1. LAPORAN UAS
PENGANTAR EKONOMETRI
.
Oleh:
Adhitya Akbar
10/297716/PA/13065
Asisten Praktikum:
Nur Alifah
Luaili Nurul Husna
Dosen Pengampu:
Prof. Dr. Suryo Guritno
PROGRAM STUDI STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
2. UNIVERSITAS GADJAH MADA
YOGYAKARTA
2014
PERMASALAHAN
1. Lakukan analisis regresi untuk mengetahui pengaruh biaya produksi, distribusi, dan
promosi terhadap tingkat penjualan !
2. Ingin diketahui apakah perubahan kondisi ekonomi pada tahun 1975 berpengaruh pada
model ekonometri antara inflation rate dan unemployment rate pada periode 1960-
1988 ?
observation inflrate unrate
1960 1.7 5.5
1961 1 6.7
1962 1 5.5
Tahun
Tingkat
penjualan
Biaya
produksi
Biaya
distribusi
Biaya
promosi
1996 127300000 37800000 11700000 8700000
1997 122500000 38100000 10900000 8300000
1998 146800000 42900000 11200000 9000000
1999 159200000 45200000 14800000 9600000
2000 171800000 48400000 12300000 9800000
2001 176600000 49200000 16800000 9200000
2002 193500000 48700000 19400000 12000000
2003 189300000 48300000 20500000 12700000
2004 224500000 50300000 19400000 14000000
2005 239100000 55800000 20200000 17300000
2006 257300000 56800000 18600000 18800000
2007 269200000 55900000 21800000 21500000
2008 308200000 59300000 24900000 21700000
2009 358800000 62900000 24300000 25900000
2010 362500000 60500000 22600000 27400000
4. Psoda = harga soda
Ingin diketahui pengaruh dari beberapa hal yaitu qd, temp dan psoda terhadap P dengan
menggunakan analisis regresi.
Berdasar kriteria model terbaik, tentukan model yang PALING baik dari model yang
mungkin dibentuk. Sebutkan alasan mengapa model tersebut merupakan model yang
terbaik? Berikan pula intepretasi dari model tersebut!
P Qd Temp Psoda
137 0,2 82 0,75
117 1 88 0,75
106 0,7 70 0,6
108 0,85 70 0,5
115 0,25 62 1,2
111 1 57 1
101 0,25 51 0,3
125 0,45 88 0,55
109 0,15 58 0,35
99 0,9 67 0,65
115 0,7 94 0,7
124 0,2 74 1,2
123 0,55 85 0,95
107 0,1 51 0,4
121 0,1 94 0,25
123 0,3 89 0,9
128 0,75 86 0,85
120 0,75 87 0,5
112 0,55 53 0,25
110 0,2 57 0,7
110 1 60 0,75
116 0,8 80 0,9
108 0,85 64 0,6
113 0,85 51 1,2
106 0,55 60 0,55
106 0,4 56 0,85
128 0,15 87 0,4
114 0,9 64 1,1
122 0,3 53 0,85
100 0,75 57 0,9
4. Di amerika serikat, dimiliki data sampel produktivitas sebagai berikut :
Quantitiy = tingkat output di sektor jasa
Labor = input tenaga kerja
Capital = input modal
Seorang peneliti ingin membangun teori tentang pengaruh labor dan capital terhadap
quantity di amerika serikat. Oleh karena itu, lakukan analisis yang tepat dan jawablah
pertanyaan berikut :
5. Dari teori yang diperoleh, bagaimanakah pengaruh labor dan capital terhadap
quantity?
Jika diketahui nilaiinput tenagakerja = 80 dan input modal = 60, berapa tingkat output
di sektor jasa di amerika serikat?
Year Quantity Labor Capital
1948 51,4 75,8 49,7
1949 51,2 75,2 50,4
1950 52,7 74,3 51,3
1951 53,8 73,9 52,2
1952 55,2 74,9 52,3
1953 56,1 75,4 52,6
1954 56,1 75,5 53
1955 59,2 77 54,4
1956 62,4 78,6 56,7
1957 64,4 80,5 59,2
1958 66,2 80,7 61,4
1959 71,1 83,4 64,2
1960 71,1 85,8 67,4
1961 74,7 85,9 70,8
1962 77,4 89,3 75
1963 81,1 93 79,7
1964 86 94,5 84,2
1965 90 97 89,5
1966 94,6 99,3 95,4
1967 100 100 100
1968 103,2 101,2 107,2
1969 108,8 103,6 114,8
1970 113,4 106,5 119
1971 115,5 106,2 122,9
1972 124,9 110,5 127,4
1973 134,1 115,9 132,3
1974 136,9 119,5 136,5
1975 136,1 117 139,3
1976 143,7 120,5 142,3
6. PEMBAHASAN
1. Uji Asumsi Linearitas
Variabel Y = penjualan
Variabel X = produksi, distribusi, promosi
Single Graph
Grafik PENJUALAN terhadap prediktor2nya
0
10,000,000
20,000,000
30,000,000
40,000,000
50,000,000
60,000,000
70,000,000
100,000,000 200,000,000 300,000,000 400,000,000
PENJUALAN
PRODUKSI
DISTRIBUSI
PROMOSI
7. Multiple Graphs : Grafik PENJUALAN terhadap masing-masing prediktornya
Dari ketiga scatter plot di atas, terlihat seluruhnya menunjukkan pola linear (positif) antara
penjualan sebagai variabel respon dengan masing-masing prediktornya (produksi, distribusi,
dan promosi), sehingga model regresi linier dapat digunakan.
