Ekonometrika (PRAKTEK)

Presentasi berjudul: "Ekonometrika (PRAKTEK)"— Transcript presentasi:

1 Ekonometrika (PRAKTEK)
By Dewi Purwanti Sekolah Tinggi Ilmu Statistik TA 2013/2014

2 Referensi Bambang Juanda dan Junaidi, Ekonometrika Deret Waktu, IPB Press  data_bj M. Firdaus, Aplikasi Ekonometrika: untuk data panel dan time series, IPB Press Nachrowi dan Hardius Usman: Ekonometrika: untuk analisis ekonomi dan keuangan, LP FEUI Agus Widarjono, Ekonometrika: Pengantar dan Aplikasinya, UPP STIM YKPN  data_aw EViews5_1PanelPooledData

3 E-views Data panel dalam format Ms. Excel
Stacked Data Vs Unstacked Data

4 Data Panel t = 1935-1954 i = Individu: 1 = IBM 2 = Goodyear 3 = UO
4 = US

5 Entri Data Copy paste File > new > workfile Impor data
Workfile create: workfile structure type > balanced panel Quick > empty group pastikan kursor telah berada pada bagian ujung kiri atas dari window group > copy paste Impor data tutup terlebih dahulu file excel yang akan diimpor file > impor

6 Panel Unit Root Tests Referensi: EViews5_1PanelPooledData Langkah2:
Pastikan data sudah dalam format panel View > unit root test

7 Level Panel unit root test: Summary Series: LOGY
Date: 11/18/13 Time: 15:23 Sample: Exogenous variables: Individual effects User specified lags at: 1 Newey-West bandwidth selection using Bartlett kernel Balanced observations for each test  Cross- Method Statistic Prob.** sections Obs Null: Unit root (assumes common unit root process)  Levin, Lin & Chu t*  0.3322  4  72 Null: Unit root (assumes individual unit root process)  Im, Pesaran and Shin W-stat     0.6905 ADF - Fisher Chi-square    0.5410 PP - Fisher Chi-square    0.5174  76 ** Probabilities for Fisher tests are computed using an asymptotic Chi         -square distribution. All other tests assume asymptotic normality. Level

8 1st difference Panel unit root test: Summary Series: D(LOGY)
Date: 11/18/13 Time: 15:24 Sample: Exogenous variables: Individual effects User specified lags at: 1 Newey-West bandwidth selection using Bartlett kernel Balanced observations for each test  Cross- Method Statistic Prob.** sections Obs Null: Unit root (assumes common unit root process)  Levin, Lin & Chu t*  0.0000  4  68 Null: Unit root (assumes individual unit root process)  Im, Pesaran and Shin W-stat  ADF - Fisher Chi-square   PP - Fisher Chi-square    72 ** Probabilities for Fisher tests are computed using an asymptotic Chi         -square distribution. All other tests assume asymptotic normality. 1st difference

9 Object: generate series
Logy = log(y) dlogy = d(logy)

10 TUGAS Olah data dari data bab 18 buku Agus Widarjono
Y = nilai investasi X1 = nilai harga saham X2 = nilai aktual kapital di awal periode Setelah digenerate, buat persamaan logy c logx1 logx2 Atau bisa secara langsung log(y) c log(x1) log(x2)

11 Model Pooled OLS

12 Estimasi Pooled Least Square
Quick: estimate equation Spesification: masukkan persamaan: variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi logy c logx1 logx2 Name: pooled

13 Dependent Variable: LOGY
Method: Panel Least Squares Date: 11/18/13 Time: 15:30 Sample: Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std. Error t-Statistic Prob.   C 0.0000 LOGX1 LOGX2 R-squared     Mean dependent var Adjusted R-squared     S.D. dependent var S.E. of regression     Akaike info criterion Sum squared resid     Schwarz criterion Log likelihood     Hannan-Quinn criter. F-statistic     Durbin-Watson stat Prob(F-statistic)

