You are on page 1of 56

# EKONOMETRIKA

(PRAKTEK)
By Dewi Purwanti
Sekolah Tinggi Ilmu Statistik
TA 2013/2014

Referensi

Bambang Juanda dan Junaidi,
Ekonometrika Deret Waktu, IPB Press 
data_bj
M. Firdaus, Aplikasi Ekonometrika: untuk
data panel dan time series, IPB Press
Nachrowi dan Hardius Usman:
Ekonometrika: untuk analisis ekonomi
dan keuangan, LP FEUI
Agus Widarjono, Ekonometrika: Pengantar
dan Aplikasinya, UPP STIM YKPN 
data_aw

E-views

Data panel dalam format Ms. Excel
Stacked Data Vs Unstacked Data

Data Panel

t = 1935-1954
i = Individu:
1 = IBM
2 = Goodyear
3 = UO
4 = US

Entri Data

Copy paste
File > new > workfile
Workfile create: workfile structure type > balanced panel
Quick > empty group
dari window group > copy paste

Impor data
tutup terlebih dahulu file excel yang akan
diimpor
file > impor
http://ariyoso.wordpress.com/2010/01/17/regresi
-data-panel/

View > unit root test .Panel Unit Root Tests    Referensi: EViews5_1PanelPooledData Langkah2: Pastikan data sudah dalam format panel.

43386 0.Panel unit root test: Summary Level Series: LOGY Date: 11/18/13 Time: 15:23 Sample: 1935 1954 Exogenous variables: Individual effects User specified lags at: 1 Newey-West bandwidth selection using Bartlett kernel Balanced observations for each test Method Statistic Prob. All other tests assume asymptotic normality.5410 PP .17953 0.Fisher Chi-square 6. .49713 0.3322 Null: Unit root (assumes individual unit root process) Im. Lin & Chu t* -0.5174 Crosssections Obs 4 72 4 4 4 72 72 76 ** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution.6905 ADF .** Null: Unit root (assumes common unit root process) Levin. Pesaran and Shin W-stat 0.Fisher Chi-square 7.95938 0.

23806 0.Fisher Chi-square 103. .0000 ADF . Lin & Chu t* -6.0000 Crosssections Obs 4 68 4 4 4 68 68 72 ** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.1781 0.406 0.Panel unit root test: Summary 1 difference st Series: D(LOGY) Date: 11/18/13 Time: 15:24 Sample: 1935 1954 Exogenous variables: Individual effects User specified lags at: 1 Newey-West bandwidth selection using Bartlett kernel Balanced observations for each test Method Statistic Prob.0000 PP . Pesaran and Shin W-stat -6.** Null: Unit root (assumes common unit root process) Levin.0000 Null: Unit root (assumes individual unit root process) Im.Fisher Chi-square 47.14455 0.

  Object: generate series Logy = log(y) dlogy = d(logy) .

buat persamaan logy c logx1 logx2 Atau bisa secara langsung log(y) c log(x1) log(x2) .TUGAS      Olah data dari data bab 18 buku Agus Widarjono Y = nilai investasi X1 = nilai harga saham X2 = nilai aktual kapital di awal periode Setelah digenerate.

  k xkit   it ...Model Pooled OLS yit   0  1 x1it   2 x 2it  .

Estimasi Pooled Least Square    Quick: estimate equation Spesification: masukkan persamaan: variabel dependent diikuti variabelvariabel independent yang masingmasing dipisahkan dengan satu spasi logy c logx1 logx2 Name: pooled .

154298 0.906414 0.E.0000 0.118485 1.302480 0.330573 0.D.047154 1.415578 13.047631 0.0000 0.846486 0.Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:30 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std.056744 -7. C LOGX1 LOGX2 -2.842499 0.207811 1.110300 19.29828 -41.2919 Mean dependent var S.783958 0.03004 5. Durbin-Watson stat R-squared Adjusted R-squared S.73940 212. Error t-Statistic Prob. of regression Sum squared resid Log likelihood F-statistic 4. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.320014 1.344385 .391539 0.0000 0.

