|
Konteksnya: Intrinsically non linier models
|
tarix | 17.09.2018 | ölçüsü | 0,63 Mb. | | #69204 |
|
Konteksnya: Intrinsically non linier models Dengan transformasi apapun tidak dapat membuat model menjadi linier dalam parameter.
Y = output Y = output X1 = input tenaga kerja X2 = input modal
Dengan peubah yang sama Unsur galat bersifat multiplikatif bersama-sama peubah yang lain
Dengan peubah yang sama Dengan peubah yang sama Unsur galat bersifat aditif, padahal antar peubah berhubungan secara multiplikatif
Apapun bentuk galat dan hubungannnya dengan peubah yang lain, model tidak dapat dibuat linier dalam parameter Apapun bentuk galat dan hubungannnya dengan peubah yang lain, model tidak dapat dibuat linier dalam parameter Intrinsically non linier model
Tetap dengan prinsip meminimumkan jumlah kuadrat galat Masalah: tidak dapat diperoleh solusi secara analitik untuk persamaan normal Solusi diperoleh secara iteratif dengan menggunakan metode numerik - Steepest descent
- Newton Rhapson
Contoh: exponential regression model
Pada eviews atau Gretl terdapat dialog box untuk mengetikkan perintah Non Linier Least Square (NLS) Pada eviews atau Gretl terdapat dialog box untuk mengetikkan perintah Non Linier Least Square (NLS) Dibutuhkan definisi nilai awal parameter yang digunakan Definisi fungsi Turunan pertama dari masing-masing parameter
Fees = uang yang harus dibayarkan untuk menyewa jasa penasehat untuk me-manage asset Fees = uang yang harus dibayarkan untuk menyewa jasa penasehat untuk me-manage asset Asset = nilai asset perusahaan Perusahaan dengan nilai asset besar tidak terlalu membutuhkan jasa penasehat.
Untuk menduga parameter dari model berikut: Untuk menduga parameter dari model berikut:
Model 3: NLS, using observations 1-12 Model 3: NLS, using observations 1-12 Fee = beta1*exp(beta2*Asset) estimate std. error t-ratio p-value ---------------------------------------------------------- beta1 0.508802 0.00736005 69.13 9.78e-015 *** beta2 -0.00592068 0.000477622 -12.40 2.15e-07 *** Mean dependent var 0.432737 S.D. dependent var 0.049803 Sum squared resid 0.001656 S.E. of regression 0.012869 R-squared 0.939304 Adjusted R-squared 0.933235 Log-likelihood 36.30232 Akaike criterion -68.60465 Schwarz criterion -67.63483 Hannan-Quinn -68.96371
Hasil pengujian, t, F hanya berlaku valid jika ukuran sampel cukup besar R2 tidak valid jika ukuran sampel kecil Walaupun galat menyebar normal, untuk ukuran sampel kecil penduga NLS tidak menyebar normal, tidak bias dan tidak mempunyai ragam kecil. Hasil pengujian di output sebelumnya berlaku secara asimptotik jika sampel berukuran besar.
Dostları ilə paylaş: |
|
|