35,000,000
40,000,000
45,000,000
50,000,000
55,000,000
60,000,000
65,000,000
100,000,000 300,000,000
PENJUALAN
PRODUKSI
8,000,000
12,000,000
16,000,000
20,000,000
24,000,000
28,000,000
100,000,000 300,000,000
PENJUALAN
DISTRIBUSI
8,000,000
12,000,000
16,000,000
20,000,000
24,000,000
28,000,000
100,000,000 300,000,000
PENJUALAN
PROMOSI
8. Uji Asumsi (Model 1)
Variabel Y = penjualan
Variabel X = produksi, distribusi, promosi (dengan constant)
Normalitas residual
Uji Hipotesis
o H0: data berdistribusinormal
H1: data tidakberdistribusinormal
o Tingkatsignifikansi:α=0.05
o StatistikUji
p-value=0.513
o Daerah kritis
H0 ditolakjikap-value <α
o Kesimpulan
Karenap-value >α maka H0 tidakditolak,makadataberdistribusi normal
No Autokorelasi
0
1
2
3
4
5
6
7
-2.0e+07 -1.0e+07 0.00000 1.0e+07
Series: Residuals
Sample 1996 2010
Observations 15
Mean -4.97e-08
Median 2224540.
Maximum 12764760
Minimum -20518196
Std. Dev. 9987323.
Skewness -0.697177
Kurtosis 2.563184
Jarque-Bera 1.334394
Probability 0.513145
9. Tidak ada pola pada scatter plot di atas, berarti residual tidak berkorelasi (asumsi no
autokorelasi terpenuhi).
Korelogram Residual
Tidak ada AC maupun PAC yang melampaui batas konfidensi, maka tidak ada autokorelasi.
Diperkuat dengan Durbin-Watson stat = 1.527 (lihat di uji regresi)
Dasar pengambilan keputusannya adalah sebagai berikut:
- Angka D-W di bawah -2 berarti ada autokorelasi positif
- Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi
- Angka D-W di atas +2 berarti ada autokorelasi negatif
Berarti menurut teorema di atas, model tersebut tidak mengandung autokorelasi (asumsi no
autokorelasi terpenuhi) sesuai dengan scatter plot di atas.
-25,000,000
-20,000,000
-15,000,000
-10,000,000
-5,000,000
0
5,000,000
10,000,000
15,000,000
-30,000,000 -10,000,000 0 10,000,000
RESID
RESID(-1)
10. No Heteroskedastisitas
Korelogram Residual Kuadrat
Tidak ada AC maupun PAC yang melampaui batas konfidensi, maka tidak ada
heteroskedastisitas (asumsi terpenuhi).
HeteroskedasticityTest:White
F-statistic 2.581983 Prob. F(9,5) 0.1543
Obs*R-squared 12.34399 Prob. Chi-Square(9) 0.1946
Scaled explained SS 5.188462 Prob. Chi-Square(9) 0.8176
Test Equation:
DependentVariable:RESID^2
Method: LeastSquares
Date: 06/26/14 Time:22:25
Sample:1996 2010
Included observations:15
0E+00
1E+14
2E+14
3E+14
4E+14
5E+14
100,000,000 200,000,000 300,000,000 400,000,000
PENJUALAN
RESID_KUADRAT
11. Variable Coefficient Std. Error t-Statistic Prob.
C -8.57E+14 3.31E+15 -0.259288 0.8057
PRODUKSI -54399953 2.23E+08 -0.243566 0.8172
PRODUKSI^2 0.980519 3.832562 0.255839 0.8083
PRODUKSI*DISTRIBUSI 2.866603 7.498616 0.382284 0.7180
PRODUKSI*PROMOSI -7.863167 6.836103 -1.150241 0.3021
DISTRIBUSI 1.10E+08 2.89E+08 0.380572 0.7192
DISTRIBUSI^2 -12.97874 6.009586 -2.159673 0.0832
DISTRIBUSI*PROMOSI 13.77637 10.73204 1.283668 0.2555
PROMOSI 2.36E+08 2.52E+08 0.935530 0.3925
PROMOSI^2 -1.351393 4.159142 -0.324921 0.7584
R-squared 0.822933 Mean dependentvar 9.31E+13
Adjusted R-squared 0.504211 S.D. dependentvar 1.20E+14
S.E. of regression 8.48E+13 Akaike info criterion 67.21603
Sum squared resid 3.60E+28 Schwarz criterion 67.68807
Log likelihood -494.1202 Hannan-Quinn criter. 67.21100
F-statistic 2.581983 Durbin-Watson stat 3.278315
Prob(F-statistic) 0.154348
o H0: No Heteroskedastisitas (homoskedastisitas)
H1: Heteroskedastisitas
o Tingkat signifikansi: α= 0.05
o Statistik Uji
p-value masing-masing variabel (terlihat di output)
o Daerah kritis
H0 ditolak jika p-value < α
o Kesimpulan
Karena semua p-value > α maka H0 tidak ditolak, berarti asumsi no
heteroskedastisitas terpenuhi.
UJI REGRESI 1
DependentVariable:PENJUALAN
Method: LeastSquares
Date: 06/26/14 Time:21:51
Sample:1996 2010
Included observations:15
Variable Coefficient Std. Error t-Statistic Prob.
C -66233415 35553253 -1.862935 0.0894
PRODUKSI 3.108726 1.155333 2.690763 0.0210
DISTRIBUSI 0.571588 1.426744 0.400624 0.6964
PROMOSI 7.893637 1.175992 6.712320 0.0000
R-squared 0.983484 Mean dependentvar 2.20E+08
Adjusted R-squared 0.978980 S.D. dependentvar 77713290
S.E. of regression 11267219 Akaike info criterion 35.53587
Sum squared resid 1.40E+15 Schwarz criterion 35.72469
Log likelihood -262.5190 Hannan-Quinn criter. 35.53386
F-statistic 218.3389 Durbin-Watson stat 1.527447
Prob(F-statistic) 0.000000
12. Uji Parsial
Prob. DISTRIBUSI paling besar (0,6964>0,05), sehingga merupakan variabel yang paling tidak
signifikan, maka DISTRIBUSI dikeluarkan dari model.
Uji Overall
o H0: Semua βi=0
H1: Tidak semua βi=0
o Tingkat signifikansi: α= 0.05
o Statistik Uji
p-value= 0.000
o Daerah kritis
H0 ditolak jika p-value < α
o Kesimpulan
Karena p-value < α maka H0 ditolak, maka tidak semua βi=0, berarti paling tidak ada
1 dari variabel independen yang mempengaruhi Y (model tersebut layak dijadikan
model regresi).
Model Regresi I
𝑌 = −66233415+ 3,108( 𝑝𝑟𝑜𝑑𝑢𝑘𝑠𝑖) + 0,571( 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖) + 7,893(𝑝𝑟𝑜𝑚𝑜𝑠𝑖)
Uji Asumsi (Model 2)
Variabel Y = penjualan
Variabel X = produksi, promosi (dengan constant)
Normalitas Residual
Uji Hipotesis
o H0: data berdistribusinormal
0
1
2
3
4
5
6
-2.0e+07 -1.0e+07 0.00000 1.0e+07
Series: Residuals
Sample 1996 2010
Observations 15
Mean -8.44e-08
Median 803797.8
Maximum 13772452
Minimum -20171864
Std. Dev. 10059921
Skewness -0.680398
Kurtosis 2.539447
Jarque-Bera 1.289922
Probability 0.524683
13. H1: data tidakberdistribusinormal
o Tingkatsignifikansi:α=0.05
o StatistikUji
p-value=0.524
o Daerah kritis
H0 ditolakjikap-value <α
o Kesimpulan
Karenap-value >α maka H0 tidakditolak,makadataberdistribusi normal
No Autokorelasi
Tidak ada pola pada scatter plot di atas, berarti residual tidak berkorelasi (asumsi no
autokorelasi terpenuhi).
Korelogram Residual
-25,000,000
-20,000,000
-15,000,000
-10,000,000
-5,000,000
0
5,000,000
10,000,000
15,000,000
-30,000,000 -10,000,000 0 10,000,000
RESID
RESID(-1)
14. Tidak ada AC maupun PAC yang melampaui batas konfidensi, maka tidak ada autokorelasi.
Diperkuat dengan Durbin-Watson stat = 1.510 (lihat di uji regresi)
Dasar pengambilan keputusannya adalah sebagai berikut:
- Angka D-W di bawah -2 berarti ada autokorelasi positif
- Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi
- Angka D-W di atas +2 berarti ada autokorelasi negatif
Berarti menurut teorema di atas, model tersebut tidak mengandung autokorelasi (asumsi no
autokorelasi terpenuhi) sesuai dengan scatter plot di atas.
