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 Multikolinieritas Pada data Ekonomi  IMP: jumlah import  GDP: Gross Domestic Product (Pendapatan Daerah Regional Brutto)  CPI: Consumer Price Index  PPI: Producer Price Index  Ingin diduga jumlah import dari ketiga peubah yang lain  Antar peubah eksogen diindikasikan ada korelasi positif.

3 Matriks korelasi  Semua peubah eksogen mempunyai hubungan positif dengan import  CPI dan PPI mempunyai korelasi terbesar Correlation Coefficients, using the observations 1980:1 - 1998:2 (missing values were skipped) IMP GDP CPI PPI 1.0000 0.9878 0.8730 0.9572 IMP 1.0000 0.8736 0.9665 GDP 1.0000 0.9910 CPI 1.0000 PPI

4 Auxiliary Regression untuk mendeteksi Multikolinieritas, log PPI fungsi dari log CPI dan log GDP Model 6: OLS, using observations 1987:1-1998:2 (T = 46) Dependent variable: l_PPI coefficient std. error t-ratio p-value --------------------------------------------------------- const -0.308091 0.190027 -1.621 0.1123 l_GDP 0.224911 0.0667260 3.371 0.0016 *** l_CPI 0.771613 0.0310224 24.87 3.74e-027 *** Mean dependent var 4.490741 S.D. dependent var 0.125907 Sum squared resid 0.010210 S.E. of regression 0.015409 R-squared 0.985687 Adjusted R-squared 0.985022 F(2, 43) 1480.670 P-value(F) 2.23e-40 Log-likelihood 128.2283 Akaike criterion -250.4566 Schwarz criterion -244.9707 Hannan-Quinn -248.4016 rho 0.923754 Durbin-Watson 0.180758 Log-likelihood for PPI = -78.3458

5 Model 1: log IMP fungsi dari log GDP dan Log CPI  Nyata secara parsial dengan tanda sesuai teori a priori Model 1: OLS, using observations 1987:1-1998:2 (T = 46) Dependent variable: l_IMP coefficient std. error t-ratio p-value --------------------------------------------------------- const 0.592646 0.308590 1.920 0.0614 * l_GDP 2.11218 0.108358 19.49 5.74e-023 *** l_CPI 0.111717 0.0503780 2.218 0.0319 ** Mean dependent var 10.75806 S.D. dependent var 0.158242 Sum squared resid 0.026925 S.E. of regression 0.025023 R-squared 0.976105 Adjusted R-squared 0.974994 F(2, 43) 878.2775 P-value(F) 1.36e-35 Log-likelihood 105.9254 Akaike criterion -205.8508 Schwarz criterion -200.3649 Hannan-Quinn -203.7957 rho 0.714823 Durbin-Watson 0.559378 Log-likelihood for IMP = -388.945

6 Model 2: log IMP fungsi dari log GDP, log CPI dan log PPI  Koefisien log PPI negatif, tidak sesuai dengan teori a priori Model 2: OLS, using observations 1987:1-1998:2 (T = 46) Dependent variable: l_IMP coefficient std. error t-ratio p-value --------------------------------------------------------- const 0.421437 0.302226 1.394 0.1705 l_GDP 2.23717 0.115834 19.31 1.65e-022 *** l_CPI 0.540510 0.187883 2.877 0.0063 *** l_PPI -0.555710 0.235449 -2.360 0.0230 ** Mean dependent var 10.75806 S.D. dependent var 0.158242 Sum squared resid 0.023772 S.E. of regression 0.023791 R-squared 0.978903 Adjusted R-squared 0.977396 F(3, 42) 649.6119 P-value(F) 3.35e-35 Log-likelihood 108.7900 Akaike criterion -209.5799 Schwarz criterion -202.2653 Hannan-Quinn -206.8398 rho 0.690837 Durbin-Watson 0.613342 Log-likelihood for IMP = -386.081

7 Model 3: log IMP sebagai fungsi dari log GDP dan log PPI  Koefisien log PPI positif tetapi tidak nyata Model 3: OLS, using observations 1980:1-1998:2 (T = 74) Dependent variable: l_IMP coefficient std. error t-ratio p-value --------------------------------------------------------- const 1.46857 0.230267 6.378 1.59e-08 *** l_GDP 1.96321 0.106644 18.41 9.66e-029 *** l_PPI 0.0783521 0.0614120 1.276 0.2062 Mean dependent var 10.56763 S.D. dependent var 0.284139 Sum squared resid 0.076135 S.E. of regression 0.032746 R-squared 0.987082 Adjusted R-squared 0.986718 F(2, 71) 2712.563 P-value(F) 8.86e-68 Log-likelihood 149.5331 Akaike criterion -293.0661 Schwarz criterion -286.1539 Hannan-Quinn -290.3088 rho 0.692131 Durbin-Watson 0.583731 Log-likelihood for IMP = -632.472

8  Walaupun log PPI nyata pada model 2:  Tanda tidak sesuai teori  Akibat korelasinya yang tinggi dengan kedua peubah yang lain  Korelasi terbesar dengan CPI  Ketika PPI (log PPI) digunakan sendiri tanpa menggunakan CPI (log CPI)  Koefisien log PPI tidak nyata walaupun tanda sesuai teori  Dari koefisien determinasi (0.98) auxiliary regression:  Tingkat multikolinieritas relatif serius  Bila PPI dapat didrop, maka digunakan model 1 saja