Ekonometrika (PRAKTEK)

Ekonometrika (PRAKTEK)By Dewi PurwantiSekolah Tinggi Ilmu StatistikTA 2013/2014ReferensiBambang Juanda dan Junaidi, Ekonometrika Deret Waktu, IPB Press data_bjM. Firdaus, Aplikasi Ekonometrika: untuk data panel dan time series, IPB PressNachrowi dan Hardius Usman: Ekonometrika: untuk analisis ekonomi dan keuangan, LP FEUIAgus Widarjono, Ekonometrika: Pengantar dan Aplikasinya, UPP STIM YKPN data_awEViews5_1PanelPooledData

E-viewsData panel dalam format Ms. ExcelStacked Data Vs Unstacked Data

Data Panelt = 1935-1954i = Individu:1 = IBM2 = Goodyear3 = UO4 = USEntri DataCopy pasteFile > new > workfileWorkfile create: workfile structure type > balanced panelQuick > empty grouppastikan kursor telah berada pada bagian ujung kiri atas dari window group > copy pasteImpor datatutup terlebih dahulu file excel yang akan diimporfile > imporhttp://ariyoso.wordpress.com/2010/01/17/regresi-data-panel/

Panel Unit Root TestsReferensi: EViews5_1PanelPooledDataLangkah2:Pastikan data sudah dalam format panel. View > unit root test

LevelPanel unit root test: SummarySeries: LOGYDate: 11/18/13 Time: 15:23Sample: 1935 1954Exogenous variables: Individual effectsUser specified lags at: 1Newey-West bandwidth selection using Bartlett kernelBalanced observations for each testCross-MethodStatisticProb.**sectionsObsNull: Unit root (assumes common unit root process)Levin, Lin & Chu t*-0.433860.3322472Null: Unit root (assumes individual unit root process)Im, Pesaran and Shin W-stat0.497130.6905472ADF - Fisher Chi-square6.959380.5410472PP - Fisher Chi-square7.179530.5174476** Probabilities for Fisher tests are computed using an asymptotic Chi-square distribution. All other tests assume asymptotic normality.1st differencePanel unit root test: SummarySeries: D(LOGY)Date: 11/18/13 Time: 15:24Sample: 1935 1954Exogenous variables: Individual effectsUser specified lags at: 1Newey-West bandwidth selection using Bartlett kernelBalanced observations for each testCross-MethodStatisticProb.**sectionsObsNull: Unit root (assumes common unit root process)Levin, Lin & Chu t*-6.238060.0000468Null: Unit root (assumes individual unit root process)Im, Pesaran and Shin W-stat-6.144550.0000468ADF - Fisher Chi-square47.17810.0000468PP - Fisher Chi-square103.4060.0000472** Probabilities for Fisher tests are computed using an asymptotic Chi-square distribution. All other tests assume asymptotic normality.Object: generate seriesLogy = log(y)dlogy = d(logy)

TUGASOlah data dari data bab 18 buku Agus Widarjono Y = nilai investasiX1 = nilai harga sahamX2 = nilai aktual kapital di awal periodeSetelah digenerate, buat persamaan logy c logx1 logx2 Atau bisa secara langsunglog(y) c log(x1) log(x2)Model Pooled OLS

Estimasi Pooled Least SquareQuick: estimate equationSpesification: masukkan persamaan: variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasilogy c logx1 logx2Name: pooled

Dependent Variable: LOGYMethod: Panel Least SquaresDate: 11/18/13 Time: 15:30Sample: 1935 1954Periods included: 20Cross-sections included: 4Total panel (balanced) observations: 80VariableCoefficientStd. Errort-StatisticProb.C-2.7839580.391539-7.1103000.0000LOGX10.9064140.04763119.030040.0000LOGX20.3024800.0567445.3305730.0000R-squared0.846486Mean dependent var4.320014Adjusted R-squared0.842499S.D. dependent var1.047154S.E. of regression0.415578Akaike info criterion1.118485Sum squared resid13.29828Schwarz criterion1.207811Log likelihood-41.73940Hannan-Quinn criter.1.154298F-statistic212.2919Durbin-Watson stat0.344385Prob(F-statistic)0.000000Interpretasi Pooled LSNilai koefisien determinasi = 0,846 (model mampu menjelaskan variasi Y sebesar 84,6%)Nilai adjusted R-square = 0,842 (model mampu menjelaskan variasi Y sebesar 84,2% dengan memperhitungkan jumlah variabel yang dimasukkan ke dalam model) Koefisien X bernilai positif, 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 0,91%, ceteris paribus, faktor lain diasumsikan tetap)Uji Statistik F: Secara bersama-sama, seluruh variabel bebas berpengaruh signifikan terhadap YNilai Durbin-Watson yang rendah kemungkinan karena ada autokorelasi pada data juga karena kesalahan spesifikasi.Perkiraan model mengasumsikan bahwa nilai intersep IBM, Goodyear, US dan UO adalah sama. Model juga mengasumsikan koefisien slope dari dua variabel adalah sama untuk keempat perusahaanRegresi 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