No Heteroskedastisitas
15. Tidak ada AC maupun PAC yang melampaui batas konfidensi, maka tidak ada
heteroskedastisitas (asumsi terpenuhi).
UJI REGRESI 2
Variabel Y = penjualan
Variabel X = produksi, promosi (dengan constant)
DependentVariable:PENJUALAN
Method: LeastSquares
Date: 06/26/14 Time:22:46
Sample:1996 2010
Included observations:15
Variable Coefficient Std. Error t-Statistic Prob.
C -69739204 33232279 -2.098538 0.0577
PRODUKSI 3.354459 0.944195 3.552720 0.0040
PROMOSI 7.981246 1.114331 7.162367 0.0000
R-squared 0.983243 Mean dependentvar 2.20E+08
Adjusted R-squared 0.980450 S.D. dependentvar 77713290
S.E. of regression 10865956 Akaike info criterion 35.41702
Sum squared resid 1.42E+15 Schwarz criterion 35.55863
Log likelihood -262.6277 Hannan-Quinn criter. 35.41552
F-statistic 352.0575 Durbin-Watson stat 1.510161
Prob(F-statistic) 0.000000
Semua variabel independen sekarang sudah signifikan (prob. < 0,05)
Uji Overall
o H0: Semua βi=0
H1: Tidak semua βi=0
o Tingkat signifikansi: α= 0.05
o Statistik Uji
p-value= 0.000
o Daerah kritis
H0 ditolak jika p-value < α
o Kesimpulan
Karena p-value < α maka H0 ditolak, maka tidak semua βi=0, berarti paling tidak ada
1 dari variabel independen yang mempengaruhi Y (model tersebut layak dijadikan
model regresi).
Model Regresi 2
𝑌 = −69739204 + 3,354( 𝑝𝑟𝑜𝑑𝑢𝑘𝑠𝑖) + 7,981(𝑝𝑟𝑜𝑚𝑜𝑠𝑖)
Ket: Peneliti bebas menggunakan Model Regresi 1 maupun 2, atau model tanpa konstanta
sekalipun, tergantung dari kebutuhan dan kesesuaian dengan keadaan yang sebenarnya.
17. C 5.173639 0.430651 12.01354 0.0000
INFLRATE -0.053689 0.096575 -0.555931 0.5877
R-squared 0.023222 Mean dependentvar 4.980000
Adjusted R-squared -0.051915 S.D. dependentvar 0.956332
S.E. of regression 0.980842 Akaike info criterion 2.922756
Sum squared resid 12.50667 Schwarz criterion 3.017162
Log likelihood -19.92067 Hannan-Quinn criter. 2.921750
F-statistic 0.309059 Durbin-Watson stat 0.653219
Prob(F-statistic) 0.587699
Periode 2: 1975-1988
DependentVariable:UNRATE
Method: LeastSquares
Date: 06/27/14 Time:21:41
Sample:1975 1988
Included observations:14
Variable Coefficient Std. Error t-Statistic Prob.
C 7.560384 0.774892 9.756692 0.0000
INFLRATE -0.035663 0.106154 -0.335960 0.7427
R-squared 0.009318 Mean dependentvar 7.328571
Adjusted R-squared -0.073239 S.D. dependentvar 1.273655
S.E. of regression 1.319472 Akaike info criterion 3.523903
Sum squared resid 20.89207 Schwarz criterion 3.615197
Log likelihood -22.66732 Hannan-Quinn criter. 3.515453
F-statistic 0.112869 Durbin-Watson stat 0.644533
Prob(F-statistic) 0.742703
Bila dibandingkan hasil estimasi antara Periode 1 dan Periode 2 di atas, maka terdapat
perbedaan yang mencolok di p-value Inflrate dan p-value model regresi (walaupun sama-
sama tidak signifikan).
P-value Inflrate periode 1 = 0,5877, sedangkan p-value Inflrate periode 2 = 0,7427.
P-value model regresi periode 1 = 0,587, sedangkan pada periode 2 = 0,742.
Jadi jelas, terdapat perbedaan yang cukup mencolok pada nilai-nilai di atas, hal tersebut
dapat diperkuat dengan test Chow berikut ini.
Estimasi Regresi dengan Data Lengkap
DependentVariable:UNRATE
Method: LeastSquares
Date: 06/27/14 Time:21:54
Sample:1960 1988
Included observations:29
Variable Coefficient Std. Error t-Statistic Prob.
