Documentos de Académico
Documentos de Profesional
Documentos de Cultura
BAB I
NORMALITAS
Pengujian Normalitas
1
PELANGGARAN ASUMSI KLASIK
2
PELANGGARAN ASUMSI KLASIK
BAB II
MULTIKOLINEARITAS
A. PENGERTIAN
Adj. R2 = 0.9531 df = 7
5
PELANGGARAN ASUMSI KLASIK
6
PELANGGARAN ASUMSI KLASIK
7
PELANGGARAN ASUMSI KLASIK
Contoh Soal 1
Keterangan :
JUB = Jumlah Uang Beredar (US$)
RSBI = Tingkat Suku Bunga SBI (%)
GDP = Gross Domestic Produsct (US$)
Soal :
1. Lakukanlah pengujian multikolinearitas terhadap soal di atas.
2. Jika ada multikolinearitas, tanggunglangi dan interpretasikan
hasilnya.
Jawaban
Langkah 1 :
Masukkan data di atas
Langkah 2 :
Lakukanlah regresi sesuai dengan model persamaan di atas
Langkah 3 :
Lakukanlah pengujian multikolinearitas dengan menggunakan
correlation matrix, sehingga hasilnya akan tampak seperti gambar di
bawah ini :
8
PELANGGARAN ASUMSI KLASIK
Correlation Matrix
Lihat gambar
Korelasi antara RSBI dan GDP adalah sebesar 0,74 (lihat kembali teori
di atas). Karena korelasi antar kedua variabel tersebut mendekati nilai
1 (1.0000), maka antara RSBI dan GDP terdapat multikonearitas yang
kuat.
Catatan : multikolinearitas yang kuat terjadi jika korelasi antar
dua atau lebih variabel lebih dari 0,70.
Langkah 4 :
Lakukanlah penanggulangan multikonearitas dengan menggunakan
Wald test. (lihat teori penanggulangan).
Langkah 5 :
Interpretasi sesuai dengan hasil pengujian Wald Test.
9
PELANGGARAN ASUMSI KLASIK
SOAL
Pertanyaan:
1. Regreslah JUB dengan G dan GDP
2. Uji ada atau tidak multikolinearitas
3. Atasilah jika terdapat multikolinearitas
10
PELANGGARAN ASUMSI KLASIK
BAB III
HETEROSKEDASTISITAS
A. PENGERTIAN
Salah satu asumsi penting dalam analisa regresi adalah variasi
gangguan acak (µ) pada setiap variabel bebas adalah
homoskedastisitas. Asumsi ini dapat ditulis sebagai berikut :
E (µi2) = δ 2
I = 1, 2, ………n
Ketidaksamaan inilah yang disebut sebagai heteroskedastisitas.
11
PELANGGARAN ASUMSI KLASIK
B. PENDETEKSIAN HETEROSKEDASTISITAS
a. Uji Park
Uji ini mengasumsikan bahwa δi 2
adalah fungsi dari variabel
bebas Xi. Fungsi yang dianjurkan adalah :
δi 2
= δ 2 Xi β e vi
atau
1n δi2 = δ2 β 1n Xi + vi
Karena δ 2
tidak diketahui, Park mengasumsikan agar µi2
digunakan sebagai proxy, dan dilakukan regresi :
1n µi 2 = 1n δ 2
+ β 1n Xi + vi
12
PELANGGARAN ASUMSI KLASIK
= α + β 1n Xi + vi
Contoh:
Berikut adalah data hipotetis tentang Pengeluaran Konsumsi (Y)
dalam Juta Rp dan Pendapatan (X) dalam juta Rp pertahun pada
30 responden di DKI Jakarta (Sudah di rangking dari yang terkecil
ke yang terbesar):
No Y X
1 55 80
2 70 85
3 75 90
4 65 100
5 74 105
6 80 110
7 84 115
8 79 120
9 90 125
10 98 130
11 95 140
12 108 145
13 113 150
14 110 160
15 125 165
16 115 180
17 130 185
18 135 190
19 120 200
20 140 205
21 144 210
22 152 220
23 140 225
24 137 230
25 145 240
26 175 245
27 189 250
28 180 260
13
PELANGGARAN ASUMSI KLASIK
29 178 265
30 191 270
Dependent Variable: Y
Method: Least Squares
Date: 06/07/01 Time: 09:00
Sample: 1 30
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C 9.290307 5.231386 1.775879 0.0866
X 0.637785 0.028617 22.28718 0.0000
R-squared 0.946638 Mean dependent var 119.7333
Adjusted R-squared 0.944732 S.D. dependent var 39.06134
S.E. of regression 9.182968 Akaike info criterion 7.336918
Sum squared resid 2361.153 Schwarz criterion 7.430332
Log likelihood -108.0538 F-statistic 496.7183
Durbin-Watson stat 1.590347 Prob(F-statistic) 0.000000
14
PELANGGARAN ASUMSI KLASIK
Note: Pada uji Park ini, jika variabel bebasnya lebih dari 1 maka
diregres secara terpisah, dengan demikian dapat
diketahui variabel mana yang menyebabkan adanya
heteroskedastisitas
15
PELANGGARAN ASUMSI KLASIK
b. Goldfeld-Quant Test
Uji Goldfeld-Quant ini sangat tepat untuk sampel besar ( n > 30).
