PENGANTAR APLIKASI EKONOMETRI DENGAN EVIEWS by: Poltak “ Polsky”Harahap
Eviews merupakan software statistik yang berbasis windows. Eviews digunakan peneliti sebagai alat JUSTIFIKASI terhadap penelitian yang dilakukan. Eviews dapat digunakan dalam dalam berbaga berbagaii analis analisis is ekonom ekonomii dan bisnis bisnis.. Seoara Seoarang ng peneli peneliti ti dapat dapat menggun menggunaka akan n Eviews Eviews untuk untuk mengana menganalis lisis is data, data, mengev mengevalu aluasi asi model, model, analis analisis is finans finansial ial,, perama peramalan lan kondisi kondisi ekonomi ekonomi makro/mikr makro/mikro, o, simulasi, simulasi, peramalan peramalan penjualan/pe penjualan/pembelia mbelian, n, pengukuran pengukuran efekti efektivit vitas as kebijak kebijakan, an, dll. dll. Keunggul Keunggulan an dari dari softwa software re eviews eviews adalah adalah eviews eviews mampu mampu mengolah data ekonomi secara terpisah dan bersama-sama semua bentuk data seperti runtut waktu (time (time series), series), lintas sektoral (cross (cross section), section), dan panel ( pooling pooling ). ). 1. Menj Menjal alan anka kan n progra program m EVIEW EVIEWS S Gambar 1
Menjala Menjalankan nkan eviews eviews sama sama dengan dengan softwa software re lain lain dalam dalam comput computer. er. Carany Caranyaa klik klik icon icon eviews dua kali pada desktop, maka akan muncul tampilan eviews seperti gambar diatas. Menu utama (main menu) dari eviews yakni; File, Edit Objects, Views, Procs, Ouick,
Option, Window dan Help. space kosong dibawah main menu adalah tempat yang digunakan untuk menulis perintah (command eviews) secara manual. 2. Menciptakan kertas kerja (workfile) Sebelum menciptakan kertas kerja, konsep dasar yang perlu diketahui adalah memahami jenis data dalam statistika. Pada eviews ada berbaga i jenis data yang bisa dipilih yakni; •
Annual (A)
: jenis data dalam bentuk tahunan
•
Quarterly(Q) : jenis data dalam bentuk kuartalan
•
Monthly (M) : jenis data dalam bulanan
•
Weekly (W)
•
Undated (U) : jenis data dalam bentuk lintas sektoral (cross section)
: jenis data dalam mingguan
Dalam menciptakan kertas kerja ada dua cara yang bisa kita lakukan yakni metode manual manual dan metode klik-klik. Prakteknya sebagai berikut;
Metode ketik
Cara: ketik Workfile
→ nama
kertas kerja
Metode klik – klik
→ jenis
data
→
range data
→
ok
Cara: klik file
→
new → Workfile
→ pilih
jenis data dan tulis range data
→
ok
3. Memasukan data Memasukan data bisa menggunakan dua metode yakni metode manual dan metode klikklik. Proses kerjanya sebagai berikut;
Metode ketik
Cara: buat kertas kerja (seperti langkah 2)
→
ketik read(t=xls, b2) e:\table1_1.xls 2
→
ok
Ket: t = xls, data yang dibaca dalam bentuk tabel microsoft excel b2 = kolom pertama kali data tertera di dalam microsoft excel e:\table1_1.xls = membaca lokasi data yang ingin dibaca 2 = jumlah variabel dalam data. INGOT : setelah menulis command, program excel tempat data di save harus di closed!!!!!!!!
Metode klik-klik
Cara: buat kertas kerja (seperti langkah 2) → muncul
kertas kerja
→ copy
→ klik
Quick → empty group (edit series)
data excel dikertas kerja
→ paste
data dikertas kerja
4. Melakukan regresi sederhana
Metode manual
Cara: ketik equation regresi_1.ls y c x
→
ok
Ket: ls = metode pengujian dalam asumsi klasik. Biasa disebut sebagai metode OLS (Ordinary Least Squares) atau metode kuadrat terkecil y c x = cara eviews membaca bentuk persamaan
Metode klik-klik
Cara: klik Quick → Estimate Equation (nama regresi yang dibuat)
→
ketik persamaan (y c x)
→ ok →
klik name
CARCEP ( Cara CEPAT bro.....!!!!!)
