkan kerugian bagi kesejahteraan masyarakat

10 Langkah 1: Spesifikasi Model
Contoh Penentuan variabel bebas atau penjelas (explanatory variable) maupun variabel terikat (dependent variable) yang akan dimasukkan dalam model Penentuan asumsi-asumsi a priori mengenai nilai dan tanda parameter (atas dasar kriteria teoritis) dari model Penentuan bentuk matematis dari model

11 Langkah 2: penaksiran Model
Contoh Pengumpulan data berkaitan dengan variabel-variabel yang masuk dalam model Menyelidiki ada tidaknya masalah multikolinearitas Menyelidiki syarat identifikasi jika modelnya mengandung lebih dari satu persamaan Memilih teknik ekonometri yang tepat untuk penaksiran model

12 Langkah 3: pengujian/pembuktian (varifikasi)
Contoh Digunakan Tiga Kriteria: Kriteria “a priori” Ekonomi Berdasarkan nilai atau tanda taksiran parameter dalam teori ekonomi. Kriteria Statistik (First Order Test) Ditentukan oleh teori statistik, seperti koefisien korelasi, standar deviasi,serta koefisien determinasi. Kriteria Ekonometri (Second-order Test) Ditentukan oleh teori ekonometri dan untuk mengetahui apakah suatu taksiran parameter memiliki sifat-sifat Unbiasedness, consistency, sufficiency, dan sebagainya

13 Langkah 4: kekuatan peramalan model
Contoh Kekuatan peramalan suatu model perlu diuji karena berkaitan dengan pengambilan kebijaksanaan. Suatu model meski secara ekonomi benar, secara statistik dan ekonometri juga significant untuk suatu sampel tertentu, namun terkadang masih lemah dalam peramalan. Kelemahan dalam peramalan disebabkan oleh: Nilai-nilai variabel bebas untuk meramal tidak akurat Taksiran koefisien-koefisiennya mungkin tidak benar karena kekurangan data Prosedur untuk menentukan kekuatan peramalan model adalah dengan mencoba taksiran-taksiran model tersebut pada suatu kurun waktu di luar sampel. Nilai ramalan ini kemudian dibandingkan dengan nilai nyata variabel terikat. Perbedaan nilai ini kemudian diuji signifikansi, jika perbedaan signifikant, disimpulkan kekuatan peramalan model lemah.

14 Spesifikasi Model  Model Matematika:
 Teori yang sudah dinyatakan dispesikasikan ke dlm bentuk model (persamaan) matematika Fungsi konsumsi Keynes: C = a + b Y a = parameter konstanta, a > 0. b = parameter slope, 0<MPC<1.  Model persamaan tunggal  Konsumsi berhubungan linear, positif  Bersifat deterministik (pasti)  Penetapan restriksi sangat penting

15 Pengumpulan Data  Model Ekonometrika: C = a + b Y + 
 Hubungan antar variabel ekonomi bersifat Stochastik.   = error term, mrpk variabel random (stochastic) mewakili variabel2 lain yg tidak termasuk kedalam model. Pengumpulan Data   Sumber data  Definisi  Jenis  Cross section  Time series  Panel (Gabungan Cross section dan time series)

16 Estimasi Model  Identifikasi Model:
Prosedur utk mendapatkan koefisien parameter Menentukan apakah hubungan dpt diestimasi secara statistik Berhubungan dg masalah perumusan model Misal: Qd = f(P) : Demand Qs = f(P) : Supply Qd = Qs : Market clearance  Model diatas meragukan, krn apakah koefisien parameter milik Qd atau Qs.  perlu penambahan variabel shifter

17 Estimasi Model  Agregasi dalam Model: Agregasi terhadap individual
Agregasi komoditi Agregasi periode waktu Agregasi spasial  Misagregasi dalam model menyebabkan:  agregasi yang bias  estimasi yang bias

18 Estimasi Model  Pengujian derajat korelasi antar variabel:
Jika 2 variabel penjelas mempunyai korelasi yg tinggi maka secara statistik sulit menentukan pengaruh masing-masingnya. Misal: Qd = f(P, W) Qd = Demand P = harga W = upah  Sementara P dan W cenderung naik secara bersamaan, W = f(P).  Oleh krn itu, nilai estimasi tidak akurat.

19 Estimasi Model  Pemilihan teknik yang tepat: Single equation:
 Ordinary Least Squares (OLS)  Indirect Least Squares (ILS)  Two Stage Least Squares (2SLS)  Limited Information of Max. Likelihood (LIML) Simultaneous equation:  Three Stage Least Squares (3SLS)  Full Information of Max. Likelihood (FIML)

20 Estimasi Model  Pemilihan teknik estimasi tergantung:
 Bentuk hubungan dan syarat identifikasi  Persyaratan estimasi: - Unbiasedness - Consistency - Efficiency  Tujuan penelitian ekonometrika  Kesederhanaan teknik  Waktu dan biaya

21 Evaluasi Model  Kriteria a priori ekonomi
 Didasarkan atas prinsip-prinsip ekonomi Kriteria Statistik (first order test):  Didasarkan atas interpretasi nilai-nilai statistik Standar deviasi, Koefisien. Determinasi (R2) Nilai F dan nilai t. Kriteria ekonometrika (second order test):  Didasarkan atas teori ekonometrika untuk apakah nilai estimasi memiliki sifat unbiasedness, consistency dan efficiency.

