EKONOMETRIKA PERTEMUAN 2 REGRESI LINIER SEDERHANA Kerangka Dasar

EKONOMETRIKA PERTEMUAN 2 REGRESI LINIER SEDERHANA

Kerangka Dasar ¡ ¡ Model Regresi Linier sederhana melihat hubungan antara 2 variabel. 1 variabel bertindak sebagai variabel independen dan 1 variabel lain bertindak sebagai variabel dependen Perlu dipahami bahwa untuk mencari suatu pengaruh kita perlu untuk mencari hubungan variabel tersebut Deteksi tentang hubungan antara 2 variabel yang diteliti atau sering dikenal dengan scatterplot

Kerangka Dasar ¡ ¡ ¡ Garis Lurus menunjukkan hubungan antara 2 variabel Persebaran data di seputar garis lurus tersebut lebih mencerminkan kecenderungan lemah atau kuatnya hubungan antara 2 variabel. Komponen pembentukan model mencakup: l l l Data Model Statistik Komponen Sistematik dan random error

Kerangka Dasar ¡ Maka Model Regresi Linier Sederhana adalah sbb: y = β 0 + β 1 x + ε Dimana: Y = Variabel Dependen X = Variabel Independen β 0 = Intercept dari komponen sistematik dalam hubungan regresi β 1 = Slope dari komponen sistematik ε = Error

Kerangka Dasar Y E(Y) = β 0 + β 1 X Yi β 1 ε i β 0 X Xi

Kerangka Dasar ¡ ¡ ¡ Model regresi linier sederhana menunjukkan hubungan yang tepat sama (exact) antara nilai rata-rata variabel dependen dan independen Perbedaan antara nilai riil dan nilai ekspektasi dari y dijelaskan dalam random error Model regresi linier sederhana memiliki beberapa asumsi dasar yang harus dipenuhi untuk menghasilkan estimasi yang baik atau dikenal dengan BLUE (best Linier Unbiased Estimator)

Kerangka Dasar ¡ ¡ ¡ Asumsi asumsi dasar tersebut mencakup homoskedastik, no-multicollinearity, dan no autocorrelation Perlu diketahui adalah dalam konteks pendugaan koefisien regresi sampel dengan menggunakan OLS ( Ordinery least square ) OLS sering disebut BLUE Sederhananya hasil estimasi yang bersifat BLUE adalah l l l Efisien Tidak Bias Konsisten Intersep akan memiliki distribusi normal Koefisien regresi akan memiliki distribusi normal

Pengujian Hipotesa & Pendekatan Teori Hipotesis adalah pernyataan atau penilaian tentang suatu keadaan (benar atau tidaknya nilai dari parameter populasi yang belum diketahui) ¡ Hipotesis awal (Null Hypothesis) dinotasikan dengan H 0 adalah suatu penilaian tentang satu atau lebih populasi parameter ¡

Pengujian Hipotesa & Pendekatan Teori ¡ ¡ Hipotesis dinyatakan berlaku(benar) sampai diperoleh bukti statistik yang cukup untuk menyimpulkan keputusan yang lain Karakteristik hipotesis awal adalah: l l l Sering menunjukkan kondisi yang tidak berubah (status quo situation) atau keyakinan atas apa yang berlaku Dinyatakan benar sampai ada pengujian yang mengarah pada penolakan hipotesis alternatif Diterima karena benar atau ditolak karena salah berdasarkan pertimbangan pengujian statistik (test statistic)

Pengujian Hipotesa & Pendekatan Teori ¡ ¡ Hipotesis alternatif (Alternative hypothesis) dinotasikan dengan H 1 adalah seluruh penilaian yang tidak terangkum dalam hipotesis awal Karakteristik hubungan antara H 0 dan H 1, keduanya bisa bersifat mutually exclusive atau exhaustive. Mutually exclusive artinya hanya ada satu hipotesis yang benar Exhaustive artinya setiap hipotesis memiliki seluruh kemungkinan dimana salah satu diantaranya harus ada yang benar

Pengujian Hipotesa & Pendekatan Teori ¡ ¡ Untuk menerima dan menolak hipotesis awal dibutuhkan pengujian statistik dan pengambilan keputusan Prosedur pengujian Hipotesis mencakup: l l Menetapkan Ho dan H 1 Menentukan nilai kritis atau daerah untuk menolak atau menerima Ho Menghitung nilai tes statistik Membuat keputusan secara statistik untuk menolak atau menerima Ho dengan membandingkan nilai tes statistik dengan nilai kritis

Contoh Seorang mahasiswa esa unggul ingin melakukan penelitian tentang dampak kenaikan BBM terhadap daya beli masyarakat indonesia Langkah yang harus dilakukan: 1. Buat Hipotesis awal dan hipotesis alternatif ¡ ¡ Ho = Tidak Ada Pengaruh kenaikan BBM terhadap daya beli masyarakat indonesia H 1 = Ada Pengaruh kenaikan BBM terhadap daya beli masyarakat indonesia

Contoh Langkah yang harus dilakukan: 2. Menentukan nilai kritis dan nilai statistik dan membandingkan keduanya untuk menolak atau menerima Ho 3. Membuat keputusan secara statistik untuk menolak atau menerima Ho dengan membandingkan nilai tes statistik dengan nilai kritis

Contoh Langkah yang harus dilakukan: ¡ ¡ Terima Ho jika Nilai Prob (sig) > 0. 05 (α=5%) Tolak Ho jika Nilai Prob (sig) < 0. 05 (α=5%) atau Terima Ho jika nilai T Hitung < T Tabel Tolak Ho jika nilai T Hitung > T Tabel

Daerah Penerimaan dan Penolakan Jika α = 5 % Daerah Penerimaan Ho 0. 95 0. 025 Daerah penolakan Ho