Kesimpulan:
Dalam suatu model regresi terdapat dua jenis variabel, yaitu variabel terikat dan variabel bebas, yang
dipisahkan oleh tanda persamaan. Variabel terikat sering disimbolkan dengan Y, biasa pula disebut sebagai variabel dependen, variabel tak bebas, variabel yang
dijelaskan, variabel yang diestimasi, variabel yang dipengaruhi. Cirinya, berada pada sebelah kiri tanda persamaan (=). Variabel bebas sering disimbolkan dengan X, biasa pula disebut sebagai variabel independen,
variabel yang mempengaruhi, variabel penjelas, variabel estimator, variabel penduga, variabel yang mempengaruhi, variabel prediktor. Cirinya terletak pada
sebelah kanan tanda persamaan (=).
Dalam suatu model juga terdapat parameter- parameter yang disebut konstanta, juga koefisien korelasi. Konstanta sering disimbolkan dengan a, atau b0, atau β0. Koefisien korelasi disebut pula sebagai beta, B, b, menunjukkan slope, kemiringan, elastisitas.
-000-
Tugas:
1. Buatlah rangkuman dari pembahasan di atas!
2. Cobalah untuk menyimpulkan maksud dari uraian bab ini!
3. Jawablah pertanyaan-pertanyaan di bawah ini:
a. Jelaskan apa yang dimaksud dengan model!
b. Sebutkan apa saja jenis-jenis model ekonometrika!
c. Jelaskan perbedaan antara jenis-jenis model ekonometrika!
d. Coba uraikan asumsi-asumsi yang harus
dipenuhi dalam regresi linier!
BAB III
MODEL REGRESI DENGAN DUA VARIABEL
Tujuan Pengajaran:
Setelah mempelajari bab ini, anda diharapkan dapat:
Mengetahui kegunaan dan spesifikasi model Menjelaskan hubungan antar variabel Mengaitkan data yang relevan dengan teori Mengembangkan data
Menghitung nilai parameter Mengetahui arti dan fungsi parameter Menentukan signifikan tidaknya variabel bebas
Membaca hasil regresi
Menyebutkan asumsi-asumsi.
BAB III
MODEL REGRESI DENGAN DUA VARIABEL
Bentuk model
Model regresi dengan dua variabel10 umumnya dituliskan dengan simbol berbeda berdasarkan sumber data yang digunakan, meskipun tetap dituliskan dalam persamaan fungsi regresi. Fungsi regresi yang menggunakan data populasi (FRP) umumnya menuliskan simbol konstanta dan koefisien regresi dalam huruf besar, sebagai berikut:
Y = A + BX + ε ……….. (pers.3.1)
Fungsi regresi yang menggunakan data sampel (FRS) umumnya menuliskan simbol konstanta dan koefien regresi dengan huruf kecil, seperti contoh sebagai berikut:
Y = a + bX + e ……….. (pers.3.2)
Dimana:
A atau a; merupakan konstanta atau intercept
B atau b; merupakan koefisien regresi, yang juga menggambarkan tingkat elastisitas variabel
independen
Y; merupakan variabel dependen
X; merupakan variabel independen
10 Yaitu satu variabel dependen dan satu variabel independen
Notasi a dan b merupakan perkiraan dari A dan B. Huruf a, b, disebut sebagai estimator atau statistik, sedangkan nilainya disebut sebagai estimate atau nilai perkiraan.11
Meskipun penulisan simbol konstanta dan koefisien regresinya agak berbeda, namun penghitungannya menggunakan metode yang sama, yaitu dapat dilakukan dengan metode kuadrat terkecil biasa (ordinary least square)12, atau dengan metode Maximum Likelihood.