C 5.513910 0.538726 10.23510 0.0000
INFLRATE 0.119894 0.089776 1.335480 0.1929
R-squared 0.061963 Mean dependentvar 6.113793
18. Adjusted R-squared 0.027221 S.D. dependentvar 1.623868
S.E. of regression 1.601614 Akaike info criterion 3.846372
Sum squared resid 69.25949 Schwarz criterion 3.940669
Log likelihood -53.77240 Hannan-Quinn criter. 3.875905
F-statistic 1.783506 Durbin-Watson stat 0.530006
Prob(F-statistic) 0.192869
Test Chow
Chow BreakpointTest: 1975
Null Hypothesis:No breaks atspecified breakpoints
Varying regressors:All equation variables
Equation Sample:1960 1988
F-statistic 13.42145 Prob. F(2,25) 0.0001
Log likelihood ratio 21.15092 Prob. Chi-Square(2) 0.0000
Wald Statistic 26.84290 Prob. Chi-Square(2) 0.0000
o H0: Tidak terdapat perbedaan yang signifikan
H1: Terdapat perbedaan yang signifikan
o Tingkat signifikansi: α= 0.05
o Statistik Uji
p-value= 0.0001
o Daerah kritis
H0 ditolak jika p-value < α
o Kesimpulan
Karena p-value < α maka H0 ditolak, maka terdapat perbedaan yang signifikan antara
periode 1 dan periode 2 (perubahan kondisi ekonomi pada tahun 1975 berpengaruh pada
model ekonometri antara inflation rate dan unemployment rate pada periode 1960-1988)
3. Uji Asumsi Linearitas: Grafik variabel P terhadap masing-masing prediktornya
19. Dari ketiga grafik di atas, sebenarnya hubungan variabel P terhadap masing-masing
prediktornya cenderung nonlinear, namun diasumsikan linear sebagai syarat uji regresi
linear.
Uji Asumsi (Model 1)
Variabel Y = P
Variabel X = Psoda, Qd, Temp (dengan constant)
Normalitas Residual
0.2
0.4
0.6
0.8
1.0
1.2
1.4
90 100 110 120 130 140
P
PSODA
0.0
0.2
0.4
0.6
0.8
1.0
90 100 110 120 130 140
P
QD
50
60
70
80
90
100
90 100 110 120 130 140
P
TEMP
20. Uji Hipotesis
o H0: data berdistribusinormal
H1: data tidakberdistribusinormal
o Tingkatsignifikansi:α=0.05
o StatistikUji
p-value=0.556
o Daerah kritis
H0 ditolakjikap-value <α
o Kesimpulan
Karenap-value >α maka H0 tidakditolak,makadataberdistribusi normal
No Autokorelasi
Tidak ada pola pada scatter plot di atas, berarti residual tidak berkorelasi (asumsi no
autokorelasi terpenuhi).
0
1
2
3
4
5
6
7
8
-10 -5 0 5 10 15
Series: Residuals
Sample 1 30
Observations 30
Mean -1.17e-14
Median -1.029363
Maximum 13.03312
Minimum -9.562679
Std. Dev. 5.661537
Skewness 0.444165
Kurtosis 2.612908
Jarque-Bera 1.173713
Probability 0.556072
-10
-5
0
5
10
15
-10 -5 0 5 10 15
RESID
RESID(-1)
21. Tidak ada AC maupun PAC yang melampaui batas konfidensi, maka tidak ada autokorelasi
(asumsi terpenuhi).
No Heteroskedastisitas
Tidak ada AC maupun PAC yang melampaui batas konfidensi, maka tidak ada
heteroskedastisitas (asumsi terpenuhi).
22. UJI REGRESI
Variabel Y = P
Variabel X = Psoda, Qd, Temp (dengan constant)
DependentVariable:P
Method: LeastSquares
Date: 06/27/14 Time:14:12
Sample:1 30
Included observations:30
Variable Coefficient Std. Error t-Statistic Prob.