Goodyear. Model juga mengasumsikan koefisien slope dari dua variabel adalah sama untuk keempat perusahaan  Regresi data panel dengan metode OLS di mana seluruh koefisien konstan antara waktu dan individu dapat memberikan hasil yang kurang baik dalam menggambarkan hubungan antara Y dan X pada keempat perusahaan tersebut .2% dengan memperhitungkan jumlah variabel yang dimasukkan ke dalam model)  Koefisien X bernilai positif. US dan UO adalah sama. faktor lain diasumsikan tetap)  Uji Statistik F: Secara bersama-sama.  Perkiraan model mengasumsikan bahwa nilai intersep IBM. sesuai dengan teori (X1 dan X2 berhubungan positif dengan variabel Y)  Uji statistik t: masing-masing koefisien signifikan secara statistik dengan alfa 1 % jika harga saham (X1 naik 1% maka nilai investasi akan naik sebesar 0. seluruh variabel bebas berpengaruh signifikan terhadap Y  Nilai Durbin-Watson yang rendah kemungkinan karena ada autokorelasi pada data juga karena kesalahan spesifikasi.Interpretasi Pooled LS  Nilai koefisien determinasi = 0. ceteris paribus.6%)  Nilai adjusted R-square = 0.842 (model mampu menjelaskan variasi Y sebesar 84.91%.846 (model mampu menjelaskan variasi Y sebesar 84.

Fixed Effect Model (LSDV) .

Fixed Effect: Pendekatan LSDV      Run persamaan dengan menggunakan dummy variabel dengan metode OLS logy c logx1 logx2 d1 d2 d3 Contoh: buat dummy individu. dalam hal ini individu ke-4 (US) menjadi kategori basis atau referensi d1 = 1 untuk individu ke-1 (IBM) d1 = 0 untuk individu lainnya d2 = 1 untuk individu ke-2 (GY) d2 = 0 untuk individu lainnya d3 = 1 untuk individu ke-3 (UO) d3 = 0 untuk individu lainnya .

D.320014 1.884341 6.0000 0.313043 -0.047154 .315667 -0.226041 0.570443 0. dependent var 4.945128 Mean dependent var S.481923 -4.237179 -5.054320 0.401506 4.341280 0.739064 0.Fixed Effect: Pendekatan LSDV Dependent Variable: LOGY Method: Panel Least Squares Date: 11/21/13 Time: 07:40 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std.768662 -1.0000 0.0001 0.808876 -2.302850 0.754284 0. Error t-Statistic Prob.181409 0.948601 0.116790 0. C LOGX1 LOGX2 D1 D2 D3 -0.6892 0.0219 R-squared Adjusted R-squared 0.0000 0.352097 -0.

769  nilai perbedaan antara intersep individu ke-1 dengan individu basis (individu ke-4) Koefisien dari D2 = -1.769) Nilai aktual intersep untuk Goodyear = -1.313  nilai perbedaan antara intersep individu ke-2 dengan individu basis (individu ke-4) dst… Nilai aktual intersep untuk IBM = -1. . c = -0. dalam hal ini individu ke-4 (US Steel) Koefisien dari D1 = -0.739) Nilai aktual intersep untuk US Steel = -0.3029 Dibandingkan hasil pendekatan PLS maka hasil pendekatan FEM: memiliki nilai estimasi koefisien yang lebih signifikan nilai R2 yang meningkat nilai Durbin-Watson yang lebih tinggi.3029-0.Interpretasi LSDV       Semua variabel dummy memiliki nilai signifikan yang sangat tinggi (nilai p-value yang sangat kecil)  menunjukkan bahwa intersep masing-masing perusahaan memang berbeda Model FEM LSDV mampu menjelaskan adanya perbedaan perilaku keempat perusahaan tersebut Nilai intersep yang berbeda pada keempat perusahaan karena perbedaan karakteristik yang unik pada keempat perusahaan seperti perbedaan gaya manajemen dan kemampuan manjerial.3029 merupakan intersep dari individu yang menjadi basis.313) Nilai aktual intersep untuk UO = -1.6158 (-0.  Pendekatan FEM memberikan hasil yang lebih baik.0419 (-0.3029-0.3029-1.0715 (-0.

.   k xkit  i  uit yit  (  0  i )  1 x1it   2 x2it  ...   k xkit  uit .Fixed Effect Model yit   0  1 x1it   2 x2it  ...   k xkit  uit yit   0i  1 x1it   2 x2it  ...   k xkit   it yit   0  1 x1it   2 x2it  ..