Metode Kuadrat Terkecil Biasa (Ordinary Least
Square) (OLS)
Penghitungan konstanta (a) dan koefisien regresi (b) dalam suatu fungsi regresi linier sederhana dengan metode OLS dapat dilakukan dengan rumus-rumus sebagai berikut:
Rumus Pertama (I)
Mencari nilai b:
b = n (∑ XY )− (∑ X )(∑Y )
n (∑ X 2 )− (∑ X )2
mencari nilai a:
a = ∑Y − b. ∑ X
n
Rumus kedua (II)
11 Supranto, J., Ekonometrik, Buku satu, LPFEUI, Jakarta, 1983
12 Ordinary Least Square (OLS) ditemukan oleh Carl Friedrich Gauss, seorang
Matematikawan Jerman, pada tahun 1821.
Mencari nilai b:
b = ∑ xy
∑ x 2
mencari nilai a:
a = Y − b X
Misalnya saja kita ingin meneliti pengaruh bunga deposito jangka waktu 1 bulan (sebagai variabel X = Budep) terhadap terjadinya inflasi di Indonesia (sebagai variabel Y=Inflasi) pada kurun waktu Januari 2001 hingga Oktober 2002, yang datanya tertera sebagai berikut:
-
Observasi
|
Y
|
X1
|
Jan 01
|
8.28
|
13.06
|
Peb 01
|
9.14
|
13.81
|
Mar 01
|
10.62
|
13.97
|
Apr 01
|
10.51
|
13.79
|
Mei 01
|
10.82
|
14.03
|
Jun 01
|
12.11
|
14.14
|
Jul 01
|
13.04
|
14.39
|
Agu 01
|
12.23
|
14.97
|
Sep 01
|
13.01
|
15.67
|
Okt 01
|
12.47
|
15.91
|
Nop 01
|
12.91
|
16.02
|
Des 01
|
12.55
|
16.21
|
Jan 02
|
14.42
|
16.19
|
Peb 02
|
15.13
|
15.88
|
Mar 02
|
14.08
|
15.76
|
Apr 02
|
13.3
|
15.55
|
Mei 02
|
12.93
|
15.16
|
Jun 02
|
11.48
|
14.85
|
Jul 02
|
10.05
|
14.22
|
Agu 02
|
10.6
|
13.93
|
Sep 02
|
10.48
|
13.58
|
Okt 02
|
10.33
|
13.13
|
Jumlah
|
260.49
|
324.22
|
38
Bantuan dengan SPSS
Cara memasukkan data tersebut di atas ke dalam SPSS, dapat dilakukan dengan tahapan sebagai berikut:
1. Pastikan bahwa lembar worksheet SPSS sudah siap digunakan. Caranya: tampilkan program SPSS di layar monitor.
2. Masukkan data ke masing-masing kolom. Pastikan bahwa yang aktif adalah Data View (lihat pojok kiri bawah), bukan variabel View!
3. Beri nama kolom tersebut sesuai nama variabelnya.
Caranya: klik Variabel View (pojok kiri bawah), maka akan muncul kolom: Name, Type, Width,
Decimals, label, values, missing, columns, align, measure. Masukkan nama variabel ke dalam kolom
Name. Misal kita mau memberi nama variabel dengan Y, maka ketik Y. Jika hendak memberi nama tersebut dengan Inflasi, maka ketik inflasi. (Meskipun yang dimasukkan adalah huruf besar,
tetapi dalam kolom akan muncul huruf kecil).
4. Data awal yang dimasukkan tadi dapat dikembangkan menjadi seperti hitungan dalam tabel di bawah (misal menjadi X12). Caranya: klik Transform, kemudian pilih Compute, maka layar SPSS akan berubah menjadi seperti dalam gambar sebagai berikut:
Pada kotak Target Variable (kanan atas) isilah dengan nama variabel baru (variabel pengembangan). Sesuai contoh, ketik X12, dimana X12 ini merupakan X1 yang dikuadratkan. Karena akan menghitung kuadrat, maka caranya: variabel yang ada di kolom Type&Label diblok (klik)
pindahkan ke dalam kolom Numeric Expression menggunakan langkah klik pada tanda segitiga penunjuk arah. Setelah itu pilih ** (pada tuts kalkulator) dan ketik angka 2 (karena hendak mengkuadratkan), dan kemudian ketik OK. Jika tahapan tersebut telah dilalui, worksheet data akan menampakkan variabel baru dengan data yang dihitung tadi.