Seandainya tidak ada data yang dibuang (d = 0) tes masih
berlaku tetapi kemampuan untuk mendeteksi adanya
heteroskedasitas agak berkurang.
Contoh:
16
PELANGGARAN ASUMSI KLASIK
Dengan data yang sama pada uji Park di atas, maka dibuang
20% nilai tengah dari total observasi (6 observasi), yaitu
observasi ke 13 s/d observasi ke 18. Kita dapat meregres dua
kelompok data yaitu kelompok I (obs ke 1 s/d obs ke 12) dan
kelompok II (obs ke 19 s/d obs ke 30). Hasil regresinya adalah
sebagai berikut:
Dependent Variable: Y
Method: Least Squares
Date: 06/07/01 Time: 09:01
Sample: 1 12
Included observations: 12
Variable Coefficien Std. Error t-Statistic Prob.
t
C 7.41214 9.53586 0.777291 0.4550
2 6
X 0.65728 0.08373 7.849565 0.0000
9 6
R-squared 0.86036 Mean dependent 81.08333
6 var
Adjusted R-squared 0.84640 S.D. dependent var 14.91466
2
S.E. of regression 5.84528 Akaike info 6.520159
3 criterion
Sum squared resid 341.673 Schwarz criterion 6.600977
4
Log likelihood -37.1209 F-statistic 61.61567
5
Durbin-Watson stat 2.31711 Prob(F-statistic) 0.000014
6
Dependent Variable: Y
Method: Least Squares
Date: 06/07/01 Time: 09:03
Sample: 19 30
17
PELANGGARAN ASUMSI KLASIK
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C -49.74731 34.56614 -1.43919 0.1807
2
X 0.882258 0.146407 6.02607 0.0001
7
R-squared 0.784081 Mean dependent var 157.583
3
Adjusted R-squared 0.762489 S.D. dependent var 23.6545
5
S.E. of regression 11.52807 Akaike info criterion 7.87845
9
Sum squared resid 1328.965 Schwarz criterion 7.95927
7
Log likelihood -45.27076 F-statistic 36.3136
1
Durbin-Watson stat 1.315331 Prob(F-statistic) 0.00012
8
c. Uji White
Hasil uji park bisa berbeda dengan uji Golfeld and Quant. Jika
terjadi keraguan maka sebaiknya digunakan uji white yang pada
prinsipnya meregres residual yang dikuadratkan dengan variabel
bebas pada model.
18
PELANGGARAN ASUMSI KLASIK
Contoh:
19
PELANGGARAN ASUMSI KLASIK
Dengan data yang sama pada uji park dan goldfeld and quant,
berikut ditampilkan hasi uji white:
Yi = α1 + α2Xi + ui
E (uiXi) ≠ 0 dan E (ui2) ≠ δu2
Jika diasumsikan (ui2) = δ2 ≠ 0 maka dengan mentransformasikan
model regresi tersebut diperoleh model regresi baru sebagai
berikut :
Yi / Xi = bo / Xi + b1 + ui/Xi
Dimana : Var (ui/Xi)2 = 1/Xi2 var (ui)2 = 1/Xi2 δ2 Xi2 = δ2
Homoskedastisitas
Maka kesalahan penggangu menjadi homoskedastisitas. Dengan
demikian koefisien regresi dari model baru didapat dengan
menggunakan OLS tersebut menjadi unbiased, consistent dan
efficient.
21
PELANGGARAN ASUMSI KLASIK
Soal latihan:
Berikut adalah data Biaya R & D, Sales dan Profit pada 18 kelompok
Industri sebuah negara pada tahun 2000 (dalam Juta US$)
22
PELANGGARAN ASUMSI KLASIK
23
PELANGGARAN ASUMSI KLASIK
BAB IV
AUTOKORELASI
A. PENGERTIAN
Yaitu suatu keadaan dimana kesalahan pengganguan dari periode
tertentu (µt) berkorelasi dengan kesalahan pengganggu dari periode
sebelumnya (µt-1). Pada kondisi ini kesalahan pengganggu tidak
bebas tetapi satu sama lain saling berhubungan. Bila kesalahan
pengganggu periode t dengan t-1 berkorelasi maka terjadi kasus
korelasi serial sederhana tingkat pertama (first order
autocorrelation).