14 Interpretasi Pooled LS
Nilai koefisien determinasi = 0,846 (model mampu menjelaskan variasi Y sebesar 84,6%) Nilai adjusted R-square = 0,842 (model mampu menjelaskan variasi Y sebesar 84,2% dengan memperhitungkan jumlah variabel yang dimasukkan ke dalam model) Koefisien X bernilai positif, sesuai dengan teori (X1 dan X2 berhubungan positif dengan variabel Y) Uji statistik t: masing-masing koefisien signifikan secara statistik dengan alfa 1 % jika harga saham (X1 naik 1% maka nilai investasi akan naik sebesar 0,91%, ceteris paribus, faktor lain diasumsikan tetap) Uji Statistik F: Secara bersama-sama, seluruh variabel bebas berpengaruh signifikan terhadap Y Nilai Durbin-Watson yang rendah kemungkinan karena ada autokorelasi pada data juga karena kesalahan spesifikasi. Perkiraan model mengasumsikan bahwa nilai intersep IBM, Goodyear, US dan UO adalah sama. Model juga mengasumsikan koefisien slope dari dua variabel adalah sama untuk keempat perusahaan Regresi data panel dengan metode OLS di mana seluruh koefisien konstan antara waktu dan individu dapat memberikan hasil yang kurang baik dalam menggambarkan hubungan antara Y dan X pada keempat perusahaan tersebut

15 Fixed Effect Model (LSDV)

16 Fixed Effect: Pendekatan LSDV
Run persamaan dengan menggunakan dummy variabel dengan metode OLS logy c logx1 logx2 d1 d2 d3 Contoh: buat dummy individu, dalam hal ini individu ke-4 (US) menjadi kategori basis atau referensi d1 = 1 untuk individu ke-1 (IBM) d1 = 0 untuk individu lainnya d2 = 1 untuk individu ke-2 (GY) d2 = 0 untuk individu lainnya d3 = 1 untuk individu ke-3 (UO) d3 = 0 untuk individu lainnya

17 Fixed Effect: Pendekatan LSDV
Dependent Variable: LOGY Method: Panel Least Squares Date: 11/21/13 Time: 07:40 Sample: Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std. Error t-Statistic Prob.   C 0.6892 LOGX1 0.0000 LOGX2 D1 0.0001 D2 D3 0.0219 R-squared     Mean dependent var Adjusted R-squared     S.D. dependent var S.E. of regression     Akaike info criterion Sum squared resid     Schwarz criterion Log likelihood     Hannan-Quinn criter. F-statistic     Durbin-Watson stat Prob(F-statistic)

18 Interpretasi LSDV Semua variabel dummy memiliki nilai signifikan yang sangat tinggi (nilai p-value yang sangat kecil)  menunjukkan bahwa intersep masing-masing perusahaan memang berbeda Model FEM LSDV mampu menjelaskan adanya perbedaan perilaku keempat perusahaan tersebut Nilai intersep yang berbeda pada keempat perusahaan karena perbedaan karakteristik yang unik pada keempat perusahaan seperti perbedaan gaya manajemen dan kemampuan manjerial. c = -0,3029 merupakan intersep dari individu yang menjadi basis, dalam hal ini individu ke-4 (US Steel) Koefisien dari D1 = -0,769  nilai perbedaan antara intersep individu ke-1 dengan individu basis (individu ke-4) Koefisien dari D2 = -1,313  nilai perbedaan antara intersep individu ke-2 dengan individu basis (individu ke-4) dst… Nilai aktual intersep untuk IBM = -1,0715 (-0,3029-0,769) Nilai aktual intersep untuk Goodyear = -1,6158 (-0,3029-1,313) Nilai aktual intersep untuk UO = -1,0419 (-0,3029-0,739) Nilai aktual intersep untuk US Steel = -0, Dibandingkan hasil pendekatan PLS maka hasil pendekatan FEM: memiliki nilai estimasi koefisien yang lebih signifikan nilai R2 yang meningkat nilai Durbin-Watson yang lebih tinggi  Pendekatan FEM memberikan hasil yang lebih baik.

