Pengertian dan Kegunaan Ekonometrika

Ekonometrika merupakan perpaduan dari teori ekonomi, matematika dan statistika, yang dapat digunakan untuk memecahkan persoalan ekonomi yang bersifat kuantitatif, secara empiris. Teori ekonomi berfungsi untuk mengidentifikasi variabel-variabel yang terlibat dalam suatu gejala ekonomi dan atau teori ekonomi yang akan dianalisis, beserta banyaknya hubungan antarvariabel. Matematika berfungsi untuk merumuskan hubungan antarvariabel tersebut dalam bentuk persamaan matematis, agar dapat diuji keberlakuannya secara empiris. Sedangkan statistika berfungsi untuk menentukan nilai koefisien daripada variabel-variabel ekonomi beserta tingkat keeratan hubungan dan pengaruh antarvariabelnya. Sebagai perpaduan dari teori ekonomi, matematika dan statistika, ekonometrika dapat diartikan sebagai bidang studi yang mempelajari gejala ekonomi dan atau teori ekonomi yang bersifat kuantitatif, secara empiris, berdasarkan rumusan matematis dan analisis statistika. Sehingga sangat berguna dalam merumuskan model, menganalisis data empiris untuk menguji keberlakuan suatu teori ekonomi dan atau memecahkan persoalan yang terdapat dalam suatu gejala ekonomi, serta untuk menarik kesimpulan yang sangat bermanfaat dalam penentuan kebijakan, dan meramalkan gerak perubahan nilai variabel. Pendekatan Ekonometrika Analisis deskriptif adalah suatu model pendekatan yang menguraikan suatu kejadian atau suatu kesatuan ekonomi menjadi beberapa bagian atau komponen yang lebih kecil, agar dapat diketahui indikator variabel yang dominan, rasio perbandingan antarvariabel-variabelnya, dan proporsi setiap komponen dari keseluruhan kejadian ekonomi tersebut. Sedangkan analisis regresi adalah suatu model pendekatan yang melihat gerak perubahan suatu variabel, dalam kaitannya dengan gerak perubahan variabel lain yang dapat mempengaruhiya. Metode Analisis Dalam analisis ekonometrika Anda mengenal adanya metode persamaaan tunggal dan persamaan serempak. Metode persamaan tunggal menggambarkan bentuk satu persamaan yang bersifat satu

sedangkan ekonometrika terapan adalah penggunaan ekonometrika teoritis untuk menganalisis gejala ekonomi dan atau teori ekonomi yang bersifat khusus. Persamaan tunggal dapat dibedakan menjadi persamaan tunggal berdasarkan data berkala dan persamaan tunggal berdasarkan persamaan regresi. namun tidak dimasukkan dalam model persamaannya. Yaitu variabel acak yang mewakili semua variabel lain yang dapat mempengaruhi perubahan variabel terikat.arah. Sehingga disebut sebagai variabel acak. . sedangkan persamaan serempak dapat dibedakan menjadi persamaan pengertian dan persamaan tingkah laku. Dalam persamaan serempak Anda juga mengenal adanya variabel endogen dan variabel eksogen. Tahapan Analisis Perumusan model bisa bersumber dari teori ekonomi dan bisa pula dari gejala ekonomi. Analisis ekonometrika dapat dibedakan menjadi ekonometrika yang bersifat teoritis dan ekonometrika terapan. sedangkan metode persamaan serempak menggambar kan lebih dari satu bentuk persamaan dan bersifat timbal balik. sehingga tidak turut diperhitungkan. dalam analisis ekonometrika juga selalu diperhitungkan adanya unsur kesalahan pengganggu. Selain perbedaan metode analisis. sebenarnya juga memiliki peluang untuk terpilih sebagai variabel yang dapat mempengaruhi. Variabel eksogen adalah variabel yang gerak perubahan nilainya ditentukan dari luar siklus kegiatan ekonomi namun dapat mempengaruhi kegiatan ekonomi. Ekonometrika teoritis adalah pengembangan metode yang tepat untuk mengukur pengaruh hubungan antarvariabel ekonomi berdasarkan model ekonometrika. Variabel yang dikatagorikan sebagai unsur kesalahan pengganggu. sedangkan variabel endogen adalah variabel yang gerak perubahan nilainya bersumber dari hasil kegiatan ekonominya itu sendiri. model yang bersumber dari teori dapat diartikan sebagai himpunan persamaan-persamaan matematis. Sedangkan model yang bersumber dari gejala ekonomi diartikan sebagai penyederhanaan dari keadaan perekonomian yang sesungguhnya.

