tutorial eviews regresi sederhana (simple · pdf fileteorionline tutorial : eviews regresi...

Teorionline Tutorial : EVIEWS Regresi Sederhana By Hendry

TUTORIAL EVIEWS REGRESI SEDERHANA (SIMPLE REGRESSION WITH EVIEWS)

http://teorionline.wordpress.com By Hendry

REGRESI SEDERHANA

Model regresi sederhana dilakukan jika bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila ada satu variabel independen sebagai prediktor dimanipulasi (dinaik turunkan nilainya). Persamaan yang diperoleh dari regresi sederhana adalah Y = β0 + β1 X + µ

Contoh sederhana adalah mengenai pendapatan dan pengeluaran Mr. ABC , dengan Y sebagai pengeluaran, dan X sebagai pendapatan, dan µ adalah error.

Tiga model persamaan tunggal yang umum digunakan adalah OLS, ILS, dan 2SLS (Gujarati dan Porter, 2009). Ordinary least square (OLS) merupakan metode estimasi yang sering digunakan untuk mengestimasi fungsi regresi populasi dan fungsi regresi sampel. Kriteria OLS adalah “line best fit” atau jumlah kuadrat dari deviasi antara titik-titik observasi dengan garis regresi adalah minimum. (penjelasan OLS, ILS dan 2SLS secara teknis dapat anda baca di Buku Gujarati dan Porter. 2009. Dasar-dasar ekonometrika. Jakarta : salemba empat).

Oke..langsung ke pokok masalah dan contoh kasus.

Contoh Kasus

Keterangan : Data Fiktif

Mr. X ingin meneliti pengaruh pendapatan yang diterimanya setiap bulan terhadap jumlah pengeluaran rumah tangga. Ia mengumpulkan data pendapatan selama 32 bulan mulai dari Januari 2009 sampai dengan agustus 2011.


Data Eviews : Regresi Sederhana

OBS IN OUT 2009:1 17.320 14.090 2009:2 74.770 70.410 2009:3 35.240 23.510 2009:4 70.320 49.660 2009:5 25.730 25.610 2009:6 53.410 50.120 2009:7 17.530 16.120 2009:8 38.290 34.660 2009:9 72.550 63.560 2009:10 58.530 51.200 2009:11 78.600 52.300 2009:12 20.990 17.040 2010:1 42.070 36.890 2010:2 61.190 47.480 2010:3 23.150 14.960 2010:4 35.610 30.310 2010:5 76.550 81.680 2010:6 30.150 17.760 2010:7 16.260 12.550 2010:8 46.090 34.990 2010:9 14.090 14.060 2010:10 53.220 47.670 2010:11 19.000 17.200 2010:12 17.700 17.600 2011:1 15.970 14.230 2011:2 11.130 8.320 2011:3 12.530 11.900 2011:4 13.780 14.370 2011:5 23.410 25.240 2011:6 11.630 12.440 2011:7 13.380 13.070 2011:8 40.970 38.760


PENYELESAIAN

Langkah pertama.

Mentabulasi data ke dalam Excel


Langkah 2. Buka Eviews

Klik File- New-WorkFile

Figure 1 : setting awal

Klik pada frekuensi pilih “monthly” atau bulanan kemudian isi nilai 2009:1 pada Start Date dan 2010:8 pada “End Date”

Baca aturan setting Eviews di sini

Figure 2. Tampilan Awal


Tahap 3. Menyimpan Workfiles

Secara default, Eviews akan menyimpan File ke Directory My Document, jika anda ingin menyimpannya ke tempat lain maka lakukan penyimpanan dengan mengklik File Save As, lalu pilih Direktori Baru yang anda inginkan.

Tahap 4. Import Data

Klik Proc – Import – Read Text – Lotus – Excel

Figure 3. Import Data


Pilih data yang akan diimport (excel format 1997 – 2003)


Tahap 5. Membuat Equation

Klik Quick – Estimate Equation, lalu setting data seperti ini :

out c pdp

Keterangan : out adalah variabel pengeluaran, c adalah konstanta, dan pdp adalah variabel pendapatan


Klik OK


HASIL

Estimation Command: ========================= LS OUT C PDP Estimation Equation: ========================= OUT = C(1) + C(2)*PDP Substituted Coefficients: ========================= OUT = 0.706283629442 + 0.838759616406*PDP


Tahap 6. Membuat Scatter Plot Regresi

Klik kanan pada datareg1

Klik Views-Graph..lalu setting seperti ini :

Spesific pilih “Scatter”, dan pada Fit Lines pilih “regression line”


Tahap 7. Uji Normalitas

Pada hasil uji yang kita berinama “eq01”, klik Views – Residual Test – Histogram – Normality test


INTERPRETASI HASIL

Persamaan yang diperoleh adalah

OUT = 0.706283629442 + 0.838759616406*PDP

Persamaan ini dapat diartikan bahwa jika PDP (pendapatan) bernilai nol, maka pengeluaran

adalah sebesar 0.706 Juta. Jika pendapatan naik satu juta, maka akan menaikkan pengeluaran

(OUT) sebesar 0.838 juta.

Nilai probabilitas adalah 0.00 (< 0.05) sehingga dapat dikatakan model ini adalah signifikan.

Sementara berdasarkan hasil uji normalitas dapat dilihat dari nilai probabilitas dari Jargue-Bera

(JB). Jika probabilitas > 0.05, maka model dinyatan normal. Berdasarkan parameter ini diketahui

bahwa besaran nilai probabilitas pada JB adalah 0.02, lebih kecil dibanding nilai 0.05. Dengan

demikian dapat disimpulkan bahwa model regresi tidak memenuhi asumsi normalitas.

tutorial eviews regresi sederhana (simple · pdf fileteorionline tutorial : eviews regresi...

Documents