Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
Diterbitkan olehAldo Zangetsu Telah diubah "9 tahun yang lalu
1
Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc
2
Misspecification Wrong Regressors Measurement errors Wrong functional forms
3
Wrong Regressors Pengabaian peubah penjelas yang berpengaruh Penggunaan peubah penjelas yang tidak penting
4
Pengabaian peubah penjelas yang berpengaruh Misalkan model yang benar secara populasi adalah sbb: Yang diduga dengan model tanpa melibatkan X 3 Terjadi kesalahan dalam pengabaian X 3 akibatnya galat pada model (2) terdiri dari:
5
Nilai harapan pada galat model (2) tidak lagi 0: Pelanggaran asumsi mengenai galat
6
Jika X 3 mempunyai korelasi dengan X 2 maka galat pada model (2) tidak lagi bebas terhadap X 2 Efek: penduga parameter menjadi bias dan tidak konsisten
7
Penggunaan peubah yang tidak berpengaruh Efeknya tidak sebesar dari kasus yang pertama Jika model populasi yang sebenarnya: Diduga dengan model dengan melibatkan peubah X 3 Model (2) adalah model (1) ketika β 3 =0, Tidak ada pelanggaran asumsi pada model (2) Penduga tetap tidak bias, akan tetapi tingkat efisiensi berkurang
8
Ketika digunakan X 3 yang berkorelasi dengan X 2 Timbul multikolineritas yang tidak perlu ada Peubah penjelas yang berpengaruh malah menjadi tidak nyata
9
Indikator bahwa peubah tidak berpengaruh pada model Untuk memutuskan dipakai atau tidak di dalam model Peubah tsb (misalkan X 3 ) tidak perlu dipakai jika R 2 akan meningkat jika model tidak melibatkan X 3 Tidak ada perubahan tanda pada peubah selain X 3 sebelum dan sesudah X 3 ditiadakan Statistik uji t pada peubah selain X 3 tidak terpengaruh oleh keterlibatan X 3, kecuali jika X 3 ternyata berkorelasi dengan X 2
10
Solusi jika tidak tersedia pengamatan bagi peubah berpengaruh Pengabaian peubah berpengaruh cukup serius: Bias of omitted variable Jika pengabaian dilakukan akibat tidak adanya pengamatan yang representatif Dipakai peubah proxy: Peubah pengganti yang bersifat serupa dan memberikan efek sama Peubah proxy berkorelasi dengan peubah yang dimaksud
11
Contoh kasus: Memodelkan gaji berdasarkan Jenis kelamin Tingkat pendidikan Latar belakang sosio ekonomi Peubah bebas pertama dan kedua dapat diukur dengan mudah Tidak ada peubah yang memberikan besaran latar belakang sosio ekonomi secara tepat
12
Tanpa melibatkan peubah tsb: Penduga bias dan tidak konsisten Digunakan pendapatan keluarga sebagai proxy Pemilihan pendapatan keluarga sebagai proxy: Pendapatan keluarga berkorelasi dengan latar belakang sosio ekonomi
13
Model regresi dengan peubah proxy Model populasi yang ingin diduga: Tidak teramati Digunakan peubah proxy (yang teramati) dengan hubungan sbb: ϒ 2 : seharusnya positif, untuk menunjukkan korelasi positif antar peubah proxy (FamInc) dan peubah tak teramati (Background) e: untuk menunjukkan bahwa kedua peubah tidak sepenuhnya sama
14
Intersep untuk model dengan peubah proxy Slope untuk peubah proxy
15
Dari model di atas, tidak diperoleh penduga tak bias bagi β 1 dan β 4 Akan tetapi diperoleh penduga tak bias bagi a 1 β 2, β 3 dan a 4 Tujuan utama dari pendugaan adalah memperoleh β 2, dan β 3
16
Macam-macam bentuk fungsional Nama ModelBentuk FungsionalMarjinal Efek dY/dXInterpretasi Linier Y = β 1 + β 2 X∆Y=β 2 ∆ X 1 unit perubahan X merubah Y sebanyak β 2 Linier Log Y = β 1 + β 2 ln X∆Y=β 2 /100 (100 ∆ X/X) 1 persen perubahan X merubah Y sebesar β 2 /100 unit Log Linier ln Y = β 1 + β 2 X 100 ∆Y/Y =100 β 2 ∆X 1 unit perubahan X merubah Y sebesar 100 β 2 % Double log ln Y = β 1 + β 2 ln X 100 ∆Y/Y =β 2 (100∆X/X) 1 % perubahan X merubah Y sebesar β 2 %
17
Pemilihan bentuk fungsional Perbandingan beberapa bentuk fungsional dapat dilakukan berdasarkan R 2 jika peubah Y -nya dalam bentuk fungsional yang sama Bentuk fungsional yang benar menghasilkan R 2 yang tinggi. Jika bentuk fungsional Y tidak sama, tidak dapat dilakukan perbandingan nilai R 2 Transformasi Box Cox
18
Transformasi Box Cox Misalkan akan dipilih antara dua model berikut: Langkah 1: dapatkan rata-rata geometri dari Y
19
Langkah 2: lakukan transformasi terhadap peubah Y Langkah 3: Lakukan pendugaan di model (1) dan model (2), semuanya menggunakan Y hasil transformasi. Dapatkan JKG dari kedua model, dan keduanya sekarang dapat dibandingkan.