Fixed Effect Model (LSDV)

Fixed Effect: Pendekatan LSDVRun persamaan dengan menggunakan dummy variabel dengan metode OLSlogy c logx1 logx2 d1 d2 d3Contoh: buat dummy individu, dalam hal ini individu ke-4 (US) menjadi kategori basis atau referensid1 = 1 untuk individu ke-1 (IBM)d1 = 0 untuk individu lainnyad2 = 1 untuk individu ke-2 (GY)d2 = 0 untuk individu lainnyad3 = 1 untuk individu ke-3 (UO)d3 = 0 untuk individu lainnya

Fixed Effect: Pendekatan LSDVDependent Variable: LOGYMethod: Panel Least SquaresDate: 11/21/13 Time: 07:40Sample: 1935 1954Periods included: 20Cross-sections included: 4Total panel (balanced) observations: 80VariableCoefficientStd. Errort-StatisticProb.C-0.3028500.754284-0.4015060.6892LOGX10.5704430.1167904.8843410.0000LOGX20.3520970.0543206.4819230.0000D1-0.7686620.181409-4.2371790.0001D2-1.3130430.226041-5.8088760.0000D3-0.7390640.315667-2.3412800.0219R-squared0.948601Mean dependent var4.320014Adjusted R-squared0.945128S.D. dependent var1.047154S.E. of regression0.245294Akaike info criterion0.099317Sum squared resid4.452503Schwarz criterion0.277969Log likelihood2.027324Hannan-Quinn criter.0.170944F-statistic273.1425Durbin-Watson stat1.001067Prob(F-statistic)0.000000Interpretasi LSDVSemua 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 tersebutNilai intersep yang berbeda pada keempat perusahaan karena perbedaan karakteristik yang unik pada keempat perusahaan seperti perbedaan gaya manajemen dan kemampuan manjerial.c = -0,3029 merupakan intersep dari individu yang menjadi basis, dalam hal ini individu ke-4 (US Steel)Koefisien dari D1 = -0,769 nilai perbedaan antara intersep individu ke-1 dengan individu basis (individu ke-4)Koefisien dari D2 = -1,313 nilai perbedaan antara intersep individu ke-2 dengan individu basis (individu ke-4) dstNilai aktual intersep untuk IBM = -1,0715 (-0,3029-0,769) Nilai aktual intersep untuk Goodyear = -1,6158 (-0,3029-1,313) Nilai aktual intersep untuk UO = -1,0419 (-0,3029-0,739) 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. Pendekatan FEM memberikan hasil yang lebih baik.

Fixed Effect Model

Estimasi Fixed EffectQuick: estimate equationSpesification: masukkan persamaan variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasiPanel optionEffect spesificationcross section: fixedperiod: noneGLS weight: no weightName: fixed

Dependent Variable: LOGYMethod: Panel Least SquaresDate: 11/18/13 Time: 15:33Sample: 1935 1954Periods included: 20Cross-sections included: 4Total panel (balanced) observations: 80VariableCoefficientStd. Errort-StatisticProb.C-1.0080420.591978-1.7028360.0928LOGX10.5704430.1167904.8843410.0000LOGX20.3520970.0543206.4819230.0000Effects SpecificationCross-section fixed (dummy variables)R-squared0.948601Mean dependent var4.320014Adjusted R-squared0.945128S.D. dependent var1.047154S.E. of regression0.245294Akaike info criterion0.099317Sum squared resid4.452503Schwarz criterion0.277969Log likelihood2.027324Hannan-Quinn criter.0.170944F-statistic273.1425Durbin-Watson stat1.001067Prob(F-statistic)0.000000View: Fixed/Random Effects > cross section effectCROSSID Effect1-0.0634702-0.6078513-0.03387240.705192Cross Section Fixed EffectsNilai intersep aktual individu ke-i = c + i(FEM)KonstantaFixed EffectNilai Intersep Aktual Individu ke-i (1)+(2)(1)(2)(3)-1.008042-0.063470-1.071512-1.008042-0.607851-1.615893-1.008042-0.033872-1.041914-1.0080420.705192-0.302850Interpretasi FEMHasil FEM menunjukkan:Adanya hubungan positif antara x1 dan x2 terhadap YInterpretasi nilai slope untuk model FEM sama dengan model OLS biasa- Jika terjadi kenaikan x1 sebesar satu satuan maka akan meningkatkan y sebesar 0,57, dengan asumsi variabel lain konstan (ceteris paribus) dstInterpretasi 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 = -1,0715 (-1,008-0.063) Nilai aktual intersep untuk GY = -1,6158 (-1,008-0,608) Nilai aktual intersep untuk UO = -1,0419 ((-1,008-0,034) Nilai aktual intersep untuk US = -0,3029 ((-1,008+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)