Estimasi Fixed Effect     Quick: estimate equation Spesification: masukkan persamaan variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi Panel option Effect spesification cross section : fixed period : none GLS weight: no weight Name: fixed .

481923 0.0000 Effects Specification Cross-section fixed (dummy variables) . Error t-Statistic Prob.0928 0.352097 0.054320 -1.0000 0.884341 6.702836 4.116790 0.Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:33 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std.570443 0.008042 0. C LOGX1 LOGX2 -1.591978 0.

705192 .063470 -0.View: Fixed/Random Effects > cross section effect Cross Section Fixed Effects CROSSID Effect 1 2 3 4 -0.607851 -0.033872 0.

033872 0.607851 -0.008042 -1.071512 -1.008042 -0.063470 -0.705192 -1.615893 -1.008042 -1.Nilai intersep aktual individu ke-i = c + λi (FEM) Konstanta Fixed Effect Nilai Intersep Aktual Individu ke-i (1)+(2) (1) (2) (3) -1.008042 -1.302850 .041914 -0.

0419 ((-1.008+0.Jika terjadi kenaikan x1 sebesar satu satuan maka akan meningkatkan y sebesar 0.705)  Perusahaan yang mempunyai nilai rata-rata Y (nilai investasi) terbesar adalah perusahaan ke-4 (US Steel)  Perusahaan yang mempunyai nilai rata-rata Y (nilai investasi) terkecil adalah perusahaan ke-2 (Goodyear) . dengan asumsi variabel lain konstan (ceteris paribus) dst…  Interpretasi nilai intersep pada FEM: Nilai intersep yang berbeda pada keempat perusahaan karena perbedaan karakterristik yang unik pada keempat perusahaan seperti perbedaan gaya manajemen dan kemampuan manjerial. Nilai aktual intersep untuk IBM = -1.57.063) Nilai aktual intersep untuk GY = -1.6158 (-1.008-0.034) Nilai aktual intersep untuk US = -0.0715 (-1.608) Nilai aktual intersep untuk UO = -1.008-0.3029 ((-1.008-0.Interpretasi FEM Hasil FEM menunjukkan:  Adanya hubungan positif antara x1 dan x2 terhadap Y  Interpretasi nilai slope untuk model FEM sama dengan model OLS biasa .

...   k xkit  u it  0 i   0  i yit   0  1 x1it   2 x 2it  .. tapi dianggap sebagai peubah random dengan nilai ratarata βo dan deviasi acak intercept individu dari nilai intercept rata-rata sebesar λi Nilai intersep masing-masing perusahaan sebesar oi (nilai intersep aktual) .   k xkit   it   oi tidak dianggap konstan.Random Effect Model yit   0i  1 x1it   2 x 2it  ...   k xkit  (i  u it ) yit   0  1 x1it   2 x 2it  .

t  s. i atau i ~ N (0. t E ( it2 )   u2   2 t  s. and E ( xkit i )  0 for all k . E ( it  is )   2 . E (i2 )   2 .  2 ) u it ~ N (0.Asumsi REM E (uit )  E (i )  0. E (uit2 )   u2 . E (uit i )  0 for all i. t .  u2 )     Error individual tidak berkorelasi satu sama lain Tidak ada autokorelasi pada data cross section maupun data time series Tidak ada korelasi antara komponen error dengan variabel penjelas Sehingga E ( it )  0 Var ( it )   2   u2 .

Estimasi Random Effect     Quick: estimate equation Spesification: masukkan persamaan: variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi Panel option Effect spesification cross section : random period : none GLS weight: no weight Name: random .

0716 0. Cross-section random Idiosyncratic random 0.608437 0.435428 0.053142 -1.341992 0.637481 0.245294 Rho 0.0000 Effects Specification S.D.0000 0.Dependent Variable: LOGY Method: Panel EGLS (Cross-section random effects) Date: 11/18/13 Time: 15:40 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Swamy and Arora estimator of component variances Variable Coefficient Std.514840 6.826614 5.110327 0.185062 0. C LOGX1 LOGX2 -1. Error t-Statistic Prob.8710 0.648776 0.1290 .

