Professional Documents
Culture Documents
Materi 3 Ekonometrika
Materi 3 Ekonometrika
MATERI 3
A. Poin –poin materi
1. Sifat dasar regresi
2. Menafsirkan model regresi
3. Fungsi regresi populasi dan sampel
4. Makna istilah “Linier”
B. Uraian Materi
1. Sifat Dasar Regresi
Seperti yang telah dibahas sebelumnya, bahwa regresi adalah alat utama dalam
ekonometrika. Interpretasi istilah regresi modern agak sedikit berbeda. Secara jelas dapat
dikatakan “Analisis regresi berkaitan dengan studi mengenai ketergantungan satu
variabel (variabel dependen) terhadap satu atau lebih variabel lainnya (variabel
independen), dengan tujuan untuk mengestimasi dan atau memperkirakan nilai rerata atau
rata-rata variabel dependen dari nilai yang diketahui atau nilai tetap dari variabel
independen”.
Di dalam regresi akan dilihat pengaruh perubahan suatu variabel terhadap variabel
lain. Variabel yang mempengaruhi disebut variabel bebas (independent variable) dengan
simbol X, sedangkan yang dipengaruhi disebut variabel terikat (dependent variable)
dengan simbol Y. Berdasarkan variabel bebas, regresi dibagi menjadi 2, yaitu regresi
sederahana dan regresi berganda.
Sederhana: banyak variabel bebas tepat satu
x y
Regresi
̂0 + 𝛽
𝑌̂ = 𝛽 ̂1 𝑋
Keterangan:
𝑌̂ = Variabel terikat yang akan diduga
X = Variabel bebas
̂0 = konstanta
𝛽
̂1 = koefisien regresi
𝛽
Error (e) di dalam memprediksi nilai-nilai dalam ekonomi dan bisnis tidak dapat
dihindari karena banyak faktor yang mempengaruhi nilai tersebut.Biasanya yang dapat
dilakukan hanyalah meminimumkannya. Oleh karena itu, kita harus memilih metode
untuk mencari nilai pembentuk persamaan regresi yang dapat meminimumkan error yaitu
dengan ordinary least square = OLS (metode kuadrat terkecil) atau menggunkan aplikasi
SPSS.
2. Menafsirkan model regresi
Setelah mendapatkan nilai 𝛽0 dan 𝛽1 maka akan diperoleh persamaan regresinya.
Selanjutnya kita harus mempu menginterpretasi/menafsirkan persamaan regresi sehingga
dapat menarik kesimpulan dari teori atau permasalahan yang di teliti. Persamaan umum
regresi linier sederhana:
̂0 + 𝛽
𝑌̂ = 𝛽 ̂1 𝑋
E(Y X i ) 0 1 X i
di mana E(Y X i ) atau E(Y) adalah berarti rata-rata atau pengharapan akan nilai Y
atau koefisien regresi. 0 adalah koefisien intersep atau konstanta dan 1 adalah
koefisien slope atau kemiringan. Koefisien slope mengukur tingkat perubahan rata-
rata Y per unit akibat perubahan X. Bentuk persamaan matematis PRL sebagaimana
yang disajikan dalam persamaan di atas fungsi regresi populasi (PRF) dalam bentuk
linier.
b. Regresi Sampel
Selanjutnya, dari PRF, dapat pula dikembangkan konsep fungsi regresi sampel
(SRF). Hal ini penting, karena dalam dunia nyata, data populasi sangat sulit untuk
didapatkan atau ditemukan, sehingga salah satu langkah yang dapat dilakukan adalah
mengambil sampel dari populasi tersebut. Adapun bentuk dari persamaan SRF adalah
sebagai berikut:
Yˆi b0 b1 X i
di mana:
E (Y ) 0 1 (1 / X i ) (ii)
Kedua persamaan di atas dinamakan persamaan yang tidak linier, karena persamaan
(i) berpangkat 2, sementara persamaan (ii) dinyatakan dalam bentuk kebalikan
(inverse).
b) Linier Parameter
Linieritas parameter terjadi jika rata-rata kondisional dari variabel tak bebas
merupakan suatu fungsi linier terhadap parameter ß; fungsi tadi mungkin linier atau
tidak linier dalam variabel X. Dalam arti lain, bahwa suatu fungsi dikatakan linier
dalam parameter, kalau 1 bersifat pangkat 1. dengan definisi ini, persamaan di atas
(2.7) E (Y ) β 0 β12 X i
Dari dua interpretasi linieritas di atas, linieritas dalam parameter adalah relevan untuk
pengembangan teori regresi. Dalam analisis regresi linier sederhana, linier berarti
linier dalam parameter.