Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.

Presentasi berjudul: "Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc."— Transcript presentasi:

1 Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc

2 Contoh Aplikasi Regresi Dengan Peubah Dummy  Data tentang gaji (wage) dan IQ (iq) dari 935 individu  Terdapat beberapa peubah dummy untuk menggambarkan karakteristik masing-masing individu selain IQ  Peubah dummy jenis kelamin (male):  Laki-laki: male =1  Perempuan: male=0  Peubah dummy tingkat pendidikan (educ1, educ2, educ3, dan educ4):  Lulusan SMP: educ1=1, selainnya 0  Lulusan SMA: educ2=1, selainnya 0  Lulusan S1: educ3=1, selainnya 0  Lulusan S2: educ4=1, selainnya 0

3  Ingin diperoleh hubungan antara gaji dan tingkat IQ  Ingin diketahui apakah selain IQ, jenis kelamin juga mempengaruhi gaji, dengan pengaruh konstan (intersep dummy).  Ingin diketahui apakah jenis kelamin mempengaruhi marginal effect dari IQ terhadap gaji (slope dummy).

4  Ingin diketahui apakah selain IQ, jenis kelamin mempengaruhi gaji secara konstan maupun secara marjinal (combined effect)  Ingin diketahui apakah gaji dipengaruhi oleh tingkat pendidikan

5 Gaji berdasarkan IQ  Model 1: OLS, using observations 1-935  Dependent variable: WAGE  coefficient std. error t-ratio p-value  ---------------------------------------------------------  const 116.992 85.6415 1.366 0.1722  IQ 8.30306 0.836395 9.927 3.79e-022 ***  Mean dependent var 957.9455 S.D. dependent var 404.3608  Sum squared resid 1.38e+08 S.E. of regression 384.7667  R-squared 0.095535 Adjusted R-squared 0.094566  F(1, 933) 98.54936 P-value(F) 3.79e-22  Log-likelihood -6891.422 Akaike criterion 13786.84  Schwarz criterion 13796.53 Hannan-Quinn 13790.54 IQ mempunyai hubungan positif terhadap gaji (nyata) Model kurang baik karena R 2 kecil

6 Gaji berdasarkan IQ dan Jenis Kelamin (Intercept dummy)  Model 2: OLS, using observations 1-935  Dependent variable: WAGE  coefficient std. error t-ratio p-value  ---------------------------------------------------------  const 224.844 66.6424 3.374 0.0008 ***  IQ 5.07663 0.662354 7.665 4.50e-014 ***  MALE 498.049 20.0768 24.81 1.02e-104 ***  Mean dependent var 957.9455 S.D. dependent var 404.3608  Sum squared resid 83193885 S.E. of regression 298.7705  R-squared 0.455239 Adjusted R-squared 0.454070  F(2, 932) 389.4203 P-value(F) 1.2e-123  Log-likelihood -6654.402 Akaike criterion 13314.80  Schwarz criterion 13329.33 Hannan-Quinn 13320.34 Model lebih baik karena R 2 meningkat 1 unit kenaikan IQ meningkatkan gaji sebesar 5.07 unit Pegawai laki-laki mempunyai gaji lebih banyak 498 unit dibandingkan dengan pegawai perempuan, kenaikan tsb nyata secara statistik

7 224.84 224.84+498.05=722.89 Garis regresi untuk pegawai perempuan Garis regresi untuk pegawai Laki-laki IQ Gaji

8 Gaji berdasarkan IQ dan IQ*Jenis Kelamin (Slope dummy)  Model 3: OLS, using observations 1-935  Dependent variable: WAGE  coefficient std. error t-ratio p-value  ---------------------------------------------------------  const 412.860 67.3637 6.129 1.31e-09 ***  IQ 3.18418 0.679283 4.688 3.18e-06 ***  MaleIQ 4.84013 0.193746 24.98 7.49e-106 ***  Mean dependent var 957.9455 S.D. dependent var 404.3608  Sum squared resid 82728978 S.E. of regression 297.9346  R-squared 0.458283 Adjusted R-squared 0.457120  F(2, 932) 394.2274 P-value(F) 8.7e-125  Log-likelihood -6651.782 Akaike criterion 13309.56  Schwarz criterion 13324.09 Hannan-Quinn 13315.10 R 2 meningkat tapi tidak terlalu besar Pada pegawai perempuan 1 unit kenaikan IQ meningkatkan gaji sebesar 3.18 unit Pada pegawai laki-laki 1 unit kenaikan IQ meningkatkan gaji sebesar (3.18+4.84)=8.02 unit Perbedaan yang nyata antara kenaikan gaji antara karyawan laki-laki dan perempuan