22 Pengujian Hipotesis  Menguji apakah hasil estimasi parameter sesuai
dengan yang diharapkan teori. Misal: C = Y Ini berarti selama periode pengamatan: 1. Meskipun tidak ada pendapatan, jumlah konsumsi rata-rata sebesar Rp. 230 (dissaving). 2. Kenaikan pendapatan sebesar Rp. 1000, maka konsumsi meningkat rata-rata sebesar Rp. 450.  Tapi apakah nilai-nilai tersebut secara statistik significant?

23 Aplikasi Model  Peramalan (forecasting)
Misal: Berapakah pengeluaran konsumsi jika tingkat pendapatan masyarakat sebesar Rp Model yang sudah dievaluasi: C = Y C = (2000) C = 1130. Analisis kebijakan.

24 Covariance Dan Korelasi
Covariance merupakan ukuran yang berguna untuk mengidentifikasi keterkaitan antara X dan Y, atau merupakan ukuran bagi sensitifitas tiap unit X dan Y yang telah diamati. Yang terkait dengan covariance adalah korelasi, yang dirumuskan : rxy = xy / x. y =

25 SIMPLE REGRESSION Analisis Regresi:
Penggambaran dan pengevaluasian hubungan stokastik antara suatu variabel tertentu (variabel terikat/dependent variable) dengan satu atau lebih variabel bebas (independent variable) Regresi Sederhana (Simple Regression): Hubungan stokastik antara satu buah variabel terikat dengan satu variabel independent. Hubungan antar variabel ekonomi adalah stokastik karena dalam ekonomi tidak ada hubungan exact atau deterministik Stokastik dilambangkan dengan variabel gangguan stokastik (U) dalam setiap model ekonometri

26 Alasan Keberadaan Sifat Stokastik
Kemungkinan kesalahan dalam persamaan Kesalahan dalam pengukuran (kesalahan dalam variabel) Ketidaksempurnaan spesifikasi bentuk matematis model Agregasi

27 Persamaan Regresi Linier Sederhana
Yi =  + βXi + Ui (i = 1,…….,n) Y = Variabel Terikat (Dependent Variable) X = Variabel Bebas (Independent Variable) U = Faktor gangguan (Error disturbance term) , β = koefisien taksiran parameter i = pengamatan ke n

28 Asumsi-Asumsi Dasar Normality Zero Mean
Ui adalah sebuah variabel random riil dan memiliki distribusi normal Zero Mean Nilai Rerata dari Ui setiap periode tertentu adalah nol. E(Ui) = 0 (i = 1,…..,n) Common variance (Homoskedastisitas) Varian dari Ui adalah konstan setiap periode. Var (Ui) = 2 (2 adalah konstan) Independence (Non-autocorrelation) Faktor gangguan dari pengamatan yang berbeda-beda (Ui,Uj) tidak tergantung (Independent). E (Ui,Uj) = 0 (i ≠ j) Independence. Variabel-variabel penjelas/bebas adalah variabel nir-stokastik dan diukur tanpa kesalahan; Ui tidak bergantung pada variabel penjelas/bebas. E(XiUj) = X (Uj) = 0, untuk seluruh i, j = 1,….,n

29 Metode Penaksiran Metode Momentum (The Method of Moments)
Menitikberatkan pada prinsip bahwa momentum sampel (sample moments) mencerminkan sifat-sifat populasi, artinya nilai-nilai harapan (expected values) dari momentum sampel adalah sama dengan momentum populasi. Menghasilkan penaksir yang konsisten dan normal secara asimtotik, namun bukan BAN (Best, Asymtotically, dan Normal) Metode Kuadrat Terkecil (Least Squares Method) Penaksiran yang menghasilkan jumlah kuadrat penyimpangan (deviasi) pengamatan sampel dari nilai taksiran minimum. Menghasilkan penaksir-penaksir yang memenuhi syarat BLU (Best, Linier, Unbiased). Metode “Maximum Likelihood” Populasi yang berbeda-beda akan menurunkan sampel yang berbeda-beda, dan sampel tertentu mungkin berasal dari suatu populasi tertentu dan bukan dari populasi-populasi lainnya. Memberikan penaksir-penaksir yang konsisten, “asymptotically Unbiased”, dan “asymptotically efficient”.

