Model regresi sederhana dilakukan jika kita 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 X sebagai pendapatan,Y sebagai pengeluaran, dan µ adalah error.
Tiga model persamaan tunggal yang umum digunakan adalah
OLS, ILS, dan 2SLS (Gujarati dan Porter, 2009).
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 kita 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. Riadi Marta Dinata ingin meneliti :
pengaruh pendapatan yang diterimanya setiap bulan terhadap jumlah pengeluaran rumah tangga.
Ia mengumpulkan data pendapatan selama 32 bulan dari Januari 2009 sampai dengan Agustus 2011.
pengaruh pendapatan yang diterimanya setiap bulan terhadap jumlah pengeluaran rumah tangga.
Ia mengumpulkan data pendapatan selama 32 bulan dari Januari 2009 sampai dengan Agustus 2011.
Data Eviews : Regresi Sederhana (USS$)
| 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
|
Ubah data ke .csv caranya ketik ke notepad dan save as ke .csv misal:
OBS,IN,OUT
2009:1,17.32,14.09
2009:2,74.77,70.41
2009:3,35.24,23.51
2009:4,70.32,49.66
2009:5,25.73,25.61
2009:6,53.41,50.12
2009:7,17.53,16.12
2009:8,38.29,34.66
2009:9,72.55,63.56
2009:10,58.53,51.2
2009:11,78.6,52.3
2009:12,20.99,17.04
2010:1,42.07,36.89
2010:2,61.19,47.48
2010:3,23.15,14.96
2010:4,35.61,30.31
2010:5,76.55,81.68
2010:6,30.15,17.76
2010:7,16.26,12.55
2010:8,46.09,34.99
2010:9,14.09,14.06
2010:10,53.22,47.67
2010:11,19,17.2
2010:12,17.7,17.6
2011:1,15.97,14.23
2011:2,11.13,8.32
2011:3,12.53,11.9
2011:4,13.78,14.37
2011:5,23.41,25.24
2011:6,11.63,12.44
2011:7,13.38,13.07
2011:8,40.97,38.76
Lalu buka ke Excell
Data lebih dahulu dimasukkan ke excel agar mudah nantinya saat import ke eviews
Selanjutnya Buka EViews ->File ->New Workfile atau CTRL+N
isikan data sesuai data gambar sbb:
Selanjutnya pilih tab proc->Import-> from File ->
Akan dihasilkan tampilan sbb:
Pilih file excel yang telah dibentuk di atas...atau bisa juga kita memasukkan data secara manual yatu dengan memilih tab edit -> lalu masukkan data satu persatu.....
Hasil import data .csv ata .xls:
Selanjutnya pilih Tombol Next
Pada gambar tampak data input dan output terpisah sesuai time series yang sudah di atur sebelumnya......
Tahap selanjutnya..... : Membuat Equation
Klik Quick – Estimate Equation,
Lalu setting data seperti ini : out c in
Keterangan : out =variabel pengeluaran, c =konstanta, dan in =variabel pendapatan
Klik Quick – Estimate Equation,
Lalu setting data seperti ini : out c in
Keterangan : out =variabel pengeluaran, c =konstanta, dan in =variabel pendapatan
Jika kita klik view-representation didapatkan formulas sbb:
Estimation Command:
=========================
LS OUT C IN
Estimation Equation:
=========================
OUT = C(1) + C(2)*IN
Substituted Coefficients:
=========================
OUT = 0.706283629442 + 0.838759616406*IN
Silakan di mainkan tombol View.....dst...akan didapatkan kombinasi grafik yang menarik....:-)
Selanjutnya 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”
Estimation Command:
=========================
LS OUT C IN
Estimation Equation:
=========================
OUT = C(1) + C(2)*IN
Substituted Coefficients:
=========================
OUT = 0.706283629442 + 0.838759616406*IN
Silakan di mainkan tombol View.....dst...akan didapatkan kombinasi grafik yang menarik....:-)
Selanjutnya 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”
Selanjutnya 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*IN
Persamaan ini dapat diartikan bahwa
jika IN (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.
Reff:
http://www.lp2maray.com
https://teorionline.wordpress.com/
Persamaan yang diperoleh adalah OUT = 0.706283629442 + 0.838759616406*IN
Persamaan ini dapat diartikan bahwa
jika IN (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.
Reff:
http://www.lp2maray.com
https://teorionline.wordpress.com/



