Random Effect Modeloi tidak dianggap konstan, tapi dianggap sebagai peubah random dengan nilai rata-rata o dan deviasi acak intercept individu dari nilai intercept rata-rata sebesar iNilai intersep masing-masing perusahaan sebesar oi (nilai intersep aktual)

Asumsi REMatau

Error individual tidak berkorelasi satu sama lainTidak ada autokorelasi pada data cross section maupun data time seriesTidak ada korelasi antara komponen error dengan variabel penjelasSehingga

Estimasi Random EffectQuick: estimate equationSpesification: masukkan persamaan: variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasiPanel optionEffect spesificationcross section: randomperiod: noneGLS weight: no weightName: random

Dependent Variable: LOGYMethod: Panel EGLS (Cross-section random effects)Date: 11/18/13 Time: 15:40Sample: 1935 1954Periods included: 20Cross-sections included: 4Total panel (balanced) observations: 80Swamy and Arora estimator of component variancesVariableCoefficientStd. Errort-StatisticProb.C-1.1850620.648776-1.8266140.0716LOGX10.6084370.1103275.5148400.0000LOGX20.3419920.0531426.4354280.0000Effects SpecificationS.D.RhoCross-section random0.6374810.8710Idiosyncratic random0.2452940.1290Weighted StatisticsR-squared0.678575Mean dependent var0.370329Adjusted R-squared0.670226S.D. dependent var0.424397S.E. of regression0.243714Sum squared resid4.573520F-statistic81.27906Durbin-Watson stat0.969126Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.768426Mean dependent var4.320014Sum squared resid20.06029Durbin-Watson stat0.220950View: Fixed/Random Effects > cross section effectCROSSIDEffect1-0.0671422-0.58924330.01077140.645614Cross Section Random EffectsNilai intersep aktual individu ke-i = c + i (REM)KonstantaRandom EffectNilai Intersep Aktual Individu ke-i (1)+(2)(1)(2)(3)1.185062-0.0671421.1179201.185062-0.5892430.5958191.1850620.0107711.1850621.1850620.6456141.185062Jumlah = 0Interpretasi REMJumlah nilai efek acak yang diberikan pada keempat perusahaan akan sama dengan nolIntercept c merepresentasikan nilai rata-rata dari seluruh cross-sectional intercept (nilai intersep umum/nilai intersep bersama/nilai intersep rata-rata) yaitu sebesar -1,185. Error component i merepresentasikan deviasi acak intercept individu dari nilai intercept rata-rata.Random effect dari IBM adalah -0,067 menunjukkan seberapa besar intersep IBM berbeda dari nilai intersep bersama perusahaan IBM memiliki intersep 0,067 lebih rendah dari intersep bersama) dstRandom effect dari US adalah 0,646 menunjukkan seberapa besar intersep US berbeda dari nilai intersep bersama perusahaan US memiliki intersep 0,646 lebih tinggi dari intersep bersama) dstPerbedaan FEM dan REMFEM: tiap-tiap unit cross section mempunyai nilai intersep masing-masingREM: - Intersep bersama mewakilkan nilai rata-rata dari semua intersep (cross section)- Komponen error i mewakilkan deviasi acak dari intersep individual terhadap nilai rata-ratanyaUji ChowPastikan kita berada pada window hasil estimasi dengan pendekatan fixed effectView: Fixed/Random Effects Testing > Redundant Fixed Effects Likelihood RatioRedundant Fixed Effects TestsEquation: UntitledTest cross-section fixed effectsEffects TestStatisticd.f.Prob.Cross-section F49.005196(3,74)0.0000Cross-section Chi-square87.53345130.0000Cross-section fixed effects test equation:Dependent Variable: LOGYMethod: Panel Least SquaresDate: 11/18/13 Time: 15:38Sample: 1935 1954Periods included: 20Cross-sections included: 4Total panel (balanced) observations: 80VariableCoefficientStd. Errort-StatisticProb.C-2.7839580.391539-7.1103000.0000LOGX10.9064140.04763119.030040.0000LOGX20.3024800.0567445.3305730.0000R-squared0.846486Mean dependent var4.320014Adjusted R-squared0.842499S.D. dependent var1.047154S.E. of regression0.415578Akaike info criterion1.118485Sum squared resid13.29828Schwarz criterion1.207811Log likelihood-41.73940Hannan-Quinn criter.1.154298F-statistic212.2919Durbin-Watson stat0.344385Prob(F-statistic)0.000000Uji Chow (hitung manual)Fo = 49,005 Ftabel = F(N-1,NT-N-K) = F 0,01(3,74) = 4,058Fo> F-tabel cukup bukti utk menolak H0 artinya dugaan intersep sama utk semua individu dpt ditolak