19 Fixed Effect Model

20 Estimasi Fixed Effect Quick: estimate equation
Spesification: masukkan persamaan variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi Panel option Effect spesification cross section : fixed period : none GLS weight: no weight Name: fixed

21 Effects Specification
Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:33 Sample: Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std. Error t-Statistic Prob.   C 0.0928 LOGX1 0.0000 LOGX2 Effects Specification Cross-section fixed (dummy variables) R-squared     Mean dependent var Adjusted R-squared     S.D. dependent var S.E. of regression     Akaike info criterion Sum squared resid     Schwarz criterion Log likelihood     Hannan-Quinn criter. F-statistic     Durbin-Watson stat Prob(F-statistic)

22 View: Fixed/Random Effects > cross section effect
Cross Section Fixed Effects CROSSID Effect  1  2  3  4  

23 Nilai intersep aktual individu ke-i = c + λi (FEM)
Konstanta Fixed Effect Nilai Intersep Aktual Individu ke-i (1)+(2) (1) (2) (3)  

24 Interpretasi FEM Hasil FEM menunjukkan:
Adanya hubungan positif antara x1 dan x2 terhadap Y Interpretasi nilai slope untuk model FEM sama dengan model OLS biasa - Jika terjadi kenaikan x1 sebesar satu satuan maka akan meningkatkan y sebesar 0,57, dengan asumsi variabel lain konstan (ceteris paribus) dst… Interpretasi nilai intersep pada FEM: Nilai intersep yang berbeda pada keempat perusahaan karena perbedaan karakterristik yang unik pada keempat perusahaan seperti perbedaan gaya manajemen dan kemampuan manjerial. Nilai aktual intersep untuk IBM = -1,0715 (-1, ) Nilai aktual intersep untuk GY = -1,6158 (-1,008-0,608) Nilai aktual intersep untuk UO = -1,0419 ((-1,008-0,034) Nilai aktual intersep untuk US = -0,3029 ((-1,008+0,705) Perusahaan yang mempunyai nilai rata-rata Y (nilai investasi) terbesar adalah perusahaan ke-4 (US Steel) Perusahaan yang mempunyai nilai rata-rata Y (nilai investasi) terkecil adalah perusahaan ke-2 (Goodyear)

25 Random Effect Model oi tidak dianggap konstan, tapi dianggap sebagai peubah random dengan nilai rata-rata βo dan deviasi acak intercept individu dari nilai intercept rata-rata sebesar λi Nilai intersep masing-masing perusahaan sebesar oi (nilai intersep aktual)

26 Asumsi REM atau Error individual tidak berkorelasi satu sama lain
Tidak ada autokorelasi pada data cross section maupun data time series Tidak ada korelasi antara komponen error dengan variabel penjelas Sehingga

27 Estimasi Random Effect
Quick: estimate equation Spesification: masukkan persamaan: variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi Panel option Effect spesification cross section : random period : none GLS weight: no weight Name: random

28 Dependent Variable: LOGY
Method: Panel EGLS (Cross-section random effects) Date: 11/18/13 Time: 15:40 Sample: Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob.   C 0.0716 LOGX1 0.0000 LOGX2 Effects Specification S.D.   Rho   Cross-section random 0.8710 Idiosyncratic random 0.1290 Weighted Statistics R-squared     Mean dependent var Adjusted R-squared     S.D. dependent var S.E. of regression     Sum squared resid F-statistic     Durbin-Watson stat Prob(F-statistic) Unweighted Statistics Sum squared resid

29 View: Fixed/Random Effects > cross section effect
Cross Section Random Effects CROSSID Effect  1  2  3    4  

30 Nilai intersep aktual individu ke-i = c + λi (REM)
Konstanta Random Effect Nilai Intersep Aktual Individu ke-i (1)+(2) (1) (2) (3)     Jumlah = 0

