Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si Model Penyesuaian Parsial (Partial Adjustment Model) Model regresi yang menunjukkan hubungan antara variabel terikat dan variabel bebas yang didistribusikan berdasarkan periode waktu tertentu biasa disebut dengan Model Lag Terdistribusi (Gujarati, 2009). Model Lag Terdistribusi atau Infinite Lag Models, dapat ditulis sebagai berikut t t t t t t X X X X Y ... . 3 3 2 2 1 1 0 ............. (1) Model ini menggambarkan bahwa nilai Y t tergantung atau dipengaruhi oleh nilai X pada saat t (X t ), nilai X pada satu unit ukuran waktu sebelumnya 1 t X , dan nilai X pada dua unit ukuran waktu sebelumnya 2 t X dan seterusnya. Selain itu model ini dipengaruhi oleh faktor-faktor lain yang diwakili oleh (Lains, 2006). Model Lag Terdistribusi telah menunjukkan kegunaan yang sangat besar dalam ilmu ekonomi empiris karena model ini telah membuat teori ekonomi yang bersifat statis menjadi yang bersifat dinamis dengan memperhitungkan secara eksplisit peranan dari waktu. Model ini membedakan antara respon jangka pendek dan jangka panjang dari variabel terikat terhadap satu unit perubahan dalam nilai variabel yang menjelaskan. Koyck (1954) mengusulkan suatu metode penaksiran Model Lag Terdistribusi didasarkan pada asumsi bahwa koefisien menurun secara eksponensial dari waktu ke waktu (Ravines et al., 2003), yaitu : k k 0 , k = 0,1,2,3,..... dan 1 0 dimana adalah tingkat penurunan dari lag terdistribusi (rate of decay of the distributed lag). Adapun asumsi-asumsi dari aturan Koyck (Nachrowi dan Usman, 2005) yaitu: 1) Nilai non-negatif sehingga k selalu mempunyai tanda yang sama 2) 1 maka bobot k semakin kecil semakin jauh periodenya 3) Aturan Koyck menjamin bahwa jumlah adalah penjumlahan jangka panjang, yaitu : 0 0 1 k k
25
Embed
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah ... · Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Model Penyesuaian Parsial (Partial Adjustment Model)
Model regresi yang menunjukkan hubungan antara variabel terikat dan variabel bebas yang didistribusikan berdasarkan periode waktu tertentu biasa disebut dengan Model Lag Terdistribusi (Gujarati, 2009). Model Lag Terdistribusi atau Infinite Lag Models, dapat ditulis sebagai berikut
tttttt XXXXY .... 3322110 ............. (1)
Model ini menggambarkan bahwa nilai Yt tergantung atau dipengaruhi oleh nilai X pada saat t (Xt), nilai X pada satu unit ukuran waktu sebelumnya 1tX , dan nilai X pada dua unit ukuran waktu sebelumnya
2tX dan seterusnya. Selain itu model ini dipengaruhi oleh faktor-faktor
lain yang diwakili oleh (Lains, 2006). Model Lag Terdistribusi telah menunjukkan kegunaan yang sangat besar dalam ilmu ekonomi empiris karena model ini telah membuat teori ekonomi yang bersifat statis menjadi yang bersifat dinamis dengan memperhitungkan secara eksplisit peranan dari waktu. Model ini membedakan antara respon jangka pendek dan jangka panjang dari variabel terikat terhadap satu unit perubahan dalam nilai variabel yang menjelaskan.
