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 Terapan Simultaneous Equation Models Pada IS/LM Model  Memodelkan suku bunga sebagai fungsi dari jumlah uang beredar dan pendapatan (PDB), di mana:  Pendapatan (PDB) merupakan fungsi dari suku bunga dan laju inflasi  Merupakan sistem persamaan simultan  R: suku bunga  M: jumlah uang beredar  Y: PDB  I: tingkat investasi Terdapat 2 peubah endogen Y dan R (G=2)

3  Secara keseluruhan terdapat 5 peubah di mana 2 di antaranya adalah peubah endogen (G=2)  Pada LM terdapat 1 peubah (M=1) yang tidak digunakan (I):  M = G-1 → identified  Pada IS terdapat 2 peubah (M=2) yang tidak digunakan (M t dan M t-1 ):  M > G-1 → overidentified Menggunakan metode TSLS

4 Tahap 1: Model LM, R fungsi dari peubah eksogen saja  Model 1: OLS, using observations 1970-1997 (T = 28)  Dependent variable: R  coefficient std. error t-ratio p-value  ----------------------------------------------------------  const 18.8581 3.79758 4.966 4.53e-05 ***  I -7.61094e-05 6.20485e-05 -1.227 0.2319  M 0.00129061 0.00162341 0.7950 0.4344  M_1 -0.00151052 0.00165897 -0.9105 0.3716

5 Tahap 1: Y fungsi dari peubah eksogen saja  Model 2: OLS, using observations 1970-1997 (T = 28)  Dependent variable: Y  coefficient std. error t-ratio p-value  -----------------------------------------------------------  const 32.7519 1.47018 22.28 1.53e-017 ***  I 0.000287531 2.40212e-05 11.97 1.32e-011 ***  M 0.00219250 0.000628480 3.489 0.0019 ***  M_1 -0.000824774 0.000642247 -1.284 0.2113

6 Tahap 2: Menduga Y (IS) dengan menggunakan fitted value dari R  Model 2: OLS, using observations 1970-1997 (T = 28)  Dependent variable: Y  coefficient std. error t-ratio p-value  -----------------------------------------------------------  const 98.7996 19.1793 5.151 2.52e-05 ***  Rhat -4.04296 0.873897 -4.626 9.81e-05 ***  I 0.000217952 0.000114163 1.909 0.0678 *

7 Tahap 2: Menduga R menggunakan fitted value dari Y  Model 3: OLS, using observations 1970-1997 (T = 28)  Dependent variable: R  coefficient std. error t-ratio p-value  --------------------------------------------------------  const 27.5275 10.7201 2.568 0.0169 **  M 0.00187096 0.00178500 1.048 0.3050  M_1 -0.00172884 0.00168899 -1.024 0.3162  Yhat -0.264700 0.215798 -1.227 0.2319

8  Menggunakan option TSLS pada software  Masukkan semua peubah ekspanatory yang dibutuhkan pada persamaan yang ingin diduga sebagai independent variables  Masukkan semua peubah eksogen sebagai instrument variables Pada LM,  R dependent,  Y t, M t dan M t-1 independent  I t, M t dan M t-1 instrument

9 Pada IS,  Y dependent,  R t, dan I t independent  I t, M t dan M t-1 instrument

10 TSLS, untuk menduga Y (LM)  Model 5: TSLS, using observations 1970-1997 (T = 28)  Dependent variable: Y  Instrumented: R  Instruments: const M I M_1  coefficient std. error z p-value  ----------------------------------------------------------  const 98.7996 68.7067 1.438 0.1504  R -4.04296 3.13059 -1.291 0.1966  I 0.000217952 0.000408970 0.5329 0.5941  Mean dependent var 79.16429 S.D. dependent var 14.07352  Sum squared resid 3191.649 S.E. of regression 11.29894  R-squared 0.596911 Adjusted R-squared 0.564664  F(2, 25) 19.97017 P-value(F) 6.57e-06  rho 0.354478 Durbin-Watson 1.283596 Ingat hasil sebelumnya!

11 TSLS untuk menduga R  Model 6: TSLS, using observations 1970-1997 (T = 28)  Dependent variable: R  Instrumented: Y  Instruments: const M I M_1  coefficient std. error z p-value  --------------------------------------------------------  const 27.5275 11.1348 2.472 0.0134 **  M 0.00187096 0.00185405 1.009 0.3129  Y -0.264700 0.224145 -1.181 0.2376  M_1 -0.00172884 0.00175432 -0.9855 0.3244 Ingat hasil sebelumnya!