31 Interpretasi REM Jumlah nilai efek acak yang diberikan pada keempat perusahaan akan sama dengan nol Intercept c merepresentasikan nilai rata-rata dari seluruh cross-sectional intercept (nilai intersep umum/nilai intersep bersama/nilai intersep rata-rata) yaitu sebesar -1,185. Error component λi merepresentasikan deviasi acak intercept individu dari nilai intercept rata-rata. Random effect dari IBM adalah -0,067 menunjukkan seberapa besar intersep IBM berbeda dari nilai intersep bersama  perusahaan IBM memiliki intersep 0,067 lebih rendah dari intersep bersama) dst… Random effect dari US adalah 0,646 menunjukkan seberapa besar intersep US berbeda dari nilai intersep bersama  perusahaan US memiliki intersep 0,646 lebih tinggi dari intersep bersama) dst…

32 Perbedaan FEM dan REM FEM: tiap-tiap unit cross section mempunyai nilai intersep masing-masing REM: - Intersep bersama mewakilkan nilai rata-rata dari semua intersep (cross section) - Komponen error λi mewakilkan deviasi acak dari intersep individual terhadap nilai rata-ratanya

33 Uji Chow Pastikan kita berada pada window hasil estimasi dengan pendekatan fixed effect View: Fixed/Random Effects Testing > Redundant Fixed Effects – Likelihood Ratio

34 Redundant Fixed Effects Tests
Equation: Untitled Test cross-section fixed effects Effects Test Statistic   d.f.  Prob.  Cross-section F (3,74) 0.0000 Cross-section Chi-square 3 Cross-section fixed effects test equation: Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:38 Sample: Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std. Error t-Statistic Prob.   C LOGX1 LOGX2 R-squared     Mean dependent var Adjusted R-squared     S.D. dependent var S.E. of regression     Akaike info criterion Sum squared resid     Schwarz criterion Log likelihood     Hannan-Quinn criter. F-statistic     Durbin-Watson stat Prob(F-statistic)

35 Uji Chow (hitung manual)
Fo = 49,005 Ftabel = F(N-1,NT-N-K) = F 0,01(3,74) = 4,058 Fo> F-tabel  cukup bukti utk menolak H0 artinya dugaan intersep sama utk semua individu dpt ditolak

36 Uji Hausman Pastikan kita berada pada window hasil estimasi dengan pendekatan Random effect View: fixed/random effects testing > correlated random effects – Hausman Test

37 Effects Specification
Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.  Cross-section random 2 0.6031 Cross-section random effects test comparisons: Variable Fixed   Random  Var(Diff.)  LOGX1 0.3213 LOGX2 0.3691 Cross-section random effects test equation: Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:43 Sample: Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Coefficient Std. Error t-Statistic Prob.   C 0.0928 0.0000 Effects Specification Cross-section fixed (dummy variables) R-squared     Mean dependent var Adjusted R-squared     S.D. dependent var S.E. of regression     Akaike info criterion Sum squared resid     Schwarz criterion Log likelihood     Hannan-Quinn criter. F-statistic     Durbin-Watson stat Prob(F-statistic)

38 GLS Weight

39 Uji Heteroskedasticity
GLS WEIGHT Cross section weights  adanya cross-section heteroskedasticity bandingkan sum square resid antara weight dan unweight Period weights  adanya period heteroskedasticity ATAU white heteros-cedasticity consistence variance (dikonstankannya residual)

40 berarti ada heteroskedas  model pakai fixed—cross section weight
Dependent Variable: APS Method: Panel EGLS (Cross-section weights) Date: 07/13/13 Time: 08:53 Sample: Periods included: 5 Cross-sections included: 26 Total panel (unbalanced) observations: 129 Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob.   C 0.7164 JLN 0.4418 LNPDRB 0.0005 MISKIN 0.0857 SR 0.6657 LNB_PENDIDIKAN 0.0755 LNBOS 0.2240 MURID_GURU 0.9865 MURID_SEKOLAH 0.1012 ART_5 0.2613 PENDIDIKAN_KRT PEKERJA_ANAK 0.0167 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared     Mean dependent var Adjusted R-squared     S.D. dependent var S.E. of regression     Sum squared resid F-statistic     Durbin-Watson stat Prob(F-statistic) Unweighted Statistics Sum squared resid berarti ada heteroskedas  model pakai fixed—cross section weight Weighted < Unweighted = ada heteroskedastis