20
Langkah 4: Menentukan model mana yang secara nyata lebih baik dari yang lain, digunakan statistik uji berikut: Jika nilai p bagi statistik uji tsb nyata Kedua model berbeda nyata Model dengan KTG kecil lebih baik secara nyata daripada model dengan KTG yang lebih besar
21
Measurement Errors Pada peubah endogen (Y) Pada peubah eksogen (X)
22
Measurement errors pada Y Misalkan model yang sebenarnya adalah: Akan tetapi tidak diperoleh data yang mengukur Y dengan benar. Digunakan pengamatan berdasarkan nilai Y* Y* berhubungan dengan Y tapi dengan kesalahan pengukuran w
23
Model (1) menjadi: Efek Jika w mempunyai nilai tengah 0, penduga β 1 tidak bias Jika w tidak berkorelasi dengan semua X maka penduga untuk β yang lainnya juga tidak bias dan konsisten Jika u dan w tidak saling bebas: Ragam galat lebih besar daripada kasus tanpa measurement errors
24
Measurement errors pada X Misalkan model yang sebenarnya adalah: Akan tetapi tidak diperoleh data yang mengukur X dengan benar. Digunakan pengamatan berdasarkan nilai X* X* berhubungan dengan X tapi dengan kesalahan pengukuran v
25
Model menjadi: Efek Jika u dan v tidak berkorelasi dengan X dan keduanya mempunyai nilai tengah nol, maka penduga untuk β tidak bias dan konsisten Jika u dan v saling bebas: Ragam galat lebih besar daripada kasus tanpa measurement errors
26
Uji kesalahan spesifikasi ( Tests for Misspecification ) secara umum Uji Jarque-Berra untuk kenormalan galat Jika terjadi misspecification, secara umum galat tidak lagi menyebar normal Uji Ramsey RESET (Regression Specification Error Test): untuk misspecification model regresi yang seharusnya melibatkan unsur polinomial
27
Uji Jarque-Berra Langkah 1: Menghitung moment ketiga dan keempat dari galat model (moment ketiga: skewness dan moment keempat: kurtosis) Langkah 2: Menghitung statistik uji JB Langkah 3: Tolak H 0 jika khi kuadrat nyata secara statistik
28
Uji Ramsey RESET Model populasi yang sebenarnya Diduga dengan: Beberapa bentuk pangkat dari Y duga digunakan untuk menganalisis kemungkinan adanya kesalahan akibat bentuk polinomial yang tidak diperhitungkan Umumnya sampai pangkat 3
29
Langkah 1: Menduga model berikut yang diasumsikan benar, dan memperoleh nilai duga Langkah 2: Menggunakan nilai duga dari model di langkah 1 untuk menduga model berikut Model pada langkah 1 adalah restricted model dan model pada langkah 2 adalah unrestricted model.
30
JKG R : JK galat restricted model JKG U : JK galat unrestricted model k U : jumlah peubah eksogen (termasuk konstanta) pada unrestricted model k R : jumlah peubah eksogen (termasuk konstanta) pada restricted model Langkah 3: Menghitung statistik uji F: Langkah 4: Jika statistik uji nyata, maka terdapat bukti yang kuat bahwa terdapat kesalahan spesifikasi dalam model di langkah 1.
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.