dengan menggunakan tes statistik kai kuadrat. tahap berikutnya yang Anda lakukan adalah menaksir nilai parameter. Baik model yang bersumber dari teori ekonomi maupun model yang bersumber dari gejala ekonomi. Setelah Anda merumuskan model. Disamping itu dalam perumusan model. sehingga belum mangetahui besamya nilsi parameter yang sesungguhnya. uji t dan uji F yang menggunakan tabel analisis varians (anava). Namun sebaliknya kalau hipotesis kerja (H1) yang Anda kemukakan ditolak. agar dapat meramalkan besarnya nilai variabel terikat . Dari hasil uji hipotesis atau uji parameter. Anda dapat menarik suatu kesimpulan. Konsep Analisis Regresi Analisis regresi dapat diartikan sebagai studi ketergantungan satu variabel terikat pada satu atau beberapa variabel bebas yang dapat mempengaruhinya. yang lebih dikenal sebagai pengujian hipotesis. Namun kalau beda waktu tersebut terdapat juga pada variabel terikat. Penaksiran dilalakukan karena Anda belum melakukan analisis data secara empiris. manakala perubahan variabel bebas telah diketahui. maka hipotesis nol (H0) ditolak.Dalam perumusan model Anda juga telah mengenal adanya model persamaan tunggal dan model persamaan serempak. baru kemudian dilakukan pengujian nilai parameter. yaitu pengaruh dari variabel bebas (X) terhadap variabel terikat (Y). adakalanya sudah diperhitungkan adanya unsur beda waktu. sehingga tugas Anda berikutnya adalah melakukan peramalan tentang arah perubahan variabel terikat. berarti hipotesis nol (H0) diterima. Model persamaan tunggal menggambarkan bentuk hubungan antarvariabel yang bersifat satu arah. maka model persamaannya dinamakan model persamaan beda waktu. Kalau beda waktu tersebut hanya ada pada variabel bebas. apakah hipotesis kerja yang Anda kemukakan (H1) dapat diterima secara signifikan atau ditolak? Kalau hipotesis kerja (H1) Anda diterima. Dengan rnaksud untuk menaksir dan memprakirakan nilai rata-rata populasi. maka model persamaannya dinamakan model persamaan autoregresif. sehingga yang dapat Anda lakukan adalah kembali merumuskan model. Sedangkan model persamaan serempak menggambaran pengaruh hubungan yang bersifat timbalbalik. Setelah menaksir nilai parameter.

namun tidak memasukkan dalam model persamaan tidak sangat turut dinamis. dapat dirumuskan secara matematis dan dianalisis secara statistika. Karena itu sifat hubungan antar variabelnya bukan merupakan hubungan fungsional yang detaministik. tetapi juga adanya variabel lain yang dapat mempengaruhi perubahan variabel terikat. Sedangkan nilai rata-rata E(Y/X) dalam fungsi regresi sampel. yang bersifat pasti. karena unsur kesalahan pengganggu dalam ekonometrika dapat dieleminir dan ditentukan besarnya dengan menggunakan metoda kuadrat . variabel yang dianalisis adalah variabel yang memiliki sebaran peluang yang sama. Anda harus membuktikannya secara statistika. Untuk membuktikan kebenaran nilai taksiran atau ramalan tersebut.yang sebenarnya dimasa yang akan datang. Melainkan hubungan ketergantungan statistik. Tetapi juga bukan merupakan hubungan kausal yang bersifat satu arah. sehingga perubahan variabel Y mempunyai ketergantungan pada perubahan variabel X. dapat diwubudkan dalam bentuk persamaan rata-rata E(Y/X). Ketidaktepatan ini bukan hanya karena adanya unsur kesalahan pengganggu. KaLau variabel teIikat (Y) merupakan fungsi linier dari variabel bebas (X) dan juga merupakan fungsi regresi populasi. dan nilai rataratanya disebut sebagai nilai rata-rata sebenarnya. Kesalahan pengganggu yang biasa disimbolkan dengan U atau e bukan hanya berupa penyimpangan individual dari rata-rata harapan kelompoknya. dapat ditaksir dengan menggunakan atau Y topi. Karena f (X) bisa terdiri dari Bo dan B1 X maka bentuk persamaan Y = f (x) dapat dimodifikasi menjadi Y = Bo + B1 X. Sehingga adanya kesalahan pengganggu dapat mencerminkan bahwa penubahan variabel Y tidak hanya ditentukan oleh variabel X. sehingga pemilihan sampelnya bisa bersifat acak atau random atau stokastik. Hasil analisis regresi dalam ekonometrika tidak selamanya tepat 100%. Yang artinya variabel terikat (Y) merupakan fungsi dari variabel bebas (X). maka rata-rata harapan Y untuk setiap X yang diketahui. yang bisa Anda nyatakan dalam bentuk persamaan Y = f (X). Dalam analisis regresi. Fungsi Regresi Fungsi regresi adalah aturan yang menentukan besarnya pengaruh perubahan variabel bebas (X) terhadap variabel terikat (Y). yang.