C 83.95452 6.313380 13.29787 0.0000
PSODA 10.57545 4.146992 2.550149 0.0170
QD -11.51017 3.738109 -3.079142 0.0049
TEMP 0.419303 0.075263 5.571148 0.0000
R-squared 0.618333 Mean dependentvar 114.4667
Adjusted R-squared 0.574295 S.D. dependentvar 9.164148
S.E. of regression 5.979250 Akaike info criterion 6.538033
Sum squared resid 929.5372 Schwarz criterion 6.724859
Log likelihood -94.07050 Hannan-Quinn criter. 6.597801
F-statistic 14.04074 Durbin-Watson stat 1.844397
Prob(F-statistic) 0.000012
Uji Parsial
o H0: βi=0
H1: βi≠0
o Tingkat signifikansi: α= 0.05
o Statistik Uji
p-value C = 0.000
p-value Psoda = 0.017
p-value Qd = 0.0049
p-value Temp = 0.000
o Daerah kritis
H0 ditolak jika p-value < α
o Kesimpulan
Karena semua p-value < α maka H0 ditolak untuk seluruh variabel, maka semua βi≠0,
berarti variabel independen tersebut signifikan mempengaruhi Y (variabel tersebut
layak dimasukkan ke dalam model regresi).
Uji Overall
p-value = 0,000012 < α (0,05), maka H0 ditolak sehingga model signifikan dan layak
untuk dipakai.
23. Dengan model regresi sbb.:
𝑌 = 83,954 + 10,575( 𝑃𝑠𝑜𝑑𝑎) − 11,510( 𝑄𝑑)+ 0,419(𝑡𝑒𝑚𝑝)
Berikut ini adalah contoh model-model regresi yang mungkin dibentuk:
Model Tanpa Qd
DependentVariable:P
Method: LeastSquares
Date: 06/27/14 Time:16:03
Sample:1 30
Included observations:30
Variable Coefficient Std. Error t-Statistic Prob.
C 80.43880 7.117994 11.30077 0.0000
PSODA 6.971337 4.560608 1.528598 0.1380
TEMP 0.415895 0.086269 4.820937 0.0000
R-squared 0.479155 Mean dependentvar 114.4667
Adjusted R-squared 0.440574 S.D. dependentvar 9.164148
S.E. of regression 6.854306 Akaike info criterion 6.782271
Sum squared resid 1268.501 Schwarz criterion 6.922390
Log likelihood -98.73406 Hannan-Quinn criter. 6.827096
F-statistic 12.41942 Durbin-Watson stat 1.887441
Prob(F-statistic) 0.000150
Model Tanpa Temp
DependentVariable:P
Method: LeastSquares
Date: 06/27/14 Time:16:04
Sample:1 30
Included observations:30
Variable Coefficient Std. Error t-Statistic Prob.
C 114.0124 4.765398 23.92505 0.0000
PSODA 9.253809 6.017561 1.537800 0.1357
QD -11.20398 5.432555 -2.062378 0.0489
R-squared 0.162715 Mean dependentvar 114.4667
Adjusted R-squared 0.100694 S.D. dependentvar 9.164148
S.E. of regression 8.690521 Akaike info criterion 7.256982
Sum squared resid 2039.179 Schwarz criterion 7.397102
Log likelihood -105.8547 Hannan-Quinn criter. 7.301808
F-statistic 2.623547 Durbin-Watson stat 1.752547
Prob(F-statistic) 0.090947
24. Model Tanpa Psoda
DependentVariable:P
Method: LeastSquares
Date: 06/27/14 Time:16:05
Sample:1 30
Included observations:30
Variable Coefficient Std. Error t-Statistic Prob.
C 90.80286 6.269075 14.48425 0.0000
QD -8.819545 3.934653 -2.241505 0.0334
TEMP 0.408323 0.082443 4.952805 0.0000
R-squared 0.522868 Mean dependentvar 114.4667
Adjusted R-squared 0.487525 S.D. dependentvar 9.164148
S.E. of regression 6.560369 Akaike info criterion 6.694610
Sum squared resid 1162.038 Schwarz criterion 6.834730
Log likelihood -97.41916 Hannan-Quinn criter. 6.739436
F-statistic 14.79408 Durbin-Watson stat 1.777738
Prob(F-statistic) 0.000046
Model Tanpa Constanta
DependentVariable:P
Method: LeastSquares
Date: 06/27/14 Time:16:14
Sample:1 30
Included observations:30
Variable Coefficient Std. Error t-Statistic Prob.
PSODA 34.03249 10.28682 3.308359 0.0027
QD -2.520246 10.07671 -0.250106 0.8044
TEMP 1.274599 0.107129 11.89774 0.0000
R-squared -1.977493 Mean dependentvar 114.4667
Adjusted R-squared -2.198048 S.D. dependentvar 9.164148
S.E. of regression 16.38832 Akaike info criterion 8.525655
Sum squared resid 7251.584 Schwarz criterion 8.665775
Log likelihood -124.8848 Hannan-Quinn criter. 8.570480
Durbin-Watson stat 1.902557
Berdasarkan keempat contoh model regresi yang mungkin dibentuk di atas,biladibandingkan
dengan model regresi dengan seluruh variabel, berdasarkan siqnifikansi model dan kriteria
pemilihan model terbaik, maka model dengan seluruh variabel tetap lebih baik.