Dimana: t = periode
n = jumlah observasi
ut = Residual periode t
ut-1 = residual periode t-1
d. Hitung Durbin Watson kritis yang terdiri dari nilai kritis dari
batas atas (du) dan batas bawah (dl) dengan menggunakan
jumlah data (n), jumlah variabel independen / bebas (k) serta
tingkat signifikansi tertentu (α).
25
PELANGGARAN ASUMSI KLASIK
26
PELANGGARAN ASUMSI KLASIK
Y t = βo + β1X1 t + β2X2 t + ut
ρY t-1 = βoρ + ρβ1X1 t-1 + ρβ2X2 t-1 + ut-1ρ
Y t - ρY t-1 = βo - βoρ + β1X1 t - ρβ1X1 t-1 + β2X2 t + ρβ2X2 t-1 + ut - ut–1ρ
Y t - ρY t-1 = (1-ρ) βo + β1(X1 t - ρX1 t-1) + β2 (X2 t - ρX2 t-1) + (ut - ut–1ρ)
X 2t* = (X 2t - ρ X2t-1)
ut* = (ut - ut-1ρ)
4. Buat estimasi nilai ρ melalui estimasi fungsi residual ut = ρut-1
+v, ut adalah residual, pada hasil estimasi ρ = coefficient resid
(1)
5. Lakukan generate setiap variabel dimana
Y21 = Yt – Y (-1) *ρ
X22 = X1t – X (-1) *ρ
X23 = X2t – X (-1) *ρ
Catatan : untuk ρ langsung masukkan angkanya (lihat langkah
(4))
6. Lalu lakukan regresi untuk perbaikan autokorelasi dengan MAKE
EQUATION
Y2,1 C X2,2 X2,3
Jawaban
1. Pengujian Autokorelasi dengan menggunakan LM-Test
Langkah 1 :
Masukanlah data pada Contoh soal 1 (praktikum 1)
Langkah 2 :
Regresikanlah model tersebut
Langkah 3 :
Lakukanlah uji LM-Test (Lihat prosedur pengujian LM-Test), sehingga
muncul hasil regresi di halaman berikut :
28
PELANGGARAN ASUMSI KLASIK
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 03/16/01 Time: 13:27
Variable Coefficien Std. Error t-Statistic Prob.
t
RSBI 0.894039 0.789838 1.131926 0.2817
GDP -0.030313 0.051350 -0.590318 0.5669
C 1375.418 9666.484 0.142287 0.8894
RESID(-1) -1.010293 0.258673 -3.905680 0.0025
R-squared 0.581022 Mean dependent var -6.79E-
12
Adjusted R-squared 0.466755 S.D. dependent var 26403.5
3
S.E. of regression 19280.82 Akaike info criterion 22.7947
9
Sum squared resid 4.09E+09 Schwarz criterion 22.9836
0
Log likelihood -166.9609 F-statistic 5.08477
9
Durbin-Watson stat 1.825773 Prob(F-statistic) 0.01893
1
29
PELANGGARAN ASUMSI KLASIK
0
1973 70,499.0 44.4 1,385.5 1988 447,189. 118.3 5,108.3
0
1974 103,811.0 49.3 1,501.0 1989 477,365. 124.0 5,489.1
0
1975 98,185.0 53.8 1,635.2 1990 498,337. 130.7 5,803.2
0
1976 124,228.0 56.9 1,823.9 1991 490,981. 136.2 5,986.2
0
1977 151,907.0 60.6 2,031.4 1992 536,458. 140.3 6,318.9
0
1978 176,002.0 65.2 2,295.9 1993 589,441. 144.5 6,642.3
0
1979 212,007.0 72.6 2,566.4 1994 668,590. 148.2 7,054.3
0
1980 249,750.0 82.4 2,795.0 1995 749,574. 152.4 7,400.5
0
1981 265,067.0 90.9 3,131.3 1996 803,327. 156.9 7,813.2
0
1982 247,642.0 96.5 3,259.2 1997 876,366. 160.5 8,300.8
0
1983 268,901.0 99.6 3,534.9 1998 917,178. 163.0 8,759.9
0
1984 332,418.0 103.9 3,932.7
Soal 2.