neg. sehingga titik perpotongan antara fungsi linier dan sumbu Y akan berada dibawah sumbu X. Selain pararneter Bo Anda juga mengenal adanya parameter B1 yang akan membentuk tangen sudut atau slope antara fungsi linier dengan sumbu X. Fungsi linier dapat menunjukan bentuk hubungan yang positif atau negatif. dengan garisnya bergerak dari kiri atas ke kanan bawah Linieritas regresi juga dapat dibedakan menjadi linieritas variabel dan linieritas parameter. Namun kalau tidak membentuk garis lurus. garis regresinya dinamakan fungsi kuIve linier. sehingga garisnya bergerak dari kiri bawah ke kanan atas. Jika intercept Y positif. atau karena penggunaan alat ukur variabelnya tidak sahih. sehingga titik perpotony. maka garis tersebut dinamakan fungsi linier. Jika garis regesi membentuk satu garis lurus. yang bisa memiliki nilai positif atau negatif. sehingga dapat menggambarkan tingkat kemiIingan fungsi linier.an antara fungsi linier dengan sumbu Y akan berada diatas sumbu X. Secara geometris linieritas dapat diartikan sebagai garis lurus. Sebaliknya kalau setiap kenaikan variabel bebas (X) selalu diikuti dengan penurunan variabel terikat (Y) maka Inieritasnya dikatakan negatif. Namun jika negati:f berarti nilai Y lebih kecil dari nol. disebut koordinat. Linieritas pararneter muncul karena adanya parameter Bo sebagai nilai Y manakala nilai X = O atau manakala nilai X konstan. Linieritas Regresi Pasangan nilai X dan Y yang diwujudkan dalam bentuk titik XY. Banyaknya parameter B yang dapat membentuk tangen sudut atau . atau sama dengan nol. yang sekaligus juga bisa menunjukan titik perpotongan antara fungsi linier dengan sumbu Y Sehingga sering disebut sebagai intercept Y. Kalau koordinat-koordinat ini dihubungkan satu sama lain secara berurutan maka akan terbentuk satu garis.atif. yang bisa memiliki nilai positif. yang disebut garis regresi. Sedangkan kalau intercept Y sama dengan nol maka titik perpotongan fungsi linier dengan sumbu Y akan berada tepat di titik pertemuan antara sumbu Y dengan surnbu X. berarti nilai Y lebih besar dari nol. Suatu linieritas regresi dikatakan positif manakala setiap kenaikan variabel bebas (X) selalu diikuti dengan kenaikan variabel terikat (Y). Namun bisa pula dikarenakan tidak terpenuhinya asumsi yang melandasi keberlakuan teorinya.terkecil. atau pada titik nol.

