Pengambilan Kesimpulan (Masalah Inferensi) Dalam Pengujian Stabilitas Structural Model Regresi (Chow Test) di Eviews 9

Gambar : Cover Artikel

Mengetahui Masalah Inferensi (Pengambilan Kesimpulan) dan Pengujian Stabilitas Structural Model Regresi (Chow Test).

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

A.Penjelasan Pengambilan Kesimpulan

Inferensi adalah suatu proses pengambilan kesimpulan dan dianggap benar. Dalam analisis regresi sering kali muncul masalah saat mengambil sebuah kesimpulan atau yang biasa disebut inferensi. Contohnya : Ketika hasil penelitian menunjukkan besaran nilai R² kecil maka salah satu solusinya adalah dengan menambah variabel bsru yaitu independent di dalam model persamaan regresi. Setelah ditambahkan, peneliti ingin mengetahui sejauh mana penambahan ini dapat memberikan kontribusi yang dapat meningkatkan nilai R². Selain itu, peneliti juga terkadang ingin melihat apakah hasil pengujian koefisien regresi stabil atau tidak dalam periode yang diamati khususnya jika terjadi suatu peristiwa tertentu. 

Di tutorial ini akan saya ajarkan cara untuk melihat pengambilan kesimpulan atau inferensi yang benar dan dilanjut dengan pengujian stabilitas (untuk melihat hasil koefisien regresi apakah stabil atau tidak). Pertama saya akan memulai dari masalah pengambilan kesimpulan atau inferensi. 

B.Tahapan Pengolahan Data

Untuk memberikan gambaran masalah pengambilan kesimpulan atau inferensi maka dilakukan pengujian dengan menggunakan contoh data : "hubungan antara konsumsi pribadi dan penghasilan pribadi di London dalam dollar tahun 2005-2019". Berikut adalah datanya :

Gambar : Data Latihan

Seandainya kita ingin mengetahui karakter atau perilaku dari konsumsi pribadi di london tahun 2005-2019, maka kita buat persamaan regresi nya yaitu :

Y=β1+β2X2+β3X3+µ

Keterangan :

Y = Konsumsi Pribadi

X2 = Penghasilan Pribadi

X3 = Waktu Pengukuran

Dalam prakteknya, besarnya kontribusi penambahan satu variabel independent ke dalam model regresi sangatlah penting. Kita tidak perlu ragu untuk menambahkan satu variabel independent baru ke dalam model regresi apakah memberikan kontribusi penjelas atau justru tidak memberikan kontribusi sama sekali. Pada dasarnya bila penambahan variabel independent menjadikan nilai R2 semakin kecil maka tidak perlu menambah. Sebaliknya jika penambahan ini menjadikan nilai R2 tinggi maka tambahlah, kecuali bila menghapus variabel yang menyebabkan nilai R2 tinggi maka tidak perlu.

Untuk memutuskan menambah satu variabel independent, kita bisa gunakan pengujian Anova F-test dengan SPSS. Namun untuk lebih praktisnya kita bisa gunakan eviews, karena eviews memberikan kemudahan menguji secara cepat dan mudah. Pengujian dilakukan untuk melihat apakah penambahan variabel independent ke dalam model regresi layak dilakukan. Cara pengujian di eviews dengan menggunakan Wald Test.

Langkah 1 : Buka lembar kerja eviews 9.

Gambar : Pengolah Data Eviews 9

Langkah 2 : Pada Workfile Create dibagian Workfile structure type pilih Unstrudtured/Undated. Data range dibagian Observations isikan 15 jumlah sampel atau observasi pada data. Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 3 : Menuju ke menu Quick pilih Empty Group (Edit Series). 

Gambar : Pengolah Data Eviews 9

Langkah 4 : Copy data beserta variabel nya.

Gambar : Pengolah Data Eviews 9

Langkah 5 : Klik Proc dan pilih Make Equation.

Gambar : Pengolah Data Eviews 9

Langkah 6 : Pada tampilan Equation Estimation dibagian Specification isikan persamaan regresi : kp c pp wp. Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 7 : Klik View => Coefficient Diagnostics dan pilih Wald Test – Coefficient Restrictions.