645614 .067142 2 -0.589243 3 0.View: Fixed/Random Effects > cross section effect Cross Section Random Effects CROSSID Effect 1 -0.010771 4 0.

185062 1.645614 1.185062 1.185062 1.117920 0.Nilai intersep aktual individu ke-i (REM) Konstanta Random Effect = c + λi Nilai Intersep Aktual Individu ke-i (1)+(2) (1) (2) (3) 1.185062 Jumlah = 0 .185062 1.185062 -0.589243 0.010771 0.595819 1.067142 -0.

Random effect dari IBM adalah -0.185.067 menunjukkan seberapa besar intersep IBM berbeda dari nilai intersep bersama  perusahaan IBM memiliki intersep 0.646 lebih tinggi dari intersep bersama) dst… .067 lebih rendah dari intersep bersama) dst… Random effect dari US adalah 0. Jumlah nilai efek acak yang diberikan pada keempat perusahaan akan sama dengan nol Intercept c merepresentasikan nilai rata-rata dari seluruh cross-sectional intercept (nilai intersep umum/nilai intersep bersama/nilai intersep rata-rata) yaitu sebesar -1. Error component λi merepresentasikan deviasi acak intercept individu dari nilai intercept rata-rata. 3.Interpretasi REM 1.646 menunjukkan seberapa besar intersep US berbeda dari nilai intersep bersama  perusahaan US memiliki intersep 0. 2. 4.

Komponen error λi mewakilkan deviasi acak dari intersep individual terhadap nilai rata-ratanya .Perbedaan FEM dan REM   FEM: tiap-tiap unit cross section mempunyai nilai intersep masing-masing REM: .Intersep bersama mewakilkan nilai ratarata dari semua intersep (cross section) .

Uji Chow   Pastikan kita berada pada window hasil estimasi dengan pendekatan fixed effect View: Fixed/Random Effects Testing > Redundant Fixed Effects – Likelihood Ratio .

0000 . (3.0000 0.74) 3 0.Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Cross-section F Cross-section Chi-square Cross-section fixed effects test equation: Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:38 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Statistic 49.005196 87.533451 d. Prob.f.

01(3.74) = 4.452503 4 1    Fo = 49.452503 4(20)  4  2 F0  x ) 4.NT-N-K) = F 0.005 Ftabel = F(N-1.29828  4.Uji Chow (hitung manual) 13.058 Fo> F-tabel  cukup bukti utk menolak H0 artinya dugaan intersep sama utk semua individu dpt ditolak .

Uji Hausman   Pastikan kita berada pada window hasil estimasi dengan pendekatan Random effect View: fixed/random effects testing > correlated random effects – Hausman Test .

1.608437 0.341992 0.Hausman Test Equation: Untitled Test cross-section random effects Test Summary Cross-section random Chi-Sq.6031 Random Var(Diff.3691 Cross-section random effects test comparisons: Variable LOGX1 LOGX2 Cross-section random effects test equation: Fixed 0. d.570443 0.000127 0.Correlated Random Effects .) Prob.f. 0.3213 0.011286 2 0. Statistic Chi-Sq.352097 . Prob.001468 0.

GLS Weight .

Uji Heteroskedasticity GLS WEIGHT  Cross section weights  adanya cross-section heteroskedasticity bandingkan sum square resid antara weight dan unweight  Period weights  adanya period heteroskedasticity ATAU  white heteros-cedasticity consistence variance (dikonstankannya residual) .

2240 0.772552 3.81151 -1.055664 -0.1012 0.309051 29.610516 -1.088038 0.150995 0.0005 0.34980 -0.319493 -0. Error t-Statistic Prob.364332 -0.736949 0.629049 -2.Total panel (unbalanced) observations: 129 Linear estimation after one-step weighting matrix berarti ada heteroskedas  model pakai fixed—cross section weight Weighted < Unweighted = ada heteroskedasti s Variable Coefficient Std.016947 -1.184015 3.797889 -1.7164 0.436768 0.0167 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics .4418 0.433516 -1.126828 0.0755 0.078652 0.158942 0.128401 0.276074 0.170663 0.687265 12.010458 0.0857 0.914117 -0.224338 -0.130254 3. C JLN LNPDRB MISKIN SR LNB_PENDIDIKAN LNBOS MURID_GURU MURID_SEKOLAH ART_5 PENDIDIKAN_KRT PEKERJA_ANAK 10.232435 1.420510 0.001333 -0.563390 0.2613 0.9865 0.0005 0.6657 0.67492 2.655722 1.006316 0.417892 -1.