Koyck (1954) mengusulkan suatu metode penaksiran Model Lag Terdistribusi didasarkan pada asumsi bahwa koefisien menurun secara
eksponensial dari waktu ke waktu (Ravines et al., 2003), yaitu :
k
k 0 , k = 0,1,2,3,..... dan 10
dimana adalah tingkat penurunan dari lag terdistribusi (rate of decay of the distributed lag). Adapun asumsi-asumsi dari aturan Koyck (Nachrowi dan Usman, 2005) yaitu: 1) Nilai non-negatif sehingga k selalu mempunyai tanda yang sama
2) 1 maka bobot k semakin kecil semakin jauh periodenya
3) Aturan Koyck menjamin bahwa jumlah adalah penjumlahan jangka
panjang, yaitu :
0
0
1k
k
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Model Ekspektasi Adaptif dispesifikasikan dengan memperhatikan ekspektasi di masa depan. Walaupun pengalaman di masa lalu dapat dijadikan pedoman untuk prediksi di masa yang akan datang. Model Ekspektasi adaptif dirumuskan dalam bentuk sebagai berikut :
ttt XY
10 ………………………… (2)
model ini menggambarkan bahwa nilai tY tergantung atau dipengaruhi oleh
nilai X pada saat t yang diharapkan pada periode sekarang untuk dihasilkan pada periode yang akan datang (Lains, 2006).
Karena variabel
tX yang bersifat harapan tidak dapat diamati secara
langsung, maka Cagan dan Friedman mengemukakan hipotesis mengenai bagaimana harapan tersebut terbentuk yang kemudian dikenal dengan hipotesis harapan aditif:
11 tttt XXXX ………………………. (3)
dimana adalah koefisien harapan (Coefficient of Expectation) dengan
10 (Jonni, 2005).
Pendugaan Parameter dengan Metode Ekspektasi Adaptif (EA) Model Regresi Ekspektasi Adaptif yaitu :
ttt XY *
10 . …………….…….( 4)
Dengan *, tt XY masing-masing merupakan keseimbangan optimal dari
Ekspetasi jangka panjang. Variabel *
tX secara langsung tidak dapat diamati
dan mengikuti hipotesis ekspektasi adaptif yaitu )( *
1
**
1
*
tttt XXXX
Dengan 0 < < 1, ini adalah koefisien ekspektasi adaptif dan ekspektasi progresif. Ekspektasi ini berdasarkan waktu sebelumnya dan secara khusus didapat dari kesalahan masa lalu. Lebih spesifik dapat dikatakan bahwa ekspektasi ini direvisi setiap periode dengan praksi ( ) antara nilai sekarang dengan nilai periode berikutnya. Jika ekspektasi direalisasikan secara cepat
dan penuh pada waktu yang sama dengan =1 maka *
tX = tX dan
persamaan (34) akan menjadi:
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
ttt XXX
*
1
* )1( …………….…. (5)
Substitusi persamaan (5) ke persamaan (4) maka diperoleh
tttt XXY ))1(( *
110
tttt XXY
*
1110 )1( …………….. (6)
Selanjutnya persamaan (6) dikalikan dengan )1( dan hasilnya dikurangi
dari persamaan (7) dan diperoleh:
1
*
1101 )1()1()1()1( ttt XY ………………. (7)
*
11111001 )]1()1([)]1([)1()1( tttt XXYY
1)1( tt
1110 )1()1( ttttt YXY ….….. (8)
Dari persamaan (4) koefisien 1 merupakan ukuran pendugaan perubahan Y
akibat perubahan satu unit *X , keseimbangan jangka panjang dari nilai X. Pada persamaan (8) koefisien 1 merupakan ukuran rata-rata perubahan Y
akibat perubahan satu unit X. Kedua respon ini tidak sama kecuali = 1. Dalam praktek pertama ditaksir persamaan (8) untuk memperoleh dan koefisien 1 dengan mudah dapat dihitung, yaitu dengan membagi 1
tX
dengan . Pendugaan Parameter dengan Model Parsial Adjustment Rasionalisasi dari Model Koyck adalah Model Parsial Adjustment (MPA). Pertimbangan flexible accelerator model dari teori ekonomi mengasumsikan adanya kesembangan optimal dalam jangka panjang. Misalkan asosiasi modal
Persamaan ini disebut Model Parsial Adjustment (MPA). Persamaan (4) menjelaskan keseimbangan permintaan modal dalam jangka panjang dan persamaan (11) menjelaskan keseimbangan permintaan modal jangka pendek. Penaksiran persamaan (11) menghasilkan koefisien pada modal jangka panjang dengan cara mengetahui koefisien adjustment (δ). Aplikasi Model PAM dalam Ekonomi Hubungan antara Pendapatan Domestik Bruto dengan kurs, Gross fixed capital formation, Tax revenue, Trade, Labor force dan Industry Value Added dinyatakan sebagai berikut : GDP : f (GDP, Kurs, GFCF, TR, Trade, AK dan IVA)
tttttttt IVAAKTradeTRGFCFKursGDP 5543210
*
.. (12)
ittt GDPGDPGDP )1(* ...................................................................... (13) Masukan persamaan (12) ke persamaan (13) sehingga diperoleh
ttGDP 16 ...................................................................................... (15) Persamaan (15) yang akan digunakan untuk mengamati faktor-faktor yang mempengaruhi GDP di Indonesia.