Data Peggunaan BBM pada
Mobil Angkutan Kota
No Obs PBBM KEC TK BK
30
PELANGGARAN ASUMSI KLASIK
9 40 111 95 25
10 39.3 105 81 25
11 38.8 111 95 25
12 38.4 110 92 25
13 38.4 110 92 25
14 38.4 110 92 25
15 46.9 90 52 27.5
16 36.3 112 103 27.5
17 36.1 103 84 27.5
18 36.1 103 84 27.5
19 35.4 111 102 27.5
20 35.3 111 102 27.5
21 35.1 102 81 27.5
22 35.1 106 90 27.5
23 35 106 90 27.5
24 33.2 109 102 30
25 32.9 109 102 30
26 32.3 120 130 30
27 32.2 106 95 30
28 32.2 106 95 30
29 32.2 109 102 30
30 32.2 106 95 30
Ket: PBBM = rata-rata mil/galon
KEC = rata-rata kecepatan (Mil/jam)
TK = tenaga kuda kendaraan
BK = berat kendaraan (ratus pound)
Pertanyaan:
a. Lakukan regresi terhadap PBBM = f(KEC, TK, BK, e)
b. Lakukan pengujian heteroskedastisitas dengan Park Test, Golfeld
and Quant Test dan White-test.
c. Tanggulangilah penyakit tersebut dengan metode yang anda
ketahui.
d. Interpretasikanlah hasil regresi yang sudah bebas dari
heteroskedastisitas.
Soal 3.
Data Faktor-Faktor Yang Mempengaruhi Harga Timah
YEAR HT IHP HTL JPR HA
1973 21.89 45.10 220.40 1,491.00 19.00
1974 22.29 50.90 259.50 1,504.00 19.41
1975 19.63 53.30 256.30 1,438.00 20.93
1976 22.85 53.60 249.30 1,551.00 21.78
1977 33.77 54.60 352.30 1,646.00 23.68
1978 39.18 61.10 329.10 1,349.00 26.01
1979 30.58 61.90 219.60 1,224.00 27.52
1980 26.30 57.90 234.80 1,382.00 26.89
31
PELANGGARAN ASUMSI KLASIK
BAB V
PERSAMAAN SIMULTAN
32
PELANGGARAN ASUMSI KLASIK
A. Pengertian
Suatu himpunan persamaan dimana variabel dependen dalam
satu atau lebih persamaan juga merupakan variabel
independen dalam beberapa persamaan yang lain.
Suatu model yang mempunyai hubungan sebab akibat antara
variabel dependen dan variabel independennya, sehingga suatu
variabel dapat dinyatakan sebagai variabel dependen maupun
independen dalam persamaan yang lain.
Misalnya:
1. X = f (Y) tetapi Y = f (X)
Qt = f (P) tetapi P = f (Qt)
2. Jumlah uang beredar
M = a0 + b1 Y1 + u1
Y1 = b0 + b1M1 + b2I2 + u1
3. Fungsi demand : Q = b0 + b1P1 + b2P2+ b3Y1+ u1
Fungsi produksi : P = b0 + b1Q1 + b2W2 + v1
33
PELANGGARAN ASUMSI KLASIK
Ada dua macam dalil pengujian identifikasi, yaitu Order condition dan
Rank condition. Notasi yang dipergunakan adalah:
M = jumlah variabel endogen dalam model
m = jumlah variabel endogen dalam persamaan
K = Jumlah variabel predetermined dalam model
k = Jumlah variabel predetermined dalam persamaan
34
PELANGGARAN ASUMSI KLASIK
1. Order Conditions
Syarat identifikasi suatu persamaan struktural:
Pada persamaan simultan sejumlah M persamaan (yang
tidak mempunyai predetermined variable)
M-1≥1
K – k ≥ m –1
35
PELANGGARAN ASUMSI KLASIK
Catatan
Persamaan yang dapat diselesaikan dengan sistem persamaan
simultan adalah persamaan yang identified dan over identified.
2. Rank Conditions.
Suatu persamaan yang mempunyai M persamaan dikatakan
identified, sekurang-kurangnya mempunyai satu determinan
berdimensi (M-1) yang tidak sama dengan nol.
Kesimpulan :
Jika K – k = m –1, dan rank dari matriks A adalah (M-1),
maka persamaan tersebut exactly identified .
Jika K – k > m –1, dan rank dari matriks A adalah (M-1),
maka persamaan tersebut overidentified .
Jika K – k ≥ m –1, dan rank dari matriks A adalah kurang
dari (M-1), maka persamaan tersebut underidentified .
Jika K – k < m –1, dan rank dari matriks A adalah kurang
dari (M-1), maka persamaan tersebut unidentified.
36
PELANGGARAN ASUMSI KLASIK
α0 + α1 P+ α2 X + v = β0 + β1 P + β2 Pl + u
37
PELANGGARAN ASUMSI KLASIK
α1 P - β1 P = β0 - α0 - α2 X + β2 Pl + u - v
β0 − α 0 α 2 β2 u−v
P = −
α −β
X + Pl +
α
1 − β1 1 1 α 1 − β1 α 1 − β1
P = ∏0 + ∏1 X + ∏3 Pl + Ω
β0 − α0 α2 β2 u−v
Qd = α0 + α1 −
X + Pl + + α2 X + v
α1 − β1 α1 − β1 α1 − β1 α 1 − β1
α 1α 2 − β 1α 2 α v − β 1v
X + 1
α1 − β1 α1 − β1
α β − α 0 β1 α 2 β1 αβ α u − β1v
Qd = 1 0 − X + 1 2 Pl + 1
α 1 − β1 α 1 − β1 α 1 − β1 α1 − β1
Qd = ∏3 +∏4 X +∏5 Pl +Φ
38
PELANGGARAN ASUMSI KLASIK
Langkah-langkah ILS:
1. Regres persamaan reduced form dengan metode OLS, yaitu :
P= Π0 + Π1 X + Π 2 Pl +Ω1
Q= Π 3 + Π 4 X + Π 5 Pl +Φ2
2. Ambil nilai koefisien dari hasil regresi tersebut, kemudian
masukkan pada koefisien reduced form untuk menaksir koefisien
struktural.