055303 -1.595690 0.0000 Effects Specification Cross-section fixed (dummy variables) . Error t-Statistic Prob.111833 0.198098 0.Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights) Date: 11/18/13 Time: 15:45 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix Variable Coefficient Std.560888 0.0000 0.0512 0.982273 5.197825 6. C LOGX1 LOGX2 -1.342771 0.114604 0.

Hasil regresi data panel metode fixed effect dengan weighting cross section weights dan white heteroskedasticity-consistent standard errors & covariance: .

246854 0.0000 . Error t-Statistic Prob.342771 0.226306 7.111833 0.Hasil regresi data panel metode fixed effect dengan weighting cross section weights dan white heteroskedasticity-consistent standard errors & covariance: Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights) Date: 12/06/13 Time: 09:29 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix White cross-section standard errors & covariance (d.0366 0.0000 0.047299 -2. corrected) Variable Coefficient Std.128223 7.522423 0.f.595690 0. C LOGX1 LOGX2 -1.082434 0.

Uji Autokolerasi  Durbin Watson Statistik .

Coef Covariance Method .

Cross-section SUR   Struktur Heteroskedastik dan ada autokorelasi antar kelompok individu (crossection)  cross-section SUR Estimate.panel option – coef covariance method – cross section SUR (PCSE) .

Error t-Statistic Prob.0438 0.0000 Effects Specification Cross-section fixed (dummy variables) .050602 5.110741 0.542198 0.477064 0.595690 0.111833 0.f.379128 5.062583 -2. C LOGX1 LOGX2 -1.0000 0.Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights) Date: 11/18/13 Time: 15:47 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix Cross-section SUR (PCSE) standard errors & covariance (d. corrected) Variable Coefficient Std.342771 0.

Misal Model Terbaik: FEM dengan section weight and cross section SUR View > representation cross .

Uji F Nilai R square.Random effect (cross) > Gujarati 5 edition .Fixed effect (cross) . FEM (LSDV). FEM.Konstanta random effect Uji Chow.Individual effect untuk i = c + fixed effect i . Uji Hausman Uji asumsi th   . REM .Tugas: Interpretasikan hasil output     Uji stasioneritas Uji t. Nilai Adjusted R square Hasil PLS.

yearly xtreg logy logx1 logx2. fe est sto fixed xtreg logy logx1 logx2. re est sto random hausman fixed .STATA          Data editor > copy data COMMAND sort i t xtset i t.

xi: reg logy logx1 logx2 i. test _Ii_2 _Ii_3 _Ii_4 .i . test _It_1936 _It_1937 _It_1938 _It_1939 _It_1940 _It_1941 _It_1942 _It_1943 _It_1944 _It_1945 _It_1946 _It_1947 _It_1948 _It_1949 _It_1950 _It_1951 _It_1952 _It_1953 _It_1954 .t . xi: reg logy logx1 logx2 i.    .

e . UJI KENORMALAN . sktest resid . fe . predict resid. xtreg logy logx1 logx2. 1.

-mengeluarkan uji cross-sectional dependence dengan Pesaran's Test misalnya variabel dependen Y. X3.2. variabel independen X1. pesaran abs Ho: antar variabel independen tidak berkorelasi (residual tidak berkorelasi) dan yang diharapkan adalah Terima Ho. pada contoh misalkan terpilih model fixed. X2. command -xtreg Y X1 X2 X3. UJI MULTIKOLINEARITAS ANTAR VARIABEL INDEPENDEN (CROSS-SECTIONAL DEPENDENCE) step2 -mengeluarkan model yang terpilih berdasarkan berbagai uji yg telah dilakukan. . fe -xtcsd.

fe . xtreg logy logx1 logx2. UJI HETEROSCEDASTICITY . xttest3 . 3.

 4. UJI ADANYA AUTOKORELASI (Wooldridge test for autocorrelation)   . xtserial logy logx1 logx2 .

. panels(hetero) corr(ar1) . xtgls logy logx1 logx2. xtpcse logy logx1 logx2. correlation(ar1) .