tergantung pada banyaknya variabel bebas atau variabel yang dapat mempengaruhi perubahan variabel terikat. Serta model perubahan terbalik. apabila proses perubahannya berlawanan antara satu variabel dengan variabel yang lainnya. Semi log. Berdasarkan satuan ukuran yang digunakannya. untuk menentukan tingkat keeratan atau kekuatan hubungan antar variabel tersebut. Penentuan posisi nilai parameter bo dan b1 dapat menentukan bentuk garis regresi dan hubungan antar variabelnya. fungsi regresi dalam model regresi dua variabel dapat Anda bedakan menjadi model log linier. sedangkan komponen lainnya tidak berubah. Karena itu penentuan linieritas regresi yang semula banyak menggunakan garis yang menghubungkan koordinat titik-titik XY dalam suatu diagram pencar. apabila hanya sebagian komponen yang Anda ubah menjadi bentuk logaritma natural. Fungsi utama koefisien korelasi atau r adalah. melalui penentuan besarnya pengaruh vasiabel bebas (X) terhadap variabel terikat (Y) secara keseluhan. Prinsip Metode Kuadrat Terkecil Penentuan linieritas yang dapat menggambarkan fungsi regresi. apakah garis regresinya belbentuk garis lurus sehingga hubungan antar variahelnea merupakan fungsi linier. sangat penting dalam analisis regresi. kemudian dikembangkan dengan penghitungan estimator bo dan b1 melalui metoda kuadrat terkecil. .slope. Linieritas Regresi dan Korelasi Linieritas merupakan landasan utama bagi analisis regresi. karena dapat menentukan ketepatan peramalan variabel terikat. atau tidak linier. Fungsi utama koefisien regresi adalah menentukan model hubungan antar variabel dan peramalkan nilai variabel Y untuk variabel X yang telah diketahui. hanya dapat dilaksanakan kalau model hubungan antara variabelaya linier. Sedangkan fungsi utama koefisien determinasi adalah untuk menguji ketepatan hasil analisis regresi. karena pelaksanaan tugas regresi dalam peramalan nilai variabel Y untuk variabel X yang telah diketahui secara tepat. apabila semua nilai komponen yang dianalisis Anda ubah menjadi bentuk bentuk logaritma natural (ln).

yang dapat Anda gunakan untuk mengukur tingkat ketepatan suatu nilai taksiran. Namun dalam penentuan ukuran ketepatan Anda sering dihadapkan pada varians sebagai ukuran Besarnya sebaran nilai taksiran. dengan kelompok X yang lainnya. yang bersumber dari populasi. Namun untuk dapat menggunakan metode kuadrat terkecil tersebut diperlukan asumsi-asumsi yang melandasi keberlakuan teorinya. Tidak terjadi korelasi antara rata-rata harapan kesalahan pengganggu untuk kelompok X yang satu. antara lain: Nilai harapan kesalahan pengganggu akibat adanya keanekaragaman variabel bebas. Berdasarkan model persamaan (3. Simpang baku yang diukur dengan nilai taksiran. Anda dapat menggunakan metode kuadrat terkecil.1-12) dan (3. Pengujian Hipotesis dan Peramalan . Ukuran Ketepatan Nilai Taksiran Perhitungan nilai koefisien regresi dari suatu sampel dapat menghasilkan nilai taksiran yang berbeda dengan sampel lainnya.Untuk menentukan besarnya nilai taksiran koefisien regresi b0 dan b1. Karena itu diperlukan suatu ukuran tingkat keyakinan tentang ketepatan nilai taksiran. juga berbeda.1-13). Untuk menentukan nilai taksiran Anda dapat menggunakan bentuk taksiran tunggal dan interval taksiran. Varians rata-rata harapan kesalahan pengganggu untuk setiap kelompok X harus memiliki nilai yang sama. harus sama dengan nol. Anda juga memerlukan ukuran ketepatan. dinamakan kesalahan baku. yang dibatasi oleh batas atas dan batas bawah kelas interval. terdapat beberapa nilai taksiran untuk berbagai kemungkinan nilai koefisien yang sebenarnya. Ukuran yang biasa digunakan untuk menentukan tingkat keyakinan suatu nilai taksiran adalah (1. sehingga nilai taksiran sama dengan nilai yang sebenarnya Sedangkan dalam taksiran yang menggunakan interval. Dengan adanya perbedaan ini maka kedekatan nilai taksiran koefisien dari setiap sampel dengan nilai koefisien yang sebenarnya. walaupun permasalahan dan populasinya sama.) Selain tingkat keyakinan. Dalam taksiran tunggal biasanya hanya terdapat satu nilai taksiran sebagai penentu nilai koefisien sebenarnya. Serta tidak terjadi korelasi antara unsur kesalahan pengganggu (e) dengan variabel bebas (X). dan simpang baku yang mengukur perbedaan nilai koefisien regresi dari rata-ratanya secara keseluruhan.

