EKONOMETRIKA Pertemuan 9: Analisis Regresi Berganda (Lanjutan)

Presentasi berjudul: "EKONOMETRIKA Pertemuan 9: Analisis Regresi Berganda (Lanjutan)"— Transcript presentasi:

1 EKONOMETRIKA Pertemuan 9: Analisis Regresi Berganda (Lanjutan)
Dosen Pengampu MK: Dr. Idah Zuhroh, M.M. Evellin D. Lusiana, S.Si, M.Si

2 Pemilihan Model Terbaik
Model dengan banyak variabel independen tidak selalu lebih baik daripada model dengan sedikit variabel independen (prinsip parsimony) Dibutuhkan kriteria untuk menentukan model terbaik

3 Kriteria Pemilihan Model
Semakin besar semakin baik Semakin kecil semakin baik

4 Contoh: Data Harga Rumah
1. price (Y) =house price, $1000s 2.sqrft (X1) =size of house in square feet 3. bdrms (X2)= number of bedrooms 4. colonial (X3) = if home is colonial style 5. assess (X4) =assessed value, $1000s 6. lotsize (X5)= size of lot in square feet

5 Model 1 Kriteria Model 1 R-squared 0.621 Adj R-squared 0.616 AIC
11.166 SIC 11.222

6 Model 2 Kriteria Model 2 R-squared 0.632 Adj R-squared 0.623 AIC
11.159 SIC 11.244

7 Model 3 Kriteria Model 3 R-squared 0.635 Adj R-squared 0.622 AIC
11.173 SIC 11.286

8 Perbandingan antar Model
Kriteria Model 1 Model 2 Model 3 R-squared 0.621 0.631 0.635 Adj R-squared 0.616 0.623 0.622 AIC 11.166 11.159 11.173 SIC 11.222 11.244 11.286 Model 2 terbaik

9 Penambahan dan Pengurangan Variabel
Kesalahan spesifikasi (specification error) Mengeluarkan variabel independen yang penting Menyertakan variabel independen yang kurang berpengaruh (kurang penting)

10 Akibat Pengeluaran Variabel Penting
Model sebenarnya  Model yang diestimasi  Estimator menjadi bias

11 Akibat Penyertaan Variabel Kurang Penting
Model yang benar  Model yang diestimasi  Varians tidak minimum

12 Uji Penambahan/Pengurangan Variabel dalam Model [1]
Penambahan 1 (satu) variabel Old model: New model: R2old, RSS old, ESSold R2new, RSS new, ESSnew Penambahan X2 relevan Penambahan X2 tidak relevan m=1 n-(k+m)-1=n-3 Ho ditolak jika F>F(m, n-k-m-1),α

13 Uji Penambahan/Pengurangan Variabel dalam Model [2]
Pengurangan 1 (satu) variabel Old model: New model: R2old, RSS old, ESSold R2new, RSS new, ESSnew Pengurangan X2 relevan/tepat Pengurangan X2 tidak tepat m=1 n-(k+m)=n-2 Ho ditolak jika F>F(m, n-k-m-1),α

14 Uji Penambahan/Pengurangan Variabel dalam Model [3]
Penambahan beberapa variabel Old model: New model: Model restriksi, βk+1=0, βk+2=0 Model unrestriksi Penambahan Xk+1 dan Xk+2 relevan Penambahan Xk+1 dan Xk+2 tidak relevan m=2 n-(k+m)=n-(k+2) Ho ditolak jika F>F(m, n-k-m-1),α

15 Uji Penambahan/Pengurangan Variabel dalam Model [4]
Pengurangan beberapa variabel Old model: New model: Model unrestriksi Model restriksi, βk+1=0, βk+2=0 Pengurangan Xk+1 dan Xk+2 relevan Pengurangan Xk+1 dan Xk+2 tidak relevan m=1 n-(k+m)=n-2 Ho ditolak jika F>F(m, n-k-m-1),α

16 Old model R2Old=

17 New Model (Penambahan 1 Var.)
R2Old= R2New= F(m, n-(k+m)-1),α = F(1, 84),0.05 =3.95 karena F>3.95 maka Ho ditolak Penambahan X4 tepat

18 New Model (Penambahan 2 Var.)
R2Old= c R2New= F(m, n-(k+m)-1),α = F(2, 83),0.05 =3.107 karena F> maka Ho ditolak Penambahan X4 dan X5 tepat

19 P-value=0.000 < α Keputusan: Tolak Ho

20 Restriksi Koefisien Regresi [1]
Restriksi koefisien regresi diperlukan apabila ada batasan/limitasi tertentu terhadap koefisien model regresi yang dihasilkan. Contoh: Idealnya apabila nilai taksiran harga rumah naik $1000, maka harga rumah juga akan naik $1000, atau dalam hal ini terjadi restriksi β4=1 (nilai taksiran harga rumah bersifat rasional)

21 Restriksi Koefisien Regresi [2]
Dengan demikian dimiliki dua macam model yaitu Model tanpa restriksi (unrestricted model) Model restriksi (restricted model 0 β4=1 )

22 Restriksi Koefisien Regresi [3]
Untuk menguji apakah benar β4=1 , maka digunakan uji Wald. Hipotesisnya Ho: β4=1 H1: β4≠1 Statistik uji Wald ada 2 macam, yaitu Ho ditolak jika F>Fα,(m,n-k-1) atau p-value < α Ho ditolak jika W>χ2α,(m) atau p-value < α.

23 Restriksi Koefisien Regresi [4]
Model Unrestricted RSSUR =

24 Restriksi Koefisien Regresi [5]
Model Restricted RSSUR = RSSR = Fα,(m,n-k-1) = F0.01,(1,83) = 3.956 Keputusan: F<3.956 sehingga Ho diterima Kesimpulan: taksiran harga rumah bersifat rasional

25 Restriksi Koefisien Regresi [6]
P-value= > α Keputusan: Terima Ho Kesimpulan: taksiran harga rumah bersifat rasional