Cara: buka workfile (klik window pada main menu) variabel yang mau diestimasi ( klik y dan klik x) equation ok
→
muncul workfile
→ pindahkan
→ tekan
→
ctrl pada keyboard
klik kanan mouse
→
klik
→ open →
variabel constanta ke depan variabel y
ase →
REGRESI BERGANDA Regresi berganda adalah model regresi yang terdiri dari lebih dari satu variabel independen.
Bentuk umum regresi berganda dapat ditulis
sebagai berikut: Y t = β 0 + β 1 Χ1t + β 2 Χ2t + β 3 Χ3t + ... + β k Χkt + ε t
APLIKASI EVIEWS Aplikasi metode gergersi berganda ini mengunakan data dari buku Gujarati edisi 4th chapter 7 topik Multiple Regression Anlaysis. Data yang diambil dari tabel 7.9 tentang permintaan ayam di USA. Range data mulai tahun 1960 – 1982. β 0
Y t =
+ β 1 Χ1t + β 2 Χ2 t + β 3 Χ3t + β 4 Χ4 t + β 5 Χ5 t + ε t
Ket: Y
= Per Capita Consumption of Chickens, Pounds
X2 = Real Disposable Income Per Capita, $ X3 = Real Retail Price of Chicken Per Pound, Cents X4 = Real Retail Price of Pork Per Pound, Cents X5 = Real Retail Price of Beef Per Pound, Cents X6 = Composite Real Price of Chicken Substitutes Per Pound, Cents 1. Transfer Data •
membuat kertas kerja (Workfile)
ketik workfile
→
ketik range dan jenis data
→
OK
transfer data dari excel ke eviews
•
Copy data dari excel ( semua variabel kecuali periode)
→
Quick → Empty Group
2. Melakukan Regresi tekan ctrl pada keyboard
→
klik variabel dependen pertama
kali lalu diikuti variabel independen lainnya open
→
as equation
→
ok
Hasil regresi sebagai berikut: Dependent Variable: Y Method: Least Squares Date: 12/10/07 Time: 23:09 Sample: 1960 1982 Included observations: 23
→
klik kanan
→
Variable C X2 X3 X4 X5 X6 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient 38.59691 0.004889 -0.651888 0.243242 0.104318 -0.071110 0.944292 0.927908 1.979635 66.62224 -44.86635 1.100559
Std. Error t-Statistic 4.214488 9.158150 0.004962 0.985370 0.174400 -3.737889 0.089544 2.716443 0.070644 1.476674 0.098381 -0.722805 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Prob. 0.0000 0.3383 0.0016 0.0147 0.1580 0.4796 39.66957 7.372950 4.423160 4.719376 57.63303 0.000000
3. Uji statistika Uji t Uji t menjelaskan seberapa besar signifikansi variabel independen (x) mampu menjelaskan variabel y (dependen). Hipotesa uji t adalah; H0 diterima, bila nilai t_statistic < t_tabel
(1%, 5%, 10%). Artinya
variabel independen tidak signifikan menjelaskan variabel dependen Ha diterima, bila nilai t_statistic > t_tabel (1%, 5%, 10%) . Artinya variabel
independen
signifikan
menjelaskan
variabel
dependen. Cara melihat nilai t_tabel: Pr = probabilitas, pada tabel uji_t terletak pada bagian atas menunjukan hipotesi pada satu atau dua sisi. df = jumlah variabel independen ditambah konstanta Hipotesis uji_t Hipotesis positif pada satu: H0 : β
1
Ha : β
