Senin, 24 April 2017

MODEL REGRESI



BAB II

 MODEL REGRESI

Keilmuan sosial mempunyai karakteristik berupa banyaknya variabel-variabel atau faktor-faktor   yang saling mempengaruhi satu sama lain. Kondisi yang demikian ini menyebabkan kesulitan dalam menentukan secara pasti faktor apa saja yang menyebabkan faktor tertentu. Apabila kita ingin mengetahui faktor apa saja yang mempengaruhi permintaan suatu barang tertentu maka dengan mengidentifikasi kemungkinan faktor-faktor yang mempengaruhinya, kita akan mendapatkan banyak sekali faktor-faktor itu seperti: harga barang tersebut, harga barang lain, mutu barang, pendapatan, anggaran pengeluaran,  prediksi  harga  masa  yang  akan  datang, selera, trend yang berkembang, persepsi atas barang tersebut, kebutuhan, gengsi, return usaha yang mungkin diperoleh,  tingkat  bunga  bank,  stabilisasi   keamanan, tempat penjualan barang tersebut, barang pengganti, dan tentu masih banyak lagi faktor-faktor lainnya yang sangat sulit untuk ditentukan secara mutlak. Model dalam keilmuan ekonomi berfungsi sebagai panduan  analisis  melalui  penyederhanaan  dari  realitas yang ada. Hal  ini  akan semakin jelas kalau kita runut dari bentuk suatu model yang memang berbentuk sangat sederhana. Karena  pada  hakikatnya  sebuah  fungsi  adalah  sebuah persamaan yang menggambarkan hubungan sebab akibat antara  sebuah  variabel  dengan  satu  atau  lebih  variabel lain. Penulisan model dalam bentuk persamaan fungsi tersebut dicontohkan dalam persamaan berikut ini:

Persamaan Matematis
·         Y = a + b X                    ……….. (pers.1)
Persamaan Ekonometrika
·         Y = b0 + b1X + e   ……….. (pers.2)


Model persamaan fungsi seperti dicontohkan pada pers.2  bertujuan  untuk  mengetahui  pengaruh  variabel bebas terhadap variabel terikat. Oleh karena itu, persamaan   tersebut   disebut   juga   sebagai   persamaan regresi. Model Regresi mempunyai bermacam-macam bentuk model, terdapat tiga jenis model yaitu: Model Regresi Linier, Model Regresi Kuadratik, Model Regresi Kubik.

Model Regresi Linier
Kata “linier” dalam model ini menunjukkan linearitas dalam variabel maupun lineraitas dalam data. Kata linier menggambarkan arti bahwa sebaran data dalam scatter plot menunjukkan sebaran data yang mendekati bentuk garis lurus. Data semacam ini dapat wujud apabila perubahan pada variabel Y sebanding dengan perubahan variabel X. Jika sebaran datanya berkecenderungan melengkung,   maka   cocoknya   menggunakan   dengan regresi kuadratik. Jika sebaran datanya kecenderungannya seperti bentuk U atau spiral regresinya menggunakan regresi kubik.

Model Kuadratik
Salah satu ciri model kuadratik dapat diketahui dari adanya pangkat dua pada salah satu variabel bebasnya.
Model Kubik
Salah  satu  ciri model kubik dapat  diketahui dari adanya pangkat tiga pada salah satu variabel bebasnya. Oleh karena itu sering disebut juga dengan fungsi berderajat   tiga.

Notasi Model
Huruf Y memerankan fungsi sebagai variabel dependen atau variabel terikat. Y sering juga disebut sebagai variabel gayut, variabel yang dipengaruhi, atau variabel endogin. Dengan alasan keseragaman, penulisan huruf Y diletakkan   disebelah   kiri   tanda  persamaan. Sedang variabel independen yang secara umum disimbolkan dengan huruf X diletakkan disebelah kanan tanda persamaan. Huruf X menggambarkan variabel bebas atau variabel yang mempengaruhi. Oleh karena itu variabel ini mempunyai nama lain seperti variabel independen, variabel penduga, variabel estimator, atau juga variabel eksogen. Peletakannya di sebelah kanan tanda persamaan menunjukkan perannya sebagai variabel yang mempengaruhi.
Kesimpulan:
Dalam suatu model regresi terdapat dua jenis
variabel, yaitu variabel terikat dan variabel bebas, yang dipisahkan oleh tanda persamaan. Variabel terikat sering
disimbolkan dengan Y, biasa pula disebut sebagai variabel dependen, variabel tak bebas, variabel yang dijelaskan, variabel yang diestimasi, variabel yang dipengaruhi. Cirinya, berada pada sebelah kiri tanda persamaan (=). Variabel bebas sering disimbolkan dengan X, biasa pula   disebut sebagai variabel independen,
variabel yang mempengaruhi, variabel penjelas, variabel estimator, variabel  penduga, variabel  yang mempengaruhi, variabel prediktor. Cirinya terletak pada sebelah kanan tanda persamaan (=).
Dalam suatu model juga terdapat parameter-parameter yang disebut konstanta, juga koefisien korelasi. Konstanta sering disimbolkan dengan a, atau b0, atau B0. Koefisien korelasi disebut pula sebagai beta, B, b, menunjukkan slope, kemiringan, elastisitas.


A.     Jelaskan apa yang dimaksud model !
Model dalam keilmuan ekonomi berfungsi sebagai panduan analisis melalui penyederhanaan dari realitas yang ada. Sehingga model sering diartikan refleksi dari realita atau simplikasi dari kenyataan.

B.     Sebutkan apa saja jenis jenis model ekonometrika !
Model Regresi Linier, Model Regresi Kuadratik, Model Regresi Kubik

C.     Jelaskan perbedaan antara jenis jenis model Ekonometrika !
Model Regresi Linier
Kata “linier” dalam model ini menunjukkan linearitas dalam variabel maupun  lineraitas dalam data. Kata  linier menggambarkan  arti  bahwa sebaran  data  dalam scatter plot menunjukkan  sebaran  data  yang  mendekati  bentuk garis  lurus.

Model Kuadratik
Salah  satu  ciri model kuadratik  dapat diketahui dari adanya  pangkat  dua  pada  salah  satu  variabel  bebasnya.

Model Kubik
Salah satu  ciri  model  kubik  dapat  diketahui  dari adanya  pangkat  tiga  pada  salah  satu  variabel  bebasnya.

D.     Coba uraikan asumsi asumsi yang harus dipenuhi dalam regresi linier !

1.      Nilai harapan e sama dengan 0 (nol).
E(e) = 0,  masing-masing random error mempunyai distribusi probabilitas = 0. Meskipun e bisa bernilai positif atau negatif, tetapi rata-rata e harus = 0.

2.      Variance residual sama dengan standar deviasi Var (e) = σ2, artinya: masing-masing random error mempunyai  distribusi  probabilitas  variance  yansama  dengan  standar  deviasi  2).  Asumsi  ini menjelaskan bahwa residual bersifat homoskedastik.

3.      Kovarian ei dan ej mempunyai nilai nol. Cov (ei,  ej)  =  0. Nilai nol dalam asumsi ini menjelaskan bahwa antara ei dan ej tidak ada korelasi serial atau tidak berkorelasi (autocorrelation).

4.       Nilai random error mempunyai distribusi probabilitas yang normal.



Tidak ada komentar:

Posting Komentar