40
PELANGGARAN ASUMSI KLASIK
Gambar 4.1
Dependent Variable: P
Method: Least Squares
Date: 03/18/02 Time: 22:56
Sample: 1970 1991
Included observations: 22
Variable Coefficient Std. Error t-Statistic Prob.
PL -1.190681 0.38448 -3.096827 0.0059
4
X 0.017971 0.00447 4.014026 0.0007
7
C 94.08825 10.4245 9.025651 0.0000
4
R-squared 0.663099 Mean dependent 109.090
var 9
Adjusted R- 0.627636 S.D. dependent var 24.9741
squared 0
S.E. of regression 15.23961 Akaike info 8.41179
criterion 7
Sum squared 4412.668 Schwarz criterion 8.56057
resid 5
41
PELANGGARAN ASUMSI KLASIK
Gambar 4.2
42
PELANGGARAN ASUMSI KLASIK
Gambar 4.3.
Membuat residual dari regresi P = a11 + a12 Pl+ a13 X + v
Gambar 4.4.
43
PELANGGARAN ASUMSI KLASIK
Gambar 4.5.
Hasil regresi Q=b0 + b1 PF + b2 RES1 + b3X + e
Dependent Variable: Q
Method: Least Squares
Date: 03/18/02 Time: 22:51
Sample: 1970 1991
Included observations: 22
Variable Coefficien Std. Error t-Statistic Prob.
t
PF 0.516798 0.178522 2.894866 0.0097
RES1 0.042096 0.126833 0.331900 0.7438
X -0.000262 0.000899 -0.290921 0.7744
C 46.70099 13.59172 3.435989 0.0029
R-squared 0.603999 Mean dependent var 100.8636
Adjusted R- 0.537999 S.D. dependent var 12.39545
squared
S.E. of 8.425265 Akaike info criterion 7.263313
regression
Sum squared 1277.732 Schwarz criterion 7.461684
resid
Log likelihood -75.89644 F-statistic 9.151495
Durbin-Watson 2.301464 Prob(F-statistic) 0.000677
stat
Lakukan langkah yang sama pada persamaan yang lain!
44
PELANGGARAN ASUMSI KLASIK
Gambar 4.6
Dependent Variable: P
Method: Two-Stage Least Squares
45
PELANGGARAN ASUMSI KLASIK
Dependent Variable: Q
Method: Two-Stage Least Squares
Date: 03/18/02 Time: 16:42
Sample: 1970 1991
Included observations: 22
Instrument list: X PL
Variable Coefficie Std. Error t-Statistic Prob.
nt
P 0.51679 0.231710 2.23036 0.0380
8 4
X -0.00026 0.001167 -0.22414 0.8250
2 1
C 46.7009 17.64115 2.64727 0.0159
9 5
R-squared 0.29582 Mean dependent 100.863
2 var 6
Adjusted R- 0.22169 S.D. dependent var 12.3954
squared 8 5
S.E. of 10.9354 Sum squared resid 2272.09
regression 4 3
F-statistic 8.11581 Durbin-Watson stat 1.76922
0 7
Prob(F-statistic) 0.00283
3
46
PELANGGARAN ASUMSI KLASIK
Gambar 4.7
47
PELANGGARAN ASUMSI KLASIK
Gambar 4.8
Inst x Pl
P= C(1) + C(2) *Q+ C(3)* PL
Q= C(4) + C(5) *P+ C(6)* X
48
PELANGGARAN ASUMSI KLASIK
Gambar 4.9.
Klik, Procs kemudian klik estimate. Pilih Two Stage Least Squares
(TSLS) dan Simultaneous, kemudian klik OK.
Gambar 4.10.
Hasil regresi persamaan simultan dengan menggunakan System.
