Professional Documents
Culture Documents
Econometrics1 2 Indo
Econometrics1 2 Indo
Alfa Farah
Department of Economics
Diponegoro University
diformulasikan:
y = β0 + β1x + u (1)
▶ y adalah variabel dependen/ variabel LHS (left-hand side/
variabel yang di jelaskan/ variabel yang diprediksikan /
variabel respons/ regressand
▶ x adalah variabel independen/ variabel RHS (right-hand
side)/ variabel penjelas / variabel prediktor/ variabel kontrol/
kovariat/ regressor
▶ u adalah error atau gangguan yang merepresentasikan
faktor-faktor luar selain x yang memengaruhi y
▶ β0 dan β1 adalah parameter yang ingin diestimasi, dengan β0
adalah parameter intersep (constant) dan β1 adalah
parameter kemiringan (slope).
Alfa Farah Ekonometrika 1 3 / 39
Terminologi Dasar
E (u) = 0 (2)
Asumsi ini bukanlah asumsi yang ketat karena kita bisa selalu
menggunakan β0 untuk menormalisasikan E (U) menjadi 0.
A.2 Variabel x dan u tidak saling berhubungan atau nilai rata-rata
u tidak bergantung pada nilai x. Dengan kata lain, u secara
rata-rata independen terhadap x (mean independent)
E (y |x) = β0 + β1 x (5)
▶ Persamaan (5) adalah fungsi regresi populasi (PRF/
population regression function)
▶ Persamaan (5) menunjukkan bahwa E (y |x) merupakan fungsi
linier dari x, di mana distribusi y terpusat pada E (y |x) untuk
setiap nilai x.
▶ Linearitas diartikan sebagai peningkatan satu unit x akan
mengubah nilai harapan y sebesar β1 .
yi = β0 + β1 xi + ui (6)
Q1: Bandingkan Eq. (1) dengan (6). Apa perbedaanya?
Alfa Farah Ekonometrika 1 9 / 39
Menderivasi Nilai Perkiraan OLS (OLS Estimates)
E (u) = E (y − β0 − β1 x) = 0 (8)
dan
Pn
(x − x̄)(yi − ȳ )
β̂1 = Pn i
i=1
2
i=1 (xi − x̄)
Achtung!!
Q1: Apa beda PRF and SRF? Bandingkan persamaan (5) and (19)
▶ Setiap obervasi yi terdiri dari fitted value ŷi dan residualnya ûi
X X
(yi − ȳ )2 = [(yi − ŷi ) + (ȳi − ŷ )]2
X
SST = [ûi + (ŷi − ȳ )]2
X X X
SST = ûi2 + 2 ûi (ŷi − ȳ ) + (ŷi − ȳ )2
X
SST =SSR + 2 ūi (ŷi − ȳ ) + SSE
SST =SSR + SSE (23)
P
karena, ûi (ŷi − ȳ ) = 0
SSR SSE
+ =1
SST SST
▶ Bagian dari total sum of squares (SST ) yang dapat dijelaskan
oleh model disebut R-Kuadrat,
SSE SSR
R2 = =1− (24)
SST SST
▶ dengan 0 ≤ R 2 ≤ 1
Alfa Farah Ekonometrika 1 29 / 39
Nilai Harapan dan Variansi OLS Estimators
▶ Sekarang kita tahu bahwa β̂0 dan β̂1 adalah estimator untuk
parameter populasi β0 dan β1 .
▶ Pertanyaanya : apakah OLS estimator berisifat tidak bias dan
yang terbaik?
▶ Dengan memenuhi asumsi-asumsi berikut, kita dapat
membuktikan bahwa OLS estimator adalah estimator yang
terbaik (best) dan tidak bias (unbiased).
Asumsi Gauss-Markov untuk Regresi Cross-Section Seder-
hana
y = β0 + β1 x + u, (25)
E (u|x) = 0
Ketakbiasan OLS
Dengan menggunakan asumsi SLR.1 sampai SLR.4,
Homoskedastisitas
Unsur gangguan (error ) u memiliki variansi yang sama untuk
berapapun nilai variabel penjelas. Hal ini bisa dinyatakan:
Var (u|x) = σ 2
σ2 σ2
Var (βˆ1 ) = Pn 2
= (26)
i=1 (xi − x̄) SSTx
dan
σ 2 n1 ni=1 (xi )2
P
Var (βˆ0 ) = Pn 2
(27)
i=1 (xi − x̄)
Ketidakbiasan σ 2
Menggunakan asumsi SLR.1 sampai SLR.5,
σ̂ 2 = σ 2 ,