Download Ekonometrika

Ekonometrika
Program Studi Statistika, semester Ganjil 2012/2013
Dr. Rahma Fitriani, S.Si., M.Sc
Multikolinieritas Pada data Ekonomi






IMP: jumlah import
GDP: Gross Domestic Product (Pendapatan Daerah
Regional Brutto)
CPI: Consumer Price Index
PPI: Producer Price Index
Ingin diduga jumlah import dari ketiga peubah yang lain
Antar peubah eksogen diindikasikan ada korelasi positif.
Matriks korelasi
Correlation Coefficients, using the observations 1980:1 1998:2
(missing values were skipped)
IMP
1.0000


GDP
0.9878
1.0000
CPI
0.8730
0.8736
1.0000
PPI
0.9572
0.9665
0.9910
1.0000
Semua peubah eksogen mempunyai hubungan positif dengan
import
CPI dan PPI mempunyai korelasi terbesar
IMP
GDP
CPI
PPI
Auxiliary Regression untuk mendeteksi
Multikolinieritas, log PPI fungsi dari log CPI dan log
GDP
Model 6: OLS, using observations 1987:1-1998:2 (T = 46)
Dependent variable: l_PPI
coefficient
std. error
t-ratio
p-value
--------------------------------------------------------const
-0.308091
0.190027
-1.621
0.1123
l_GDP
0.224911
0.0667260
3.371
0.0016
***
l_CPI
0.771613
0.0310224
24.87
3.74e-027 ***
Mean dependent var
Sum squared resid
R-squared
F(2, 43)
Log-likelihood
Schwarz criterion
rho
4.490741
0.010210
0.985687
1480.670
128.2283
-244.9707
0.923754
S.D. dependent var
S.E. of regression
Adjusted R-squared
P-value(F)
Akaike criterion
Hannan-Quinn
Durbin-Watson
Log-likelihood for PPI = -78.3458
0.125907
0.015409
0.985022
2.23e-40
-250.4566
-248.4016
0.180758
Model 1: log IMP fungsi dari log GDP dan
Log CPI
Model 1: OLS, using observations 1987:1-1998:2 (T = 46)
Dependent variable: l_IMP
coefficient
std. error
t-ratio
p-value
--------------------------------------------------------const
0.592646
0.308590
1.920
0.0614
*
l_GDP
2.11218
0.108358
19.49
5.74e-023 ***
l_CPI
0.111717
0.0503780
2.218
0.0319
**
Mean dependent var
Sum squared resid
R-squared
F(2, 43)
Log-likelihood
Schwarz criterion
rho
10.75806
0.026925
0.976105
878.2775
105.9254
-200.3649
0.714823
S.D. dependent var
S.E. of regression
Adjusted R-squared
P-value(F)
Akaike criterion
Hannan-Quinn
Durbin-Watson
0.158242
0.025023
0.974994
1.36e-35
-205.8508
-203.7957
0.559378
Log-likelihood for IMP = -388.945

Nyata secara parsial dengan tanda sesuai teori a priori
Model 2: log IMP fungsi dari log GDP, log
CPI dan log PPI
Model 2: OLS, using observations 1987:1-1998:2 (T = 46)
Dependent variable: l_IMP
coefficient
std. error
t-ratio
p-value
--------------------------------------------------------const
0.421437
0.302226
1.394
0.1705
l_GDP
2.23717
0.115834
19.31
1.65e-022 ***
l_CPI
0.540510
0.187883
2.877
0.0063
***
l_PPI
-0.555710
0.235449
-2.360
0.0230
**
Mean dependent var
Sum squared resid
R-squared
F(3, 42)
Log-likelihood
Schwarz criterion
rho
10.75806
0.023772
0.978903
649.6119
108.7900
-202.2653
0.690837
S.D. dependent var
S.E. of regression
Adjusted R-squared
P-value(F)
Akaike criterion
Hannan-Quinn
Durbin-Watson
Log-likelihood for IMP = -386.081

Koefisien log PPI negatif, tidak sesuai dengan teori a priori
0.158242
0.023791
0.977396
3.35e-35
-209.5799
-206.8398
0.613342
Model 3: log IMP sebagai fungsi dari log
GDP dan log PPI
Model 3: OLS, using observations 1980:1-1998:2 (T = 74)
Dependent variable: l_IMP
coefficient
std. error
t-ratio
p-value
--------------------------------------------------------const
1.46857
0.230267
6.378
1.59e-08 ***
l_GDP
1.96321
0.106644
18.41
9.66e-029 ***
l_PPI
0.0783521
0.0614120
1.276
0.2062
Mean dependent var
Sum squared resid
R-squared
F(2, 71)
Log-likelihood
Schwarz criterion
rho
10.56763
0.076135
0.987082
2712.563
149.5331
-286.1539
0.692131
S.D. dependent var
S.E. of regression
Adjusted R-squared
P-value(F)
Akaike criterion
Hannan-Quinn
Durbin-Watson
Log-likelihood for IMP = -632.472

Koefisien log PPI positif tetapi tidak nyata
0.284139
0.032746
0.986718
8.86e-68
-293.0661
-290.3088
0.583731

Walaupun log PPI nyata pada model 2:




Ketika PPI (log PPI) digunakan sendiri tanpa menggunakan
CPI (log CPI)


Koefisien log PPI tidak nyata walaupun tanda sesuai teori
Dari koefisien determinasi (0.98) auxiliary regression:


Tanda tidak sesuai teori
Akibat korelasinya yang tinggi dengan kedua peubah yang lain
Korelasi terbesar dengan CPI
Tingkat multikolinieritas relatif serius
Bila PPI dapat didrop, maka digunakan model 1 saja