System: UNTITLED
Estimation Method: Two-Stage Least Squares
Date: 03/18/02 Time: 15:52
Sample: 1970 1991
Instruments: PL X C
Coefficien Std. Error t-Statistic Prob.
t
49
PELANGGARAN ASUMSI KLASIK
50
PELANGGARAN ASUMSI KLASIK
UJI HAUSMAN
P= η11+ η 12 X + η 13 Pl +Ω
Q= η 14 + η 15 X + η 16 Pl +Ω
Variabel endogen: P
Gambar 4.11
Hasil regresi :
Dependent Variable: P
Method: Least Squares
Date: 03/19/02 Time: 21:24
Sample: 1970 1991
Included observations: 22
Variable Coefficie Std. Error t-Statistic Prob.
nt
PL -1.19068 0.384484 -3.09682 0.0059
52
PELANGGARAN ASUMSI KLASIK
1 7
X 0.01797 0.004477 4.014026 0.0007
1
C 94.0882 10.42454 9.025651 0.0000
5
R-squared 0.66309 Mean dependent 109.09
9 var 09
Adjusted R- 0.62763 S.D. dependent 24.974
squared 6 var 10
S.E. of regression 15.2396 Akaike info 8.4117
1 criterion 97
Sum squared 4412.66 Schwarz criterion 8.5605
resid 8 75
Log likelihood -89.5297 F-statistic 18.698
6 19
Durbin-Watson 0.84773 Prob(F-statistic) 0.0000
stat 0 32
53
PELANGGARAN ASUMSI KLASIK
Gambar 4.13
Gambar 4.14
54
PELANGGARAN ASUMSI KLASIK
Variabel endogen : Qt
55
PELANGGARAN ASUMSI KLASIK
Tahap 3 : Regres variabel endogen yang lain (Pt) pada residual dan
fitted
yang telah dibuat.
Tahap 4 : Lakukan pengujian. Jika variabel residual signifikan, maka
persamaannya adalah simultan.
Included observations: 22
Variable Coefficie Std. Error t-Statistic Prob.
nt
RESID2 0.14449 0.425041 0.339955 0.7376
5
QF2 2.11202 0.345906 6.105759 0.0000
1
C -103.935 35.04034 -2.96616 0.0079
2 0
R-squared 0.66309 Mean dependent 109.09
6 var 09
Adjusted R- 0.62763 S.D. dependent 24.974
squared 2 var 10
S.E. of regression 15.2396 Akaike info 8.4118
8 criterion 06
Sum squared 4412.70 Schwarz criterion 8.5605
resid 9 84
Log likelihood -89.5298 F-statistic 18.697
7 93
Durbin-Watson 0.88690 Prob(F-statistic) 0.0000
stat 8 32
Kesimpulan :
Nilai Residual tidak signifikan, jadi tidak terjadi hubungan
simultan antara kedua persamaan tersebut.
Soal Simultan:
57
PELANGGARAN ASUMSI KLASIK
Yt =GDP
It =PMDN
Tugas :
Buatlah model Reduce Form dari persamaan di atas
Lakukan Uji Hausman
Buatlah regresi dengan menggunakan TSLS dan System
Interpretasikan secara lengkap
58
PELANGGARAN ASUMSI KLASIK
.6 .5 0 72
4,912 1,473 735. 10.0
1979 .1 .1 4 17
4,900 1,599 655. 11.3
1980 .9 .1 3 74
5,021 1,754 715. 13.7
1981 .0 .6 6 76
4,913 1,909 615. 11.0
1982 .3 .5 2 84
5,132 2,126 673. 8.7
1983 .3 .0 7 50
5,505 2,309 871. 9.8
1984 .2 .7 5 00
5,717 2,495 863. 7.6
1985 .1 .4 4 60
5,912 2,732 857. 6.0
1986 .4 .1 7 30
6,113 2,831 879. 6.0
1987 .3 .1 3 50
6,368 2,994 902. 6.9
1988 .4 .3 8 20
6,591 3,158 936. 8.0
1989 .9 .4 5 40
6,707 3,277 907. 7.4
1990 .9 .6 3 70
6,676 3,376 829. 5.4
1991 .4 .8 5 90
6,880 3,430 899. 3.5
1992 .0 .7 8 70
7,062 3,484 977. 3.1
1993 .6 .4 9 40
7,347 3,499 1,107 4.6
1994 .7 .0 .0 60
7,343 3,641 1,140 5.5
1995 .8 .9 .6 90
7,813 3,813 1,242 5.0
1996 .2 .3 .7 90
1997 8,159 4,028 1,393 5.1
59
PELANGGARAN ASUMSI KLASIK
.5 .9 .3 80
8,515 4,380 1,566 4.8
1998 .7 .6 .8 50
8,875 4,643 1,669 4.7
1999 .8 .7 .7 60
PRAKTIKUM V
Penurunan ECM
1. Persamaan yang digunakan adalah:
LNVOLt = f (RDt, LNPDBt, IHSGt)1
LNVOLt* = a0 + a1 RDt + a2 LNPDBt + a3 IHSGt…..(1)
jika : b1 b2 b1+b2
b = ------- (1-b) = -------- 1= ---------
1
VOL=Volume Perdagangan Saham, RD = Suku Bunga Deposito, PDB = Produk Domestik
Bruto dan
IHSG = Indeks Harga Saham Gabungan.