30 Penaksiran Parameter Regresi
Metode Kuadrat Terkecil (Ordinary Least Square) Taksiran yang memiliki sifat Linier, Unbiasedness, dan best Diperlukan pengujian kriteria ekonomi hipotesis secara statistik dan uji ekonometri sebagai landasan untuk peramalan

31 Goodness of Fit (R2) Variasi perubahan Y dalam dua komponen, yaitu “yang bisa dijelaskan” (explained) dan “yang tidak bisa dijelaskan” (Unexplained). Jumlah Kuadrat Total Jumlah Kuadrat yg bisa dijelaskan Jumlah Kuadrat yg tidak bisa dijelaskan R2 = Variasi yang bisa dijelaskan Variasi yang ingin dijelaskan

32 Pengujian/Verifikasi
Uji Ekonomi Melihat kesesuaian tanda paramater hasil analisis regresi dengan teori ekonomi yang menjadi dasar model ekonometri (Kriteria Ekonomi) Uji Statistik Melihat signifikansi hipotesis yang dirumuskan. Uji hipotesis mencakup uji t Statistik untuk melihat signifikansi pengaruh variabel independent terhadap variabel dependent secara individual. Sedangkan Uji F statistik dilakukan untuk melihat signifikansi pengaruh seluruh variabel independent terhadap variasi perubahan variabel dependent. Uji Ekonometri Berdasarkan pada tiga asumsi klasik yang harus dipenuhi, yakni Homoskedastisitas, nir-otocorrelation, non-multicollinearity. Penyimpangan terhadap tiga asumsi klasik ini membutuhkan perbaikan terutama pada model ekonometri dan perilaku data.

33 Regresi Berganda (Multiple Regression)
Analisis hubungan stokastik antara satu variabel terikat (dependent variable) dengan dua atau lebih variabel bebas (Independent Variable) Yi = β1 + β2X2i + β3X3i + Ui Hasil Taksiran:

34 Asumsi E(ui) = 0 V (ui) = 2 untuk setiap I
Ui dan Uj independent untuk semua i ≠ j Ui dan Uj untuk semua i dan j Ui terdistribusi normal

35 Uji Signifikansi terhadap Taksiran Parameter
Uji kesalahan baku dimana H0 tidak ditolak, artinya taksiran βi tidak signifikan secara statistik Jika H0 ditolak, artinya taksiran βi signifikan secara statistik Jika Uji student-t terhadap hipotesis nol Dengan derajat bebas (n-k) Apabila t* < t tabel maka H0 tidak ditolak, artinya taksiran β2 tidak signifikan. Dengan demikian variabel dependent β2 tidak berpengaruh secara individu terhadap variasi perubahan Y. Dan bila t* > t tabel maka H0 ditolak, artinya taksiran β2 signifikan.

36 Uji Penyimpangan Asumsi Klasik
Otokorelasi (Autocorrelation) Korelasi hubungan yang terjadi di antara anggota-anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu (data runtun waktu) atau yang tersusun dalam rangkaian ruang (data cross section). Akibatnya taksiran OLS tidak bias, varian dari taksiran OLS akan “underestimate”, peramalan akan tidak efisien. Identifikasinya menggunakan Uji Ratio von Neumann dan Uji Durbin-Watson Pengobatan: mendapatkan taksiran koefisien otokorelasi Ω, mengubah (transformasi) data aslinya, dan menerapkan OLS pada data transformasi

37 Uji Penyimpangan Asumsi Klasik
Heteroskedastisitas (Heteroscedasticity) Faktor gangguan (Ui) tidak memiliki varian yang sama atau konstan. Akibatnya penaksir-penaksir OLS tidak akan bias, varian dari koefisien-koefisien OLS akan salah, penaksir-penaksir OLS menjadi tidak efisien Identifikasi dengan Uji Korelasi Rank Spearman, Uji Goldfeld- Quandt, Uji Park, Uji Glejser Langkah pengobatan: regresi OLS biasa, lakukan transformasi, regresi OLS pada data transformasi.

38 Uji Penyimpangan Asumsi Klasik
Multikolinearitas (Multicollinearity) Hubungan linier di antara variabel-variabel bebas dalam model regresi Akibatnya, kesalahan baku cenderung semakin besar, probabilitas dari kesalahan tipe II semakin besar, taksiran parameter OLS dan kesalahan bakunya sangat sensitif terhadap perubahan sampel sekecil apapun, R2 tinggi namun taksiran koefisien regresi yang signifikan secara statistik sedikit Identifikasi: Frisch’s Confluence analysis, Farrar-Glauber, Matriks korelasi berderajat nol Pengobatan: memperbesar ukuran sampel, memasukkan persamaan tambahan ke dalam model, penggunaan informasi ekstra,

39 Jumlah Kuadrat yang dijelaskan oleh X2 dan X3
Goodness of Fit Total jumlah kuadrat atau total variasi (Total Variation) Jumlah kuadrat yang bisa dijelaskan atau variasi yang bisa dijelaskan (Explained Variations) Jumlah kuadrat residu atau variasi yang tak bisa dijelaskan (Unexplained Variations) R2 = Jumlah Kuadrat yang dijelaskan oleh X2 dan X3 Total jumlah kuadrat