41 Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights)
Date: 11/18/13 Time: 15:45 Sample: Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob.   C 0.0512 LOGX1 0.0000 LOGX2 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared     Mean dependent var Adjusted R-squared     S.D. dependent var S.E. of regression     Sum squared resid F-statistic     Durbin-Watson stat Prob(F-statistic) Unweighted Statistics Sum squared resid

42 Hasil regresi data panel metode fixed effect dengan weighting cross section weights dan white heteroskedasticity-consistent standard errors & covariance:

43 Hasil regresi data panel metode fixed effect dengan weighting cross section weights dan white heteroskedasticity-consistent standard errors & covariance: Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights) Date: 12/06/13 Time: 09:29 Sample: Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix White cross-section standard errors & covariance (d.f. corrected) Variable Coefficient Std. Error t-Statistic Prob.   C 0.0366 LOGX1 0.0000 LOGX2 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared     Mean dependent var Adjusted R-squared     S.D. dependent var S.E. of regression     Sum squared resid F-statistic     Durbin-Watson stat Prob(F-statistic) Unweighted Statistics Sum squared resid

44 Uji Autokolerasi Durbin Watson Statistik

45 Coef Covariance Method

46 Cross-section SUR Struktur Heteroskedastik dan ada autokorelasi antar kelompok individu (crossection)  cross-section SUR Estimate- panel option – coef covariance method – cross section SUR (PCSE)

47 Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights)
Date: 11/18/13 Time: 15:47 Sample: Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected) Variable Coefficient Std. Error t-Statistic Prob.   C 0.0438 LOGX1 0.0000 LOGX2 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared     Mean dependent var Adjusted R-squared     S.D. dependent var S.E. of regression     Sum squared resid F-statistic     Durbin-Watson stat Prob(F-statistic) Unweighted Statistics Sum squared resid

48 Misal Model Terbaik: FEM dengan cross section weight and cross section SUR View > representation

49 Tugas: Interpretasikan hasil output
Uji stasioneritas Uji t, Uji F Nilai R square, Nilai Adjusted R square Hasil PLS, FEM (LSDV), FEM, REM - Fixed effect (cross) - Individual effect untuk i = c + fixed effect i - Random effect (cross) > Gujarati 5th edition - Konstanta random effect Uji Chow, Uji Hausman Uji asumsi

50 STATA Data editor > copy data COMMAND sort i t xtset i t, yearly
xtreg logy logx1 logx2, fe est sto fixed xtreg logy logx1 logx2, re est sto random hausman fixed

51 . xi: reg logy logx1 logx2 i.i
. test _Ii_2 _Ii_3 _Ii_4 . xi: reg logy logx1 logx2 i.t . test _It_1936 _It_1937 _It_1938 _It_1939 _It_1940 _It_1941 _It_1942 _It_1943 _It_1944 _It_1945 _It_1946 _It_1947 _It_1948 _It_1949 _It_1950 _It_1951 _It_1952 _It_1953 _It_1954

52 1. UJI KENORMALAN . xtreg logy logx1 logx2, fe . predict resid, e . sktest resid

53 2. UJI MULTIKOLINEARITAS ANTAR VARIABEL INDEPENDEN (CROSS-SECTIONAL DEPENDENCE)
step2 -mengeluarkan model yang terpilih berdasarkan berbagai uji yg telah dilakukan. pada contoh misalkan terpilih model fixed. -mengeluarkan uji cross-sectional dependence dengan Pesaran's Test misalnya variabel dependen Y, variabel independen X1, X2, X3. command -xtreg Y X1 X2 X3, fe -xtcsd, pesaran abs Ho: antar variabel independen tidak berkorelasi (residual tidak berkorelasi) dan yang diharapkan adalah Terima Ho.

54 3. UJI HETEROSCEDASTICITY
. xtreg logy logx1 logx2, fe . xttest3

55 4. UJI ADANYA AUTOKORELASI (Wooldridge test for autocorrelation)
. xtserial logy logx1 logx2

56 . xtgls logy logx1 logx2, panels(hetero) corr(ar1)
. xtpcse logy logx1 logx2, correlation(ar1)