62
PELANGGARAN ASUMSI KLASIK
maka
LNVOLt = b LNVOLt* + (1-b) B LNVOLt (1-B) f (1-b) zt…..(3)
10. Dalam bentuk lain, persamaan (8) dapat dituliskan sebagai berikut
:
DLNVOLt = C0 + C1 DRDt + C2 DLNPDBt + C3 DIHSGt
+ (C1+C4) BRDt + (C2+C5) BLNPDBt +(C3+C6) BIHSGt
+ (C7-1) BLNVOLt…..(10)
11. Selain itu, persamaan (9) juga dapat dituliskan sebagai berikut :
DLNVOLt = C0 + C1 DRDt + C2 DLNPDBt + C3 DIHSGt
+ (C1+C4+ C7-1) BRDt + (C2+C5+ C7-1) BLNPDBt
+(C3+C6 C7-1) BIHSGt + (C7 -1)( BRDt - BRDt - BLNPDBt
- BIHSGt+ BLNVOLt)…..(11)
64
PELANGGARAN ASUMSI KLASIK
PENDEKATAN KOINTEGRASI
66
PELANGGARAN ASUMSI KLASIK
Nilai DF dan ADF untuk hipotesis bahwa a1=0 dan c2=0 ditunjukkan
dengan nilai T-Statistik pada koefisien regresi BXt. Kemudian nilai T-
Statistik tersebut dibandingkan dengan nilai kritis statistik DF dan ADF
tabel untuk mengetahui ada atau tidaknya akar-akar unit.
Nilai statistik DF dan ADF untuk mengetahui pada derajat berapa suatu
data akan stasioner dapat dilihat pada nilai T-Statistik pada koefisien
regresi BDXt pada persamaan di atas. Jika ei dan g2 sama dengan satu
(nilai statistik DF dan ADF lebih besar dari nilai statistik DF dan ADF
tabel), maka variabel tersebut dikatakan stasioner pada derajat
pertama.
67
PELANGGARAN ASUMSI KLASIK
o UJI KOINTEGRASI
Dalam melakukan Uji Kointegrasi harus diyakini terlebih dahulu
bahwa variabel-variabel terkait dalam pendekatan ini memiliki
derajat integrasi yang sama atau tidak.(Insukindro, 1992b:262)
DF : DEt = p1DEt
ADF : Det = q1Bet + ∑ wi Bi DEt
Dapat dikatakan data berkointegrasi jika nilai T-Statistik dari p1
dan
q1 lebih besar dari nilai DF Tabel dan ADF Tabel Engle & Granger.
69
PELANGGARAN ASUMSI KLASIK
QUIC
SERIES
STATISTIC
UNIT ROOT
TEST
Gambar 5.1
LNVO
Gambar 5.2
70
PELANGGARAN ASUMSI KLASIK
71
PELANGGARAN ASUMSI KLASIK
squared 5 var 33
S.E. of 0.54988 Akaike info 1.7928
regression 7 criterion 04
Sum squared 9.07127 Schwarz criterion 2.0567
resid 1 24
Log likelihood -26.270 F-statistic 2.2490
47 31
Durbin-Watson 1.90041 Prob(F-statistic) 0.0750
stat 1 63
72
PELANGGARAN ASUMSI KLASIK
1st
Gambar 5.3
73
PELANGGARAN ASUMSI KLASIK
3. Uji Kointegrasi
- Lakukan regresi dengan OLS (gambar 1.4)
- Klik PROCS, MAKE RESIDUAL SERIES dan beri nama R01
- Klik VIEW, UNIT ROOT TEST dari dialog box R01
- Pilih AUGMENTED DICKEY FULLER (pada Test Type)
LEVEL (pada Test for unit root in)
NONE (pada Include in test equation)
LAG yang diperoleh dari pembulatan N1/3
74
PELANGGARAN ASUMSI KLASIK
lnvol rd lnpdb
Gambar 5.4
R01
Gambar 5.5
Value 4
10% Critical -1.620
Value 6
*MacKinnon critical values for rejection of hypothesis
of a unit root.