1
≤0 >0
Hipotesis negatif pada satu: H0 : β
1
Ha : β
1
≥0 <0
Hipotesi dua sisi H0 : β
1
Ha : β
1
=0 ≠0
Menampilkan persamaan regresi View
→
Representation
→
OK
Y = C(1) + C(2)*X2 + C(3)*X3 + C(4)*X4 + C(5)*X5 + C(6)*X6 Y = 38.59690942 + 0.004889344622*X2 - 0.6518875293*X3 + 0.2432418207*X4 + (9.1581)
(0.98537)
(-3.737)
(2.716)
0.1043176111*X5 - 0.07111034011*X6
(1.476)
(-0.722)
Bandingkan nilai t_statistik dengan nilai t_tabel VARIABE L Constan
t_statistik 9.158
ta
X2
t_tabel
(df=6, α=5%) 1.943 (satu t_statistik sisi)
0.9853
-3.737
2.716
(dua
sisi) 1.943
(satu t_statistik < t_tabel, tidak signifikan
2.447
(dua
sisi) 1.943
(satu t_statistik
1.476
<
t_tabel,
signifikan
2.447
(dua
sisi) 1.943
(satu t_statistik
sisi)
X5
t_tabel,
2.447
sisi)
X4
>
signifikan
sisi)
X3
Keterangan
>
t_tabel,
signifikan
2.447
(dua
sisi) 1.943
(satu t_statistik < t_tabel, tidak
sisi) 2.447
signifikan (dua
X6
-0.722
sisi) 1.943
(satu t_statistik
sisi) 2.447
<
t_tabel,
tidak signifikan (dua
sisi) Uji F U ji F digunakan untuk menjelaskan seberapa besar keseluruhan
variabel independen mampu menjelaskan variabel dependen. Hipotesa uji F adalah; H0 diterima, bila nilai F_statistic < F_tabel atau (1%, 5%, 10%). Artinya seluruh variabel independen tidak signifikan menjelaskan variabel dependen Ha diterima, bila nilai F_statistic > F_tabel (1%, 5%, 10%) . Artinya seluruh variabel independen signifikan menjelaskan variabel dependen. Cara menghitung F_tabel F=
R
2
/( k −1) 2
(1 − R ) /(n − k )
ket: (k – 1) = numerator (n – k) = denominator k = jumalah variabel independen ditambah konstanta n = jumlah observasi F= F=
0.94 /( 6 −1) (1 − 0 .94 ) /( 23 − 6)
0.94 / 5 0.06 / 17
F=
0.188 0.00352
F = 53,40 Cara melihat F_tabel F (numerator(k – 1), denominator(n – k), α=5%) = 2.81 Bandingkan nilai F_tabel dengan F_hitung Nilai F_hitung > nilai F_tabel, berarti H a diterima yang artinya semua variabel independen mampu menjelaskan variabel dependen. Uji adjusted R 2 uji adjusted R2 dimaksudkan untuk mengukur seberapa besar proporsi model dmampu menjelaskan variabel dependen. hasil perhitungan eviews menunjukan nilai adjusted R2 = 0.9279, artinya permintaan ayam ke USA mampu dijelaskan model sebesar 92,79% sedangkan sisanya sebesar 7,21% dijelaskan variabel lain di luar model. 4. Uji Normalitas Penerapan metode OLS untuk regresi linear klasik memilik asumsi bahwa distribusi dari variabel penggangu ( ε ) mempunyai nilai ratat
rata yang diharapkan sama dengan nol, tidak berkorelasi dan mempunyai
varian
yang
konstan.
Uji
yang
digunakan
untuk
mengetahui noramal atau tidaknya variabel penggangu ( ε ) adalah t
Jarque Bera Test. Pedoman dari J_B test adalah:
Bila nilai JB hitung > nilai χ2-tabel, maka hipotesis
yang menyatakan bahwa residual, u t adalah berdistribusi normal ditolak.