Selain dilihat dari kriteria model terbaik, pemilihan model juga harus didasari pada
kesesuaian dengankeadaanyangsebenarnya (real) di lapangan. Berikut ini merupakan tabel
perbandingan antara variabel P dengan estimasinya (Y) bila memakai model regresi dengan
seluruh variabel, dengan model regresi sbb (seperti yang telah dijelaskan sebelumnya):
𝑌 = 83,954 + 10,575( 𝑃𝑠𝑜𝑑𝑎) − 11,510( 𝑄𝑑)+ 0,419(𝑡𝑒𝑚𝑝)
25. P Qd Temp Psoda Y
137 0,2 82 0,75 123,9413
117 1 88 0,75 117,2473
106 0,7 70 0,6 111,572
108 0,85 70 0,5 108,788
115 0,25 62 1,2 119,7445
111 1 57 1 106,902
101 0,25 51 0,3 105,618
125 0,45 88 0,55 121,4628
109 0,15 58 0,35 110,2308
99 0,9 67 0,65 108,5418
115 0,7 94 0,7 122,6855
124 0,2 74 1,2 125,348
123 0,55 85 0,95 123,2848
107 0,1 51 0,4 108,402
121 0,1 94 0,25 124,8328
123 0,3 89 0,9 127,3095
128 0,75 86 0,85 120,3443
120 0,75 87 0,5 117,062
112 0,55 53 0,25 102,4743
110 0,2 57 0,7 112,9375
110 1 60 0,75 105,5153
116 0,8 80 0,9 117,7835
108 0,85 64 0,6 107,3315
113 0,85 51 1,2 108,2295
106 0,55 60 0,55 108,5798
106 0,4 56 0,85 111,8028
128 0,15 87 0,4 122,9105
114 0,9 64 1,1 112,0435
122 0,3 53 0,85 111,6968
100 0,75 57 0,9 108,722
Terlihat sekilas, memang antara P dengan Y memiliki nilai yang tidak berbeda jauh, hal ini
membuktikan bahwa Y merupakan estimasi tak bias dari P.
Bila disajikan dengan grafik akan terlihat sbb. :
26. 4. Uji Asumsi Linearitas
Dari kedua scatter plot di atas, terlihat seluruhnya menunjukkan pola linear (positif) antara
quantitiy sebagai variabel respon dengan masing-masing prediktornya (labor, capital),
sehingga model regresi linier dapat digunakan.
Uji Asumsi
Variabel Y = quantitiy
Variabel X = labor, capital (dengan constant)
0
50
100
150
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Perbandingan P dengan Y
P Y
70
80
90
100
110
120
130
40 60 80 100 120 140 160
QUANTITY
LABOR
40
60
80
100
120
140
160
40 60 80 100 120 140 160
QUANTITY
CAPITAL
27. Normalitas residual
Uji Hipotesis
o H0: data berdistribusinormal
H1: data tidakberdistribusinormal
o Tingkatsignifikansi:α=0.05
o StatistikUji
p-value=0.400
o Daerah kritis
H0 ditolakjikap-value <α
o Kesimpulan
Karenap-value >α maka H0 tidakditolak,makadataberdistribusi normal
No Autokorelasi
Bila dilihat pada scatter plot di atas, kecenderungan membentuk pola linear positif.
0
1
2
3
4
5
6
7
8
-3 -2 -1 0 1 2 3 4
Series: Residuals
Sample 1948 1976
Observations 29
Mean -1.23e-14
Median 0.325617
Maximum 3.839791
Minimum -2.901371
Std. Dev. 2.088878
Skewness 0.131152
Kurtosis 1.797386
Jarque-Bera 1.830727
Probability 0.400371
-3
-2
-1
0
1
2
3
4
-3 -2 -1 0 1 2 3 4
RESID
RESID(-1)
28. Terlihat pada korelogram di atas, terdapat AC dan PAC yang melewati batas konfidensi,
maka asumsi no autokorelasi tidak terpenuhi, terutama pada lag 1 (AC dan PAC melewati
batas konfidensi)
No Heteroskedastisitas
Tidak ada AC maupun PAC yang melampaui batas konfidensi, maka tidak ada
heteroskedastisitas (asumsi terpenuhi).
29. UJI REGRESI
DependentVariable:QUANTITY
Method: LeastSquares
Date: 06/27/14 Time:17:26
Sample:1948 1976
Included observations:29
Variable Coefficient Std. Error t-Statistic Prob.