4. Aplikasi ECM
- Cari variabel ECT dengan cara:
Klik GENR lalu ketik
76
PELANGGARAN ASUMSI KLASIK
ECT=RD(-1)+LNPDB(-1)+IHSG(-1)-LNVOL(-1)
Dalam e-views :BX = X(-1)
Xt – Xt-1 = D(X) atau bentuk first diference
- Klik QUICK, ESTIMATE EQUATION
- Pada Equation Specification ketiklah:
Gambar 5.6
03 3 9
D(RD) 0.02645 0.04310 0.61371 0.5439
3 4 0
D(LNPDB) 0.93282 1.15618 0.80681 0.4259
4 5 2
D(IHSG) 0.00356 0.00082 4.34067 0.0001
2 1 1
RD(-1) -0.6257 0.14045 -4.45543 0.0001
93 6 7
LNPDB(-1) 0.79569 0.25746 3.09043 0.0042
0 8 6
IHSG(-1) -0.6289 0.13892 -4.52711 0.0001
18 2 6
ECT 0.63249 0.13932 4.53959 0.0001
6 9 2
R-squared 0.48054 Mean 0.1018
8 dependent var 09
Adjusted R- 0.36325 S.D. dependent 0.5993
squared 2 var 91
S.E. of 0.47829 Akaike info 1.5434
regression 2 criterion 93
Sum squared 7.09167 Schwarz 1.8847
resid 5 criterion 37
Log likelihood -22.098 F-statistic 4.0968
12 97
Durbin-Watson 1.90542 Prob(F-statistic) 0.0027
stat 5 32
78
PELANGGARAN ASUMSI KLASIK
β4+ECT
C1= --------- Koefisien jangka panjang untuk RDt
ECT
β5+ECT
C2= --------- Koefisien jangka panjang untuk LNPDBt
ECT
β6+ECT
C3= --------- Koefisien jangka panjang untuk IHSGt
ECT
Langkah 1.
Dapatkan nilai penaksir varian-kovarian parameter dengan memilih
covariance matriks pada equation box (Lihat tampilan berikut)
79
PELANGGARAN ASUMSI KLASIK
Gambar 5.7
Langkah 2:
Dapatkan nilai koefisien jangka panjang yang dkalikan dengan nilai
Var-Covarnya.
(1) (2) (3)=(1)*(2)
Ct*Matriks Var-
Ct Matriks Var-Covarian
Covar
ect,ect c,ect
1/ect -Co/ect ? ?
c,ect c,c
ect,ect rd(-1),ect
1/ect -C1/ect ? ?
rd(-1),ect rd(-1),rd(-1)
ect,ect lnpdb(-1),ect
1/ect -C2/ect lnpdb(- lnpdb(- ? ?
1),ect 1),lnpdb(-1)
ect,ect ihsg(-1),ect
1/ect -C3/ect ihsg(- ihsg(-1),ihsg(- ? ?
1),ect 1)
81
PELANGGARAN ASUMSI KLASIK
56
Langkah 3.
Dapatkan nilai Ct yang ditranspose, lalu varian, standar error dan nilai
t-statnya sebagai berikut:
(7)=Coeff/(
(3)=(1)*(2) (4) (5)=(3)*(4) (6)=√(5) 6)
Ct*Matriks Var- Transpose Standar
Varian T-stat
Covar dari Ct eror
5.140 -132.084 17472.732 132.1844
5.140042
042 489 27 6 -0.115525
-132.0844
89
0.061 -0.06155 0.0075186 0.086710
0.061066
066 9 31 04 0.1222199
-0.061559
0.089 0.17885 0.0400587 0.200146
0.089829
829 6 68 866 11.281795
0.178856
0.061 -0.06094 0.0074498 0.086312
0.061122
122 2 92 754 0.0655402
-0.060942
Pada kolom (7) tertera nilai T-stat yang siap untuk dibaca untuk dapat
ditarik suatu kesimpulan.
82
PELANGGARAN ASUMSI KLASIK
Penurunan PAM
b1 b2
LNVOLt = -------- LNVOLt* + ------- BLNVOLt
b1+b2 b1+b2
jika : b1 b2 b1+b2
b = ------- (1-b) = -------- 1= ---------
b1+b2 b1+b2 b1+b2
maka
LNVOLt = b LNVOLt* + (1-b) B LNVOLt…..(3)
84
PELANGGARAN ASUMSI KLASIK
Catatan :
Koefisien kelambaman variabel dependen haruslah:
- terletak di antara 0 dan 1 0 < β4 < 1
- Signifikan secara statistik dan bertanda positif (+)
β0
C0= --------- Koefisien jangka panjang untuk konstanta
(1 - β4)
β1
C1= ---------- Koefisien jangka panjang untuk RDt
(1 - β4)
β2
C2= ----------- Koefisien jangka panjang untuk LNPDBt
(1 - β4)
β3
C3= ----------- Koefisien jangka panjang untuk IHSGt
(1 - β4)
Gambar 5.8
86
PELANGGARAN ASUMSI KLASIK
87
PELANGGARAN ASUMSI KLASIK
88
PELANGGARAN ASUMSI KLASIK
Pertanyaan:
a. Lakukanlah Uji akar-akar unit, uji derajat integrasi dan uji kointegrasi
pada data diatas untuk mengetahui apakah model yang digunakan
merupakan model dinamis atau bukan.
91
PELANGGARAN ASUMSI KLASIK
92