Lecturer : Muchdie, PhD in Economics

PhD in Economics, 1998, Dept. of Economics, The University of Queensland, Australia.Post Graduate Diploma in Regional Dev.,1994, Dept. of Economics, The Univ. of Queensland, Australia.MS in Rural & Regional Development Planning, 1986, Graduate School, Bogor Agricultural University, Bogor

Bab 4 :

Estimasi Permintaan

Masalah Identifikasi Pendekatan Penelitian Pemasaran

untuk Estimasi Permintaan Analisis Regresi Sederhana Analisis Regresi Berganda Masalah dalam Analisis Regresi Mengestimasi Permintaan Regresi

Observasi Harga-Quantitas TIDAK SECARA LANGSUNG menghasilkan kurva Permintaan dari suatu komoditas

Survei Konsumen : mensurvei konsumen bgm reaksi tehd jumlah yg diminta jika ada perubahan harga, pendapatan, dll menggunakan kuisioner

Penelitian Observasi : pengumpulan informasi ttg preferensi konsumen dgn mengamati bgmana mereka membeli dan menggunakan produk

Klinik Konsumen : eksperimen lab dimana partisipan diberi sejumlah uang tertentu dan diminta membelanjakannya dalam suatu toko simulasi dan mengamati bgmana reaksi mereka jika terjadi perubahan harga, pendapatan, selera, dll

Eksperimen Pasar : mirip klinik konsumen, tetapi dilaksanakan di pasar yang sesungguhknya

Scatter DiagramYear X Y

1 10 44

2 9 40

3 11 42

4 12 46

5 11 48

6 12 52

7 13 54

8 13 58

9 14 56

10 15 60

Persamaan Regresi : Y = a + bX

Garis Regresi : Line of Best Fit

Garis Regresi : meminimunkan jumlah dari simpangan kuadrat pada sumbu vertikal (et) dari setiap titik pada garis regresi tersebut.

Metode OLS (Ordinary Least Squares): metode jumlah kuadrat terkecil

ˆt t te Y Y

Model:t t tY a bX e

ˆˆ ˆt tY a bX

ˆt t te Y Y

Analisis Regresi Sederhana

Tujuan: menentukan kemiringan (slope) dan intercept yang meminimumkan jumlah simpangan kuadrat (sum of the squared errors).

2 2 2

1 1 1

ˆˆ ˆ( ) ( )n n n

t t t t tt t t

e Y Y Y a bX

Prosedur Estimasi :

1

2

1

( )( )ˆ

( )

n

t tt

n

tt

X X Y Yb

X X

ˆa Y bX

Contoh Estimasi

1 10 44 -2 -6 122 9 40 -3 -10 303 11 42 -1 -8 84 12 46 0 -4 05 11 48 -1 -2 26 12 52 0 2 07 13 54 1 4 48 13 58 1 8 89 14 56 2 6 12

10 15 60 3 10 30120 500 106

4910101149

30

Time tX tY tX X tY Y ( )( )t tX X Y Y 2( )tX X

10n

1

12012

10

nt

t

XX

n

1

50050

10

nt

t

YY

n

1

120n

tt

X

1

500n

tt

Y

2

1

( ) 30n

tt

X X

1

( )( ) 106n

t tt

X X Y Y

106ˆ 3.53330

b

ˆ 50 (3.533)(12) 7.60a

10n1

12012

10

nt

t

XX

n

1

50050

10

nt

t

YY

n

1

120n

tt

X

1

500n

tt

Y

2

1

( ) 30n

tt

X X

1

( )( ) 106n

t tt

X X Y Y

106ˆ 3.53330

b

ˆ 50 (3.533)(12) 7.60a

Contoh Estimasi

Standard Error of the Slope Estimate

2 2

ˆ 2 2

ˆ( )

( ) ( ) ( ) ( )t t

bt t

Y Y es

n k X X n k X X

Contoh Perhitungan

2 2

1 1

ˆ( ) 65.4830n n

t t tt t

e Y Y

2

1

( ) 30n

tt

X X

2

ˆ 2

ˆ( ) 65.48300.52

( ) ( ) (10 2)(30)t

bt

Y Ys

n k X X

1 10 44 42.90

2 9 40 39.37

3 11 42 46.43

4 12 46 49.96

5 11 48 46.43

6 12 52 49.96

7 13 54 53.49

8 13 58 53.49

9 14 56 57.02

10 15 60 60.55

1.10 1.2100 4

0.63 0.3969 9

-4.43 19.6249 1

-3.96 15.6816 0

1.57 2.4649 1

2.04 4.1616 0

0.51 0.2601 1

4.51 20.3401 1

-1.02 1.0404 4

-0.55 0.3025 9

65.4830 30

Time tX tY tY ˆt t te Y Y 2 2ˆ( )t t te Y Y 2( )tX X

Contoh Perhitungan

2

ˆ 2

ˆ( ) 65.48300.52

( ) ( ) (10 2)(30)t

bt

Y Ys

n k X X

2

1

( ) 30n

tt

X X

2 2

1 1

ˆ( ) 65.4830n n

t t tt t

e Y Y

Perhitungan : t-Statistic

ˆ

ˆ 3.536.79

0.52b

bts

Derajat Bebas = (n-k) = (10-2) = 8

Critical Value at 5% level =2.306

Decomposition of Sum of Squares

2 2 2ˆ ˆ( ) ( ) ( )t t tY Y Y Y Y Y

Total Variation = Explained Variation + Unexplained Variation

Decomposition of Sum of Squares

Koefisien Determinasi

22

2

ˆ( )

( )t

Y YExplainedVariationR

TotalVariation Y Y

2 373.840.85

440.00R

Koefisien Korelasi

2 ˆr R with the signof b

0.85 0.92r

1 1r

Model:

1 1 2 2 ' 'k kY a b X b X b X

Adjusted Coefficient of Determination

2 2 ( 1)1 (1 )

( )

nR R

n k

Analysis of Variance and F Statistic

/( 1)

/( )

ExplainedVariation kF

UnexplainedVariation n k

2

2

/( 1)

(1 ) /( )

R kF

R n k

Multicollinearity: Dua atau lebih variabel bebas mempunyai korelasi yang sangat kuat.

Heteroskedasticity: Variance of error term is not independent of the Y variable.

Autocorrelation: Consecutive error terms are correlated.

Uji Autocorrelation

21

2

2

1

( )n

t tt

n

tt

e ed

e

If d=2, autocorrelation is absent.

Spesifikasi Model dengan Cara Mengidentifikasi Variabel-Variabel, misalnya :Qd = f (Px, I, Py, A, T)

Pengumpulan Data Spesifikasi Bentuk Persamaan Permintaan

Linier : Qd = A - a1Px + a2 I + a3 Py + a4 A + a5 T

Pangkat : Qd = A(Px)b(Py)c

Estimasi Nilai-Nilai Parameter Pengujian Hasil

Ringkasan (8 butir) Pertanyaan Diskusi (15 pertanyaan)

Soal-soal (15 Soal) termasuk Soal Gabungan No. 15

Alamat Situs Internet