bab-4
DESCRIPTION
analisis bab 4TRANSCRIPT
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
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
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
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
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
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.
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