Kalau keberlakuan suatu hipotesis secara empiris dapat dibuktikan kebenarannya maka Anda dapat melakukan peramalan nilai variabel terikat manakala nilai variabel bebas dan model persamaan beserta nilai koefisien regresinya telah Anda ketahui. karena itu seringkali dilakukan modifikasi data untuk membuktikan kebenaran suatu hipotesis. Sedangkan pengujian hipotesisnya dapat Anda lakukan baik melalui pengujian interval keyakinan. Karena sebagaimana telah Anda pahami bahwa linieritas regresi sampel tidak selamanya persis sama dengan linieritas regresi yang sebenarnya. Dengan kata lain hipotesis merupakan suatu proposisi yang dapat memprediksi arah hubungan antarvariabel. sehingga disebut hipotesis nol. karena analisis regresi tidak dapat menjelaskan secara tepat tentang tingkat keeratan hubungan antarvariabel yang dianalisis. yang kebenarannya harus dibuktikan secara empiris. Setiap ilmuwan umumnya menyangsikan kebenaran suatu pernyataan sebelum terbukti kebenarannya secara empiris. maupun ramalan nilai variabel terikat secara individual atau tunggal. koefisien determinasi. Untuk menghindari kemungkinan tersebut maka rumusan hipotesis yang digunakan umumnya diformulasikan untuk ditolak. yang bersumber dari populasi. yang pernyataannya berlawanan dengan hipotesis kerja. dengan fungsi utamanya untuk menguji kebenaran dan atau ketidak-benaran suatu teori. uji signifikansi. Peramalan ini dapat Anda lakukan baik dalam bentuk ramalan nilai rata-rata atau E(Yr/Xr). Korelasi dan Determinasi Analisis regresi selalu diikuti dengan analisis korelasi dan determinasi. juga dapat Anda gunakan untuk menentukan tingkat ketepatan linieritas regresi taksiran dari linieritas regresi yang sebenarnya. Dan persoalan ini dapat Anda jelaskan. maupun analisis varians.Hipotesis adalah jawaban sementara atas suatu masalah yang diungkapkan dalam bentuk konsep pemikiran dan atau pernyataan tentatif tentang dugaan hubungan antarvariabel. . serta besarnya pengaruh variabel bebas X terhadap variabel terikat Y. rnelalui penentuan koefisien korelasi r serta koefisien determinasi r2. Selain untuk menentukan besarnya pengaruh variabel bebas X terhadap variabel terikat Y.

Menentukan jumlah dari semua rata-rata hitung. maka dalam analisisnya juga masih bisa digunakan metode kuadrat terkecil. dengan model analisis regresi yang bersifat multivariate. Untuk mempermudah analisis data. karena masing-masing variabel bebas X dapat mempengaruhi perubahan variabel terikat Y. Atau dicari secara bersamaan dengan koefisien regresi secara sekaligus.Koefisien korelasi r dan koefisien determinasi r2. ditambah dengan satu asumsi tambahan. Keberlakuan analisis regresi ganda dilandasi oleh asumsi-asumsi yang sama dengan analisis regresi sederhana. Variabel Boneka (Dummy Variables) dalam Analisis Regresi . Dalam arti di antara variabel bebas X1 dan X2 tidak terjadi korelasi secara linier. yaitu nonmultikolineariti. juga di antara variabel bebas X yang satu dengan variabel bebas X yang lainnya. terlebih dahulu Anda dapat melakukan lima kegiatan awal yang dimulai dari perubahan bilangan data menjadi bentuk log natural. Karena itu analisis regresi ganda merupakan jembatan penghubung antara analisis regresi sederhana yang bersifat bivariate. maka sebelum dilaksanakan analisis regresi ganda. Menentukan nilai besaran-besaran yang diperlukan untuk keperluan analisis regresi ganda. Namun karena dalam analisis regresi ganda juga dianalisis hubungan antar satu variabel bebas X dengan variabel terikat Y manakala variabel bebas X lainnya dianggap konstan. Hal ini mencerminkan bahwa analisis korelasi dan determinasi bisa Anda gunakan sebagai teknik analisis tersendiri. Dengan demikian selain antara komponen kesalahan pengganggu e dengan variabel bebas X yang tidak boleh terjadi korelasi secara linier. Analisis Regresi Ganda Untuk Tiga Variabel Analisis regresi ganda adalah suatu metode analisis regresi untuk lebih dari dua variabel. dapat Anda cari dengan cara menstransformasikan hasil analisis regresi yang erat kaitannya dengan korelasi dan determinasi yaitu hasil analisis varians dan simpang baku. yang terpisah dari analisis regresi. dan menentukan nilai hasil kali dari setiap pasangan variabel. karena itu termasuk dalam analisis multivariate. Menghitung kuadrat untuk setiap variabel.

