Resume Materi Yang Sempet gue catet biar gak lupa ajasih ^^

Time Series diurutkan, runtun waktu, objeknya cuman satu

Cross Section ada beberapa objek dan ada beberapa variabel

Data Panel/Full Data gabungan dari time series dan cross section. Runtun waktu, ada bbrp objek, dan ada bbrp variabel.

Regresi Linier adl untuk mengetahui pengatuh variabel dependen dan independen (x,y)

Analisis Regresi Terbagi 2: Regresi sederhana dan berganda

Caranya: Olah Data>> Uji Regresi  Sederhana : objek – new objek – equation – tulis nama – lalu Ok – di kotal dialog equation estimation – di spesification tulis pl [spasi] c [spasi] apa variabel Xnya – di method pilih LS-Least Square – Ok –Muncul dependennya apa alias Ynya apa

Regresi Berganda Objek – equation – name for objek tulis judulnya apa – oke – pl [spasi] c [spasi] ho [spasi] hi [spasi] ..... – Ok

Probabilitas dibawah 5% signifikan/berpengaruh

Probability seberapa besar kemungkinan yg telah dibuat

R-square brp persen sih xnya mempengaruhi Y

Prob (f-statistik) untuk melihat keseluruhan variabel. Untuk melihat seluruh variabel x bersama-sama pengaruhi y. Harus dibawah 5%

Std.Deviasi : ukuran dispersi/sebaran data

Skewness asimetris distribusi data. Kemencengan/kemiringan distribusi data

Kurtosis mengukur ketinggian dari distribusi data

Jarque Bera untuk mengetahui apakah data terdistribusi secara normal atau tdk. Diatas 5% maka terdistribusi normal

ESTIMASI DATA PANEL : 1) Commnon Effect 2) Fixed 3) Random à dipilih dari ketiga estimasi diatas, mana yg mau dipake atau mana yg harus dipake. Sesuai nilai tingkat signifikasi datanya. Nanti dibandingkan Common & Fixed namanya Uji Chow/Chow test lalu dibandingin lagi dari hasilnya itu dgn Random Efect namanya Hausman test. Biasanya bagi praktisi abaikan common krn dianggap sama saja dgn regresi biasa seperti time series dan cross section

CARA COMMON objek à new objek à di Type of Objek pilih pool à muncul kotak dialog kemudian underscore misal _A, _B gitu2 à Estimateà pool estimation à di dependen variabel (tulis Ynya apa pake tanda tanya?) à lalu di common coefisien, masukknya Xnya apa à lalu okee

FIXED objek à new objek à di Type of Objek pilih pool à muncul kotak dialog kemudian underscore misal _A, _B gitu2 à Estimateà pool estimation à di dependen variabel (tulis Ynya apa pake tanda tanya?) à lalu di common coefisien, masukknya Xnya apa à di estimation method tulis Fixed

UJI CHOW : liat bagus Common atau Fixed kalau probability chi square dibawah 5% maka fixed, diatas 5% common

Random objek à new objek à di Type of Objek pilih pool à muncul kotak dialog kemudian underscore misal _A, _B gitu2 à Estimateà pool estimation à di dependen variabel (tulis Ynya apa pake tanda tanya?) à lalu di common coefisien, masukknya Xnya apa à di estimation method tulis random

Hausman view à random effect testing à hausman test. Kalau Probability chi square dibawah 5% maka hasil sebelumnya mau fixed atau common, tapi kalau diatas 5% maka random

UJI ASUMSI KLASIK : kalau lolos uji ini baru data bisa dipakai. Uji ini adalah masalah2 yg serng terjadi dalam regresi. Regresi bisa dipakai kalau lolos 4 Uji ini:

1.         Normalitas : kalau lolos uji ini artinya datanya harus terdistribusi secara normal. Terjadi normalitas kalau sampelnya terlalu sedikit atau gak terdistribusi normal. Kalau JB atau jarque-bera diatas 0,05 berarti lolos uji normalitas artinya data terdistribusi secara normal.

2.         Multikolinieritas : multikolinieritas terjadi apabila terdapat hubungan yang linier antara variabel independen. Jadi untuk menentukan variabel independen atau bukan liat teorinya dulu. Misal Y keinginan beli produk, Xnya kualitas& harga. Nah bener gak kedua variabel Xnya itu pengaruhin Y.  Multikol terjadi jika terdapat hubungan yang linier antara variabel independen. Kalo datanya udah di import >  quick > grup statistik > corelation. Syaratnya, data harus dibawah 0,85. Kalau dibawah itu berarti terdapat hubungan antar variabel independen.  nilai signifikansinya harus dibawah 0,85 yang artinya tidak dapat terdapat multikol atau lolos uji multikol.

3.         Heteroskedastisitas : terjadi karena varians datanya tidak konstan karena nilai residu memiliki varians data yang tidak konstan.

Hetero terjadi karena nilai residu memiliki nilai residu memiliki variabel data yang tidak konstan. Jadi kalau nilai residunya gak konstan, terindikasi heteroskedastisitas. Biasanya terjadi di data crossection.

Ada 3 cara yaitu dengan : (a) Uji Park , (b) Uji Glejser, (c) uji White

Nah diliat lolos gak dalam uji a,b,c itu gitu ^^

Uji Park : nilai residunya kita kuadratkan dulu. Caranya masukin data lalu > klik genr > lalu masukin ke generate series klik resid2=resid^2. Resid yang sudah dikuadratkan tadi kita log(resid2)=a+b1x1+b2x2 bukan lagi y=a+b1x1+b2x2 tapi sii Residnya looh.

Nahh kemudian buka regresi baru alias objeckt kemudian new object.

Kalau nilai prob dari t-statistik diatas 0,05 artinya ia lolos uji park.

Uji Gletser residunya kita absolutkan. Genr> generate series > tulis rumus di enter equation, rumusnys >  resabs=abs(resid)

Hasilnya ada di save-an

Lalu lakukan uji regresi lagi.  Object – new objek

Lalu untuk WHITEnya alias uji WHITENya lanjutin aja

DI residual diagnotics pilih heteros kedasticity test -> pilih yang white

4.         Auto Korelasi (LM-Test) : olah regresi lagi objek à new objek à di residual diagnosis à serial corelation LM test. Kalau prob chi square diatas 5% lolos UJI LM Test. Kalau lolos berarti lolos uji asumsi klasik yg artinya regresi bisa dipakai. Data minimal 30 yaa