Uji HausmanPastikan kita berada pada window hasil estimasi dengan pendekatan Random effectView: fixed/random effects testing > correlated random effects Hausman TestCorrelated Random Effects - Hausman TestEquation: UntitledTest cross-section random effectsTest SummaryChi-Sq. StatisticChi-Sq. d.f.Prob.Cross-section random1.01128620.6031Cross-section random effects test comparisons:VariableFixedRandomVar(Diff.)Prob.LOGX10.5704430.6084370.0014680.3213LOGX20.3520970.3419920.0001270.3691Cross-section random effects test equation:Dependent Variable: LOGYMethod: Panel Least SquaresDate: 11/18/13 Time: 15:43Sample: 1935 1954Periods included: 20Cross-sections included: 4Total panel (balanced) observations: 80VariableCoefficientStd. Errort-StatisticProb.C-1.0080420.591978-1.7028360.0928LOGX10.5704430.1167904.8843410.0000LOGX20.3520970.0543206.4819230.0000Effects SpecificationCross-section fixed (dummy variables)R-squared0.948601Mean dependent var4.320014Adjusted R-squared0.945128S.D. dependent var1.047154S.E. of regression0.245294Akaike info criterion0.099317Sum squared resid4.452503Schwarz criterion0.277969Log likelihood2.027324Hannan-Quinn criter.0.170944F-statistic273.1425Durbin-Watson stat1.001067Prob(F-statistic)0.000000GLS Weight

Uji HeteroskedasticityGLS WEIGHTCross section weights adanya cross-section heteroskedasticitybandingkan sum square resid antara weight dan unweightPeriod weights adanya period heteroskedasticityATAUwhite heteros-cedasticity consistence variance (dikonstankannya residual)

berarti ada heteroskedas model pakai fixedcross section weightDependent Variable: APSMethod: Panel EGLS (Cross-section weights)Date: 07/13/13 Time: 08:53Sample: 2007 2011Periods included: 5Cross-sections included: 26Total panel (unbalanced) observations: 129Linear estimation after one-step weighting matrixVariableCoefficientStd. Errort-StatisticProb.C10.8115129.674920.3643320.7164JLN-1.6872652.184015-0.7725520.4418LNPDRB12.349803.4205103.6105160.0005MISKIN-0.2760740.158942-1.7369490.0857SR0.0556640.1284010.4335160.6657LNB_PENDIDIKAN-0.4178920.232435-1.7978890.0755LNBOS-1.9141171.563390-1.2243380.2240MURID_GURU-0.0013330.078652-0.0169470.9865MURID_SEKOLAH-0.0104580.006316-1.6557220.1012ART_50.1706630.1509951.1302540.2613PENDIDIKAN_KRT0.3194930.0880383.6290490.0005PEKERJA_ANAK-0.3090510.126828-2.4367680.0167Effects SpecificationCross-section fixed (dummy variables)Weighted StatisticsR-squared0.849906Mean dependent var99.59156Adjusted R-squared0.791174S.D. dependent var32.32252S.E. of regression3.242954Sum squared resid967.5408F-statistic14.47087Durbin-Watson stat2.564033Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.779507Mean dependent var83.86597Sum squared resid1009.889Durbin-Watson stat2.569733Weighted < Unweighted = ada heteroskedastisDependent Variable: LOGYMethod: Panel EGLS (Cross-section weights)Date: 11/18/13 Time: 15:45Sample: 1935 1954Periods included: 20Cross-sections included: 4Total panel (balanced) observations: 80Linear estimation after one-step weighting matrixVariableCoefficientStd. Errort-StatisticProb.C-1.1118330.560888-1.9822730.0512LOGX10.5956900.1146045.1978250.0000LOGX20.3427710.0553036.1980980.0000Effects SpecificationCross-section fixed (dummy variables)Weighted StatisticsR-squared0.943521Mean dependent var4.312445Adjusted R-squared0.939704S.D. dependent var0.799190S.E. of regression0.245211Sum squared resid4.449493F-statistic247.2421Durbin-Watson stat0.993571Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.948566Mean dependent var4.320014Sum squared resid4.455514Durbin-Watson stat0.994933Hasil regresi data panel metode fixed effect dengan weighting cross section weights dan white heteroskedasticity-consistent standard errors & covariance:

Hasil regresi data panel metode fixed effect dengan weighting cross section weights dan white heteroskedasticity-consistent standard errors & covariance:Dependent Variable: LOGYMethod: Panel EGLS (Cross-section weights)Date: 12/06/13 Time: 09:29Sample: 1935 1954Periods included: 20Cross-sections included: 4Total panel (balanced) observations: 80Linear estimation after one-step weighting matrixWhite cross-section standard errors & covariance (d.f. corrected)VariableCoefficientStd. Errort-StatisticProb.C-1.1118330.522423-2.1282230.0366LOGX10.5956900.0824347.2263060.0000LOGX20.3427710.0472997.2468540.0000Effects SpecificationCross-section fixed (dummy variables)Weighted StatisticsR-squared0.943521Mean dependent var4.312445Adjusted R-squared0.939704S.D. dependent var0.799190S.E. of regression0.245211Sum squared resid4.449493F-statistic247.2421Durbin-Watson stat0.993571Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.948566Mean dependent var4.320014Sum squared resid4.455514Durbin-Watson stat0.994933Uji AutokolerasiDurbin Watson StatistikCoef Covariance Method

Cross-section SURStruktur Heteroskedastik dan ada autokorelasi antar kelompok individu (crossection) cross-section SUREstimate- panel option coef covariance method cross section SUR (PCSE)

Dependent Variable: LOGYMethod: Panel EGLS (Cross-section weights)Date: 11/18/13 Time: 15:47Sample: 1935 1954Periods included: 20Cross-sections included: 4Total panel (balanced) observations: 80Linear estimation after one-step weighting matrixCross-section SUR (PCSE) standard errors & covariance (d.f. corrected)VariableCoefficientStd. Errort-StatisticProb.C-1.1118330.542198-2.0506020.0438LOGX10.5956900.1107415.3791280.0000LOGX20.3427710.0625835.4770640.0000Effects SpecificationCross-section fixed (dummy variables)Weighted StatisticsR-squared0.943521Mean dependent var4.312445Adjusted R-squared0.939704S.D. dependent var0.799190S.E. of regression0.245211Sum squared resid4.449493F-statistic247.2421Durbin-Watson stat0.993571Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.948566Mean dependent var4.320014Sum squared resid4.455514Durbin-Watson stat0.994933Misal Model Terbaik: FEM dengan cross section weight and cross section SURView > representation

Tugas: Interpretasikan hasil outputUji stasioneritasUji t, Uji FNilai R square, Nilai Adjusted R squareHasil PLS, FEM (LSDV), FEM, REM- Fixed effect (cross)- Individual effect untuk i = c + fixed effect i- Random effect (cross) > Gujarati 5th edition- Konstanta random effectUji Chow, Uji HausmanUji asumsi

STATAData editor > copy dataCOMMANDsort i txtset i t, yearlyxtreg logy logx1 logx2, feest sto fixedxtreg logy logx1 logx2, reest sto randomhausman fixed. xi: reg logy logx1 logx2 i.i. test _Ii_2 _Ii_3 _Ii_4

. xi: reg logy logx1 logx2 i.t. 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

1. UJI KENORMALAN

. xtreg logy logx1 logx2, fe. predict resid, e. sktest resid

2. UJI MULTIKOLINEARITAS ANTAR VARIABEL INDEPENDEN (CROSS-SECTIONAL DEPENDENCE)

step2-mengeluarkan model yang terpilih berdasarkan berbagai uji yg telah dilakukan.pada contoh misalkan terpilih model fixed. -mengeluarkan uji cross-sectional dependence dengan Pesaran's Test

misalnya variabel dependen Y, variabel independen X1, X2, X3.

command-xtreg Y X1 X2 X3, fe-xtcsd, pesaran abs

Ho: antar variabel independen tidak berkorelasi (residual tidak berkorelasi)

dan yang diharapkan adalah Terima Ho.

3. UJI HETEROSCEDASTICITY

. xtreg logy logx1 logx2, fe. xttest3

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

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