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Memenuhi
Ya
Tidak
Studi Kepustakaan (Teori dan Studi Terdahulu)
Identifikasi Variabel Penelitian dan Pembentukan Model
Pembuatan Hipotesis
Pengolahan Data Uji Spesifikasi Model dan Uji Asumsi
Klasik
Proses Pengumpulan Data
Estimasi Model dan Pengujian Hipotesis
Kesimpulan dan Rekomendasi
Gambar 1 Langkah-Langkah Penelitian
Revisi
Memenuhi
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Berikut ini data ekonomi makro Indonesia sebagai berikut :
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Cara memasukan data di Excell ke Eviews Data diatas kita masukan ke program eviews, dengan cara copy seperti dibawah ini :
Blok C3 sampai dengan I26 yang akan kita copy
Kemudian buka Eviews
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
klik file New Workfile
Maka akan muncul sebagai berikut :
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Isilah
Start date 1986
End date 2018 lalu tekan Ok dan akan muncul di layar sebagai berikut :
Kemudian klik Quick Empty Group (Edit Series) ok Maka akan muncul seperti di layar
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Klik Paste, seperti di bawah ini
Maka akan muncul di layar
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Cara melakukan regresi
klic Proc Make Equation
Maka akan muncul
Klik OK
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Karena koefisien penyesuaian tidak signifikan (lihat dalam kotak merah), maka perlu kita lakukan dengan memperkecilkan perbedaan nilai antar variabel dengan melakukan logaritma di setiap variable (kecuali variable yang nilainya persen atau decimal).
Klik Estimate
Klik ok, diperoleh hasil sebagai berikut :
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Dan hasilnya koefisien penyesuaian sekarang bernilai antara 0 sampai dengan 1 dan signifikan.
Uji Asumsi Klasik Uji asumsi klasik yang digunakan dalam regresi linier dengan pendekatan
Ordinary Least Squared (OLS) meliputi uji Linieritas, uji Normalitas. Uji
Autokorelasi, uji Heteroskedastisitas, dan uji Multikolinieritas Walaupun
demikian, tidak semua uji asumsi klasik harus dilakukan pada setiap model
regresi linier dengan pendekatan OLS.
1. Uji linieritas hampir tidak dilakukan pada setiap model regresi linier.
Karena sudah diasumsikan bahwa model bersifat linier. Kalaupun
harus dilakukan semata-mata untuk melihat sejauh mana tingkat
linieritasnya.
2. Uji normalitas pada dasarnya tidak merupakan syarat BLUE (Best
Linier Unbias Estimator) dan beberapa pendapat tidak mengharuskan
syarat ini sebagai sesuatu yang wajib dipenuhi.
3. Autokorelasi hanya terjadi pada data time series. Pengujian
autokorelasi pada data yang tidak bersifat time series (cross section atau
panel) akan sia-sia semata atau tidaklah berarti.
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
4. Multikolinieritas perlu dilakukan pada saat regresi linier
menggunakan lebih dari satu variabel bebas. Jika variabel bebas
hanya satu, maka tidak mungkin terjadi multikolinieritas.
5. Heteroskedastisitas biasanya terjadi pada data cross section, dimana
data panel lebih dekat ke ciri data cross section dibandingkan time series.
Uji Linearitas
Klik View Stability Diagnostics Ramsey RESET Test
Kemudian muncul