9 Slope: 3.18+4.84=8.02 Slope: 3.18 Garis regresi untuk pegawai perempuan Garis regresi untuk pegawai Laki-laki

10 Gaji berdasarkan IQ, Jenis Kelamin dan IQ*Jenis Kelamin  Model 4: OLS, using observations 1-935  Dependent variable: WAGE  coefficient std. error t-ratio p-value  --------------------------------------------------------  const 357.857 84.7894 4.221 2.68e-05 ***  IQ 3.72852 0.849174 4.391 1.26e-05 ***  MaleIQ 3.41212 1.35097 2.526 0.0117 **  MALE 149.104 139.602 1.068 0.2858  Mean dependent var 957.9455 S.D. dependent var 404.3608  Sum squared resid 82627733 S.E. of regression 297.9121  R-squared 0.458946 Adjusted R-squared 0.457202  F(3, 931) 263.2382 P-value(F) 1.1e-123  Log-likelihood -6651.210 Akaike criterion 13310.42  Schwarz criterion 13329.78 Hannan-Quinn 13317.80

11 Gaji berdasarkan IQ, Jenis Kelamin dan IQ*Jenis Kelamin  coefficient std. error t-ratio p-value  --------------------------------------------------------  const 357.857 84.7894 4.221 2.68e-05 ***  IQ 3.72852 0.849174 4.391 1.26e-05 ***  MaleIQ 3.41212 1.35097 2.526 0.0117 **  MALE 149.104 139.602 1.068 0.2858 Pada IQ yang sama, gaji pegawai laki-laki lebih banyak 149.104 unit daripada gaji pegawai perempuan Pada pegawai perempuan 1 unit kenaikan IQ meningkatkan gaji sebesar 3.72 unit Pada pegawai laki-laki 1 unit kenaikan IQ meningkatkan gaji sebesar (3.72+3.41)=7.13 unit

12 Slope: 3.73+3.41=7.13 Slope:3.73 357.86 357.86+149.10=506.96 Garis regresi untuk pegawai perempuan Garis regresi untuk pegawai Laki-laki

13 Gaji berdasarkan tingkat pendidikan, Lulusan SMP sebagai referensi  Model 5: OLS, using observations 1-935  Dependent variable: WAGE  coefficient std. error t-ratio p-value  ---------------------------------------------------------  const 774.250 40.9511 18.91 1.00e-067 ***  EDUC2 88.4218 45.3045 1.952 0.0513 *  EDUC3 221.417 48.8868 4.529 6.69e-06 ***  EDUC4 369.118 47.6913 7.740 2.59e-014 ***  Mean dependent var 957.9455 S.D. dependent var 404.3608  Sum squared resid 1.37e+08 S.E. of regression 384.1553  R-squared 0.100340 Adjusted R-squared 0.097441  F(3, 931) 34.61189 P-value(F) 3.27e-21  Log-likelihood -6888.932 Akaike criterion 13785.86  Schwarz criterion 13805.23 Hannan-Quinn 13793.25

14 coefficient std. error t-ratio p-value --------------------------------------------------------- const 774.250 40.9511 18.91 1.00e-067 *** EDUC2 88.4218 45.3045 1.952 0.0513 * EDUC3 221.417 48.8868 4.529 6.69e-06 *** EDUC4 369.118 47.6913 7.740 2.59e-014 *** Lulusan SMA mempunyai gaji 88.42 unit lebih banyak daripada lulusan SMP Lulusan S1 mempunyai gaji 221.42 unit lebih banyak daripada lulusan SMP Lulusan S2 mempunyai gaji 369.118 unit lebih banyak daripada lulusan SMP

15 Gaji berdasarkan tingkat pendidikan, Lulusan S2 sebagai referensi  Model 6: OLS, using observations 1-935  Dependent variable: WAGE  coefficient std. error t-ratio p-value  ---------------------------------------------------------  const 1143.37 24.4432 46.78 1.18e-246 ***  EDUC1 -369.118 47.6913 -7.740 2.59e-014 ***  EDUC2 -280.697 31.1926 -8.999 1.26e-018 ***  EDUC3 -147.702 36.1994 -4.080 4.88e-05 ***  Mean dependent var 957.9455 S.D. dependent var 404.3608  Sum squared resid 1.37e+08 S.E. of regression 384.1553  R-squared 0.100340 Adjusted R-squared 0.097441  F(3, 931) 34.61189 P-value(F) 3.27e-21  Log-likelihood -6888.932 Akaike criterion 13785.86  Schwarz criterion 13805.23 Hannan-Quinn 13793.25

16 coefficient std. error t-ratio p-value --------------------------------------------------------- const 1143.37 24.4432 46.78 1.18e-246 *** EDUC1 -369.118 47.6913 -7.740 2.59e-014 *** EDUC2 -280.697 31.1926 -8.999 1.26e-018 *** EDUC3 -147.702 36.1994 -4.080 4.88e-05 *** Lulusan SMP mempunyai gaji 369.12 unit lebih sedikit daripada lulusan S2 Lulusan SMA mempunyai gaji 280.7 unit lebih sedikit daripada lulusan S2 Lulusan S1 mempunyai gaji 147.7 unit lebih sedikit daripada lulusan S2