teknik variabel ini harus digunakan dengan hati-hati.. memasukkan variabel boneka sangat banyak memerlukan derajat kebebasan (degree of freedom) disingkat df. Oleh karena itu ahli ekonomi dapat menganalisis masalah ekonomi dengan memasukkan pengaruh variabel-variabel non-ekonomis seperti pendidikan dan kebudayaan. menjadi anggota organisasi atau tidak. 3. tingkat pendidikan dan lain-lain yang dapat dibuat regresi secara individu untuk setiap kelompok kecil. Modelmodel dengan variabel tak bebas boneka (dummy). Meskipun variabel boneka merupakan alat yang baik. suku bangsa. Oleh karena itu benyaknya variabel boneka harus disesuaikan dengan banyaknya observasi yang tersendiri atau sebaliknya. jika dinyatakan sebagai fungsi linear dari . Variabel boneka merupakan alat yang penting untuk mengklasifikasikan data. Koefisien yang mengikuti variabel boneka harus ditafsirkan dalam hubungannya dengan kategori dasar. 2. psikologi dan lain-lain terhadap perubahan variabel-variabel ekonomi yang terjadi. maka banyaknya data variabel boneka (D) adalah banyaknya kategori untuk setiap data kualitatif dikurangi satu. Jika model regresi memuat suatu bilangan konstan. Variabel Tak Bebas Boneka (Dummy) Model-model variabel tak bebas yang bersifat dikotomi dengan mengambil nilai 1 atau 0 digunakan dalam situasi dimana variabel tak bebas memperoleh tanggapan ya atau tidak. Jika suatu model regresi meliputi beberapa variabel kualitatif dengan beberapa kategori. Jika terdapat perbedaan pengaruh variabel tak bebas terhadap berbagai variabel atau perubahan variabel kuantitatif dalam berbagai kelompok kecil. politik. seperti membeli atau tidak membeli rumah.Variabel kualitatif atau variabel boneka (dummy) dapat dipergunakan dalam model regresi bersama dengan variabel kualitatif. agama. yaitu kategori yang diberi nilai dengan angka 0. dan lain-lain. agama. perbedaan tersebut akan terlihat dalam perbedaan yang terjadi dalam intersep atau koefisien arah regresi atau keduanya dari berbagai regresi setiap kelompok kecil (misalnya gaji guru terhadap pengalaman mengajar bagi guru laki-laki dan guru perempuan). variabel ini dapat membagi suatu sampel menjadi berbagai kategori berdasarkan atribut misalnya status perkawinan. 1.

Probabilitas bersyarat yang ditaksir mungkin tidak terletak antara 0 dan 1 artinya bisa lebih kecil dari nol (negatif) atau lebih besar dari satu. sedangkan dengan model satu persamaan kita hanya dapat membuat analisis yang memperhitungkan pengaruh satu arah saja. Model Persamaan Tunggal dan Simultan Model persamaan simultan berbeda dengan model regresi linear yang hanya terdiri dari satu persamaan saja dengan hanya satu variabel tak bebas. 2. Masalah ini dapat dipecahkan dengan suatu teknik yang menjamin bahwa nilai probabilitas akan terletak antara 0 dan 1. Untuk sampel yang besar masih bisa melakukan pengujian hipotesis. karena penggunaan OLS masih menghasilkan penaksiran tak bias. variabel-variabel bebas ini diasumsikan tidak berkorelasi dengan kesalahan pengganggu. Masalah yang serius adalah masalah probabilitas bersyarat yang ditaksir mungkin tidak terletak antara 0 dan 1. . misalnya pengaruh X terhadap Y. karena peningkatan konsumsi akan meningkatkan produksi dan selanjutnya peningkatan produksi akan meningkatkan pendapatan sebagai balas jasa diterima oleh faktor produksi. misalnya Y dihubungkan dengan satu variabel bebas X atau lebih (X1 X2.variabel bebas (yang bersifat kuantitatif atau kualitatif atau keduanya) disebut model probabilitas linear (LPM) karena nilai yang diharapkan dari variabel tak bebas bersyarat atas nilai tertentu dari variabel bebas dapat ditafsirkan sebagai probabilitas bersyarat terjadinya suatu peristiwa. Kesalahan pengganggu tidak mengikuti distribusi normal. … Xk). Model probabilitas linear mengandung beberapa masalah penaksiran dalam hal: 1. tetapi sebenarnya konsumsi (Y) juga dapat mempengaruhi pendapatan (X). dalam kenyataannya Y juga dapat mempengaruhi X. Masalah pertama tidak serius. Masalah kedua dapat ditangani dengan mentransformasikan data. Dengan model persamaan simultan bisa memperhitungkan pengaruh variabel-variabel yang timbal balik. Varian kesalahan pengganggu heteroskedastik. 3. Contohnya pendapatan (X) mempengaruhi konsumsi (Y).