C -36.58642 11.07593 -3.303238 0.0028
LABOR 0.853111 0.213609 3.993797 0.0005
CAPITAL 0.517545 0.102803 5.034323 0.0000
R-squared 0.995127 Mean dependentvar 85.90690
Adjusted R-squared 0.994752 S.D. dependentvar 29.92455
S.E. of regression 2.167731 Akaike info criterion 4.482936
Sum squared resid 122.1755 Schwarz criterion 4.624380
Log likelihood -62.00257 Hannan-Quinn criter. 4.527235
F-statistic 2654.918 Durbin-Watson stat 0.629897
Prob(F-statistic) 0.000000
Uji Parsial
o H0: βi=0
H1: βi≠0
o Tingkat signifikansi: α= 0.05
o Statistik Uji
p-value C = 0.0028
p-value labor = 0.0005
p-value capital = 0.000
o Daerah kritis
H0 ditolak jika p-value < α
o Kesimpulan
Karena semua p-value < α maka H0 ditolak untuk seluruh variabel, maka semua βi≠0,
berarti variabel independen tersebut signifikan mempengaruhi Y (variabel tersebut
layak dimasukkan ke dalam model regresi).
Uji Overall
p-value = 0,000 < α (0,05), maka H0 ditolak sehingga model signifikan dan layak untuk
dipakai.
Dengan model regresi sbb. :
𝑌 = −36,586 + 0,853( 𝑙𝑎𝑏𝑜𝑟) + 0,517𝑐𝑎𝑝𝑖𝑡𝑎𝑙)
30. Tetapi, bila asumsi No Autokorelasi yang tidak terpenuhi diperhitungkan, maka uji
regresinya sbb. :
DependentVariable:QUANTITY
Method: LeastSquares
Date: 06/27/14 Time:19:06
Sample (adjusted):1949 1976
Included observations:28 after adjustments
Convergence achieved after 41 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C -38.98958 12.69972 -3.070113 0.0053
LABOR 0.905746 0.243957 3.712730 0.0011
CAPITAL 0.495299 0.124330 3.983754 0.0005
AR(1) 0.690298 0.178262 3.872388 0.0007
R-squared 0.997269 Mean dependentvar 87.13929
Adjusted R-squared 0.996927 S.D. dependent var 29.71478
S.E. of regression 1.647114 Akaike info criterion 3.967489
Sum squared resid 65.11159 Schwarz criterion 4.157804
Log likelihood -51.54485 Hannan-Quinn criter. 4.025671
F-statistic 2921.143 Durbin-Watson stat 1.954402
Prob(F-statistic) 0.000000
Inverted AR Roots .69
Uji Parsial
o H0: βi=0
H1: βi≠0
o Tingkat signifikansi: α= 0.05
o Statistik Uji
p-value C = 0.0053
p-value labor = 0.0011
p-value capital = 0.0005
o Daerah kritis
H0 ditolak jika p-value < α
o Kesimpulan
Karena semua p-value < α maka H0 ditolak untuk seluruh variabel, maka semua βi≠0,
berarti variabel independen tersebut signifikan mempengaruhi Y (variabel tersebut
layak dimasukkan ke dalam model regresi).
Uji Overall
p-value = 0,000 < α (0,05), maka H0 ditolak sehingga model signifikan dan layak untuk
dipakai.
Dengan model regresi sbb. :
𝑌 = −38,989 + 0,905( 𝑙𝑎𝑏𝑜𝑟) + 0,495𝑐𝑎𝑝𝑖𝑡𝑎𝑙)
31. Sehingga, kita mendapatkan 2 model regresi, yaitu:
𝑌1 = −36,586 + 0,853( 𝑙𝑎𝑏𝑜𝑟)+ 0,517𝑐𝑎𝑝𝑖𝑡𝑎𝑙)
𝑌2 = −38,989 + 0,905( 𝑙𝑎𝑏𝑜𝑟) + 0,495(𝑐𝑎𝑝𝑖𝑡𝑎𝑙)
Semakin besar input labor dan/capital, maka semakin besar quantity, begitu pula
sebaliknya (berbanding lurus)
Tiap penambahan 1 satuan labor, maka quantity akan bertambah 0,905 satuan,
dengan menganggap capital tetap (jika mengacu pada model regresi Y2)
Tiap penambahan 1 satuan capital, maka quantity akan bertambah 0,495 satuan,
dengan menganggap labor tetap (jika mengacu pada model regresi Y2)
Pertanyaan:
-Jika diketahui nilai input tenaga kerja = 80 dan input modal = 60, berapa tingkat output di
sektor jasa di amerika serikat?-
Dengan mengacu pada model regresi Y2, maka didapat:
𝑄𝑢𝑎𝑛𝑡𝑖𝑡𝑦 = −38,989 + 0,905(80)+ 0,495(60)
= 63,111 satuan