5. Untuk membuat data perkalian, lakukan dengan cara memindahkan salah satu nama variabel yang
hendak dikalikan (misalnya, Y) dari kotak
Type&Label ke Numeric Expression, pilih tanda pengali (*) dan ikuti dengan memindahkan lagi
variabel lainnya yang hendak dikalikan (misal X), setelah itu klik OK.
Berdasarkan data yang tertera di atas, maka nilai a dan b dapat dicari melalui penggunakan kedua rumus tersebut, baik itu rumus pertama ataupun kedua. Seandainya kita ingin menggunakan rumus pertama, maka langkah awal yang dapat dilakukan adalah mengadakan penghitungan- penghitungan atau pengembangan data untuk disesuaikan dengan komponen rumus, sehingga nantinya dapat secara langsung diaplikasikan ke dalam rumus. Pengembangan data yang dimaksudkan adalah menentukan nilai X12, nilai
Y2, serta nilai XY. Hasil pengembangan data dapat dilihat pada tabel berikut:
-
Observasi
|
Y
|
X1
|
X12
|
Y2
|
XY
|
Jan 01
|
8.28
|
13.06
|
170.5636
|
68.5584
|
108.1368
|
Peb 01
|
9.14
|
13.81
|
190.7161
|
83.5396
|
126.2234
|
Mar 01
|
10.62
|
13.97
|
195.1609
|
112.7844
|
148.3614
|
Apr 01
|
10.51
|
13.79
|
190.1641
|
110.4601
|
144.9329
|
Mei 01
|
10.82
|
14.03
|
196.8409
|
117.0724
|
151.8046
|
Jun 01
|
12.11
|
14.14
|
199.9396
|
146.6521
|
171.2354
|
Jul 01
|
13.04
|
14.39
|
207.0721
|
170.0416
|
187.6456
|
Agu 01
|
12.23
|
14.97
|
224.1009
|
149.5729
|
183.0831
|
Sep 01
|
13.01
|
15.67
|
245.5489
|
169.2601
|
203.8667
|
Okt 01
|
12.47
|
15.91
|
253.1281
|
155.5009
|
198.3977
|
Nop 01
|
12.91
|
16.02
|
256.6404
|
166.6681
|
206.8182
|
Des 01
|
12.55
|
16.21
|
262.7641
|
157.5025
|
203.4355
|
Jan 02
|
14.42
|
16.19
|
262.1161
|
207.9364
|
233.4598
|
Peb 02
|
15.13
|
15.88
|
252.1744
|
228.9169
|
240.2644
|
Mar 02
|
14.08
|
15.76
|
248.3776
|
198.2464
|
221.9008
|
Apr 02
|
13.3
|
15.55
|
241.8025
|
176.89
|
206.815
|
Mei 02
|
12.93
|
15.16
|
229.8256
|
167.1849
|
196.0188
|
Jun 02
|
11.48
|
14.85
|
220.5225
|
131.7904
|
170.478
|
Jul 02
|
10.05
|
14.22
|
202.2084
|
101.0025
|
142.911
|
Agu 02
|
10.6
|
13.93
|
194.0449
|
112.36
|
147.658
|
Sep 02
|
10.48
|
13.58
|
184.4164
|
109.8304
|
142.3184
|
Okt 02
|
10.33
|
13.13
|
172.3969
|
106.7089
|
135.6329
|
Jumlah
|
260.49
|
324.22
|
4800.525
|
3148.48
|
3871.398
|
Setelah mendapatkan hitungan-hitungan hasil pengembangan data, maka angka-angka tersebut dapat secara langsung dimasukkan ke dalam rumus I, sebagai berikut:
Mencari nilai b:
b = n (∑ XY )− (∑ X )(∑Y )
n (∑ X 2 )− (∑ X )2
b = 22 (3.871,398) − (324,22)(260,49)
22 (4.800,525) − (324,22)2
= 85.170,76 − 84.456,0678
105.611,60 −105.118,6084
= 714,6922
492,9916
b = 1,4497
dengan diketahuinya nilai b, maka nilai a juga dapat ditentukan, karena rumus pencarian a terkait dengan nilai b.