pada saat berfungsi sebagai variabel bebas dalam suatu persamaan akan berkorelasi dengan kesalahan pengganggu. baik sebagai variabel tak bebas maupun variabel bebas. jika banyaknya variabel eksogen yang tidak termasuk dalam persamaan sama dengan banyaknya variabel endogen dalam persamaan dikurangi satu Dalam persamaan exactly identified nilai yang unik bagi parameter struktural dapat dihitung dari parameter bentuk sederhana. jika banyaknya variabel eksogen yang tidak termasuk dalam persamaan lebih besar dari banyaknya variabel endogen dalam persamaan dikurangi satu. Masalah Identifikasi Masalah identifikasi harus diketahui sebelum kita menaksir koefisien-koefisien dari suatu persamaan dalam suatu model persamaan simultan yang dimaksud dengan masalah identifikasi ialah apakah taksiran angka dari koefisisn struktural (koefisien dari persamaan yang asli) dapat diperoleh dari taksiran koefisien bentuk sederhana. Suatu persamaam disebut underidentified. untuk parameter struktural dapat dihitung dari parameter bentuk sederhana. Variabel yang mempunyai dua fungsi.Dalam model persamaan simultan. jika banyaknya variabel eksogen yang tidak termasuk dalam persamaan lebih kecil dari banyaknya variabel endogen dalam persamaan dikurangi satu. kita tidak tahu apakah yang kita taksir itu suatu fungsi . overidentified atau underidentified. jadi dalam regres P (harga) atas Q (kuantitas barang). Suatu persamaan dalam suatu model disebut overidentified. Suatu persamaan dalam suatu model disebut exactly identified. Masalah identifikasi muncul karena sekelompok data dapat dipergunakan untuk menaksir suatu model yang berbeda atau suatu kelompok koefisien struktural yang berbeda. Sehingga penggunaan metode kuadrat terkecil (OLS) tidak akan menghasilkan penaksir yang konsisten artinya meskipun sampelnya diperbesar sampai tak terhingga nilai penaksir tidak akan sama dengan parameternya. Suatu persamaan dalam suatu model atau sistem persamaan dapat exactly identified. Dalam model seperti ini tak satu pun dari parameter struktural yang dapat dihitung dari parameter bentuk sederhana. Dalam model ini akan ada lebih dari satu nilai (tidak unik). variabel tak bebas yang sudah muncul dalam suatu persamaan bisa muncul lagi dalam persamaan lainnya sebagai variabel bebas.

kita dapat menerapkan teknik persamaan bentuk sederhana.permintaan atau penawaran. maka persyaratan order akan terpenuhi juga. Untuk menaksir identifiabilitas (dapat diidentifikasikannya) suatu persamaan struktural. tetapi prosedur yang memakan waktu ini dapat dihindarkan dengan menggunakan “the order rank condition of identification”. . Meskipun order condition mudah diterapkan tetapi hanya menunjukkan kondisi yang diperlukan untak diidentifikasi. sedangkan rank condition memenuhi baik untuk kondisi yang diperlukan dan cukup untuk diidentifikasi. Jika persyaratan rank sudah dipenuhi. karena kedua funSgsi tersebut menghubungkan harga dan kuantitas barang.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.