Bila nilai JB hitung < nilai χ2-tabel, maka hipotesis
yang menyatakan bahwa residual, u t adalah berdistribusi normal tidak dapat ditolak. Aplikasi dalam eviews:
view
→
residual test
→
Histogram – normality Test
→
OK
10 Series: Residuals Sample 1960 1982 Obser vations 23
8
Mean Median Maximum Minimum Std. Dev . Skewness Kurtosis
6
4
-1.15E-14 0.098389 3.133900 -3.632498 1.740196 -0.075973 2.153137
2 J arque-Bera Probability
0.709421 0.701377
0 -4
-3
-2
-1
0
1
2
3
4
Dari tabel diatas ditemukan bahwa nilai Jarque Berra sebesar 0.709421. sedangkan nilai χ 2 _tabel (α = 5%, df=5) = 11.07. Karena nilai J_B test < nilai χ2-tabel
,
maka dapat disimpulkan bahwa residual dari
model permintaan ayam USA berdistribusi normal. 5. Uji Linearitas uji linearitas sangat penting dilakukan karena uji ini untuk memeriksa kembali apakah spesifikasi model yang digunakan sudah benar atau tidak. uji yang digunakan untuk melihat linearitas adalah uji Ramsey Reset Test. adapun hipotesa uji ini adalah: H0 diterima bila nilai F_ hitung < F_ tabel , artinya spesifikasi model yang digunakan dalam bentuk linear. Ha diterima, bila nilai F_ hitung > F_ tabel , artinya spesifikasi model yang digunakan dalam bentuk non linear. aplikasi dalam eviews: view
→
Stability Test
fitted terms:2
→
Ramsey RESET Test: F-statistic Log likelihood ratio
→
Ramsey Reset Test
→
number of
OK 22.26999 31.70775
Probability Probability
0.000032 0.000000
Test Equation: Dependent Variable: Y Method: Least Squares Date: 02/28/08 Time: 08:31 Sample: 1960 1982 Included observations: 23 Variable Coefficient C 245.5496 X2 0.055015 X3 -6.307119 X4 2.325378 X5 1.105911 X6 -0.790239 FITTED^2 -0.187502 FITTED^3 0.001191 R-squared 0.985966 Adjusted R-squared 0.979416 S.E. of regression 1.057804 Sum squared resid 16.78425 Log likelihood -29.01247 Durbin-Watson stat 1.653524
Std. Error t-Statistic 100.7320 2.437654 0.020105 2.736407 2.622131 -2.405342 0.977217 2.379591 0.442868 2.497157 0.296259 -2.667395 0.097781 -1.917570 0.000752 1.582972 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Prob. 0.0277 0.0153 0.0295 0.0310 0.0246 0.0176 0.0744 0.1343 39.66957 7.372950 3.218476 3.613430 150.5422 0.000000
nilai F_tabel { numerator (k -1), denominator (n – k), α = 5%) = (7, 15, α = 5%) adalah 2.71 dan nilai F_hitung adalah
22.26 karena
nilai F_ hitung >
F_ tabel berarti Ha diterima, artinya dugaan sementara spesifikasi model yang digunakan belum benar dalam bentuk linear. Seorang peneliti yang cerdik dan teliti tidak langsung memutuskan bahwa model yang dibentuk salah. akan tetapi peneliti tersebut harus mencari solusi terhadap masalah yang muncul. Akhirnya peneliti ini menemukan melakukan
solusi proses
untuk
menyelesaikan
smoothing
data.
masalah
caranya
ini
dengan
adalah
dengan
melogaritmakan semua variabel. Cara di Eviews: klik procs → klik generate series lnY=log(Y) →
lalu
→
mis ketik
lakukan langkah serupa untuk semua variabel
variabel
diregresikan.
→
yang
sudah
dalam
bentuk
logaritma
Hasil estimasinya sebagai berikut: Ramsey RESET Test: F-statistic Log likelihood ratio
2.550666 6.732924
Test Equation: Dependent Variabel: LNY Method: Least Squares Date: 02/28/08 Time: 08:14 Sample: 1960 1982 Included observations: 23 Variabel Coefficient C 31.81236 LNX2 9.517659 LNX3 -16.03462 LNX4 9.951008 LNX5 9.510382 LNX6 -12.55564 FITTED^2 -6.670779 FITTED^3 0.553698 R-squared 0.990736 Adjusted R-squared 0.986413 S.E. of regression 0.021874 Sum squared resid 0.007177 Log likelihood 60.19608 Durbin-Watson stat 2.092574
Probability Probability
0.111301 0.034512
Std. Error t-Statistic 44.78067 0.710404 12.90866 0.737308 21.86352 -0.733396 13.57678 0.732943 12.69428 0.749187 16.88211 -0.743724 10.09300 -0.660931 0.910014 0.608450 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Prob. 0.4884 0.4723 0.4746 0.4749 0.4653 0.4685 0.5187 0.5520 3.663887 0.187659 -4.538789 -4.143835 229.1659 0.000000
nilai F_tabel { numerator (k -1), denominator (n – k), α = 5%) = (7, 15, α = 5%) adalah 2.71. nilai F_hitung adalah
2.55. karena
nilai F_ hitung < F_ tabel
berarti H0diterima, artinya spesifikasi model yang digunakan sudah benar dalam bentuk linear. REFRENSI BOOK: Read Gujarati 4th edition chapter 7 “Multiple Regression Analysis” Material for the next meeting : The Asumption of the Classical Model, chapter 10 in Gujarati 4 th edition
………..MAOLIATE DAN MATUR NUWUN NJEH……..