Mencari nilai a:
a = ∑= Y − b. ∑=X
n
= 260,49 −1,4497 (324,22)
22
= 260,49 − 470,022
22
a = -9.5241
Seperti telah dijelaskan di atas, bahwa nilai a dan b dapat pula dicari dengan menggunakan rumus kedua. Demikian pula, agar dapat secara langsung menggunakan rumus II ini, perlu menghitung dulu komponen-komponen rumus.Langkah yang dapat dilakukan dicontohkan sebagai berikut:
Mencari nilai b, menggunakan rumus kedua:
b = ∑ xy
∑ x 2
Dari rumus di atas, kita perlu menemukan dulu nilai dari
∑ xy atau ∑ x 2 yang dapat dilakukan dengan rumus-
rumus sebagai berikut:
∑ x 2 = ∑ X 2 − (∑ X )2 / n
∑ y 2 = ∑Y 2 − (∑Y )2 / n
∑ xy = ∑ XY − (∑ X ∑Y ) / n
maka:
∑ x 2
= 4800.53 -
324.22 2
22
= 4800.53 – 4778.12
= 22.41
∑ y 2 = 3148.48 -
260.49 2
22
= 3148.48 – 3084.32
= 64.16
∑ xy = 3871,40 -
(324.22 − 260.49)
22
= 3871.40 – 3838.91
= 32.49
Dengan diketahuinya, nilai-nilai tersebut, maka nilai b dapat ditentukan, yaitu:
b = 32.49 = 1.4498
22.41
Dengan diketahuinya nilai b, maka nilai a juga dapat dicari dengan rumus sebagai berikut:
a = Y − b X
= 11.8405 – (1.4498 x 14.7373)
= 11.8405 – 21.3661 a= -9.5256
Hasil pencarian nilai a dan b dengan menggunakan rumus I dan II didapati angka yang cenderung sama. Pada penghitungan rumus I nilai a = –9,5241 dan b = 1,4497. Sedangkan hasil penghitungan dengan rumus II, nilai a = -9,5256 dan b = 1,4498. Tampak bahwa hingga dua angka di belakang koma tidak terdapat perbedaan, sedangkan tiga angka di belakang koma mulai ada perbedaan. Perbedaan ini sifatnya tidak tidak substansial, karena munculnya perbedaan itu sendiri akibat dari
pembulatan. Dengan demikian dapat disimpulkan bahwa, mencari a dan b dengan rumus I ataupun rumus II akan menghasilkan nilai yang sama.
Bantuan dengan SPSS
Nilai a dan b dapat dilakukan dengan melalui bantuan SPSS. Caranya: Klik Analize, pilih regression, pilih linear, masukkan variabel Y ke dalam kotak Dependent Variable (caranya pilih variabel Y dan pindahkan dengan klik pada segitiga hitam), pindahkan variabel X ke kotak Independent Variable, kemudian klik OK. SPSS akan menunjukkan hasilnya. Nilai a dan b akan tertera dalam output berjudul Coefficient.
Output
Model Summary
-
Model
|
R
|
R Square
|
Adjusted
R Square
|
Std. Error of the Estimate
|
1
|
.857a
|
.734
|
.721
|
.9236
|
a. Predictors: (Constant), X1
ANOVAb
-
Model
|
Sum of
Squares
|
df M
|
ean Square
|
F
|
Sig.
|
1 Regression
Residual
Total
|
47.101
17.059
64.160
|
1
20
21
|
47.101
.853
|
55.220
|
.000a
|
a. Predictors: (Constant), X1
b. Dependent Variable: Y
Coefficientsa
-
Model
|
Unstandardized
Coefficients
|
Standardi zed Coefficien ts
|
t
|
Sig.
|
B
|
Std. Error
|
Beta
|
1 (Constant)
X1
|
-9.527
1.450
|
2.882
.195
|
.857
|
-3.305
7.431
|
.004
.000
|
a. Dependent Variable: Y
Dostları ilə paylaş: |