Gambar : Pengolah Data Eviews 9

Langkah 8 : Pada kotak Wald Test dibagian Coefficient restrictions separated by commas isikan dengan c(3)=0. Untuk (c3) merupakan koefisien variabel WP (Waktu Pengukuran). Isian ini merupakan pengujian restriksi dengan hipotesa nol yaitu koefisien variabel WP (Waktu Pengukuran) tidak memiliki konstribusi tambahan bila dimasukkan ke dalam model regresi. Sehingga koefisien variabel WP (Waktu Pengukuran) adalah 0 (ditulis c(3)=0). Lalu klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 9 : Hasilnya sebagai berikut (Wald Test).

Gambar : Pengolah Data Eviews 9

Interpretasi Output :

Dari hasil ini dapat dilihat, Nilai F-statistic atau F-hitung dibagian value sebesar 16.96495 dengan Probability sebesar 0.0014. Sehingga hipotesa nol ditolak yang mengatakan bahwa koefisien variabel WP (Waktu Pengukuran) tidak mempunyai kontribusi tambahan bila dimasukkan ke dalam model regresi. 

Kesimpulan : variabel WP (Waktu Pengukuran) sebagai variabel independent tambahan harus dimasukkan ke dalam model karena mempunyai kontribusi yang dibutuhkan atau sangat penting.

Berikutnya kita akan belajar pengujian stabilitas struktural model regresi (chow test).

Chow test merupakan pengujian kesamaan koefisien atau test for equality of coefficients yang ditemukan oleh George Chow. Misal : Bila hasil yang kita teliti yaitu berupa observasi di kelompokkan menjadi dua atau lebih kelompok, sehingga muncul pertanyaan apakah kelompok-kelompok tersebut merupakan subyek yang sama. Sebagai contoh kita gunakan data tabungan dan pendapatan London dalam Dollar dari tahun 1998-2019. Dalam judul ini kita umpamakan bahwa London terjadi krisis ekonomi di tahun 2008 sehingga tingkat pengangguran di London mengalami peningkatan yang cukup signifikan. Contoh peristiwa ini bisa jadi berpengaruh terhadap tabungan dan pendapatan negara. Sehingga sebaiknya kita menguji apakah terdapat perubahan nilai koefisien regresi karena adanya peristiwa di tahun 2008. 

C.Tahapan Pengolahan Data

Berikut adalah contoh datanya :

Gambar : Data Latihan

Langkah 1 : Buka lembar kerja eviews 9.

Gambar : Pengolah Data Eviews 9

Langkah 2 : Pada Workfile Create dibagian Workfile structure type pilih Dated – regular frequency. Date specification dibagian Frequency pilih Annual (karena data tahunan). Start date isikan dengan 1998 (sebagai tahun awal data) dan End date isikan dengan 2019 (sebagai tahun akhir data). Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 3 : Menuju ke menu Quick pilih Empty Group (Edit Series).

Gambar : Pengolah Data Eviews 9

Langkah 4 : Copy data beserta variabel nya.

Gambar : Pengolah Data Eviews 9

Langkah 5 : Klik Proc dan pilih Make Equation.

Gambar : Pengolah Data Eviews 9

Langkah 6 : Pada tampilan Eqaution Estimation dibagian Specification isikan persamaan regresi : tabungan c pendapatan. Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 7 : Kita uji apakah peristiwa tahun 2008 terdapat structural break atau tidak. Klik View => Stability Diagnostics dan pilih Chow Breakpoint Test.

Gambar : Pengolah Data Eviews 9

Langkah 8 : Pada kotak Chow Tests dibagian Enter one or more breakpoint dates isikan dengan tahun yang menjadi subyek peneliti yaitu 2008. Dibagian Regressors to vary across breakpoints isikan dengan c pendapatan, artinya yang mempengaruhi pendapatan.

Gambar : Pengolah Data Eviews 9

Langkah 9 : Hasilnya sebagai berikut (Chow Test).

Gambar : Pengolah Data Eviews 9

Interpretasi Output :

Hasil output ini menunjukkan nilai F-statistic atau F-hitung sebesar 8.666925 dengan Prob. F (2.18) sebesar 0.0023. Bunyi hipotesa nol yaitu tidak ada perubahan koefisien regresi atau breaks pada titik waktu tertentu. Sehingga dapat disimpulkan hipotesa nol ditolak yang artinya terdapat perubahan struktural pada pengaruh pendapatan terhadap tabungan negara tahun 2008. Kesimpulan : bahwa koefisien regresi pendapatan terhadap savings tidak stabil selama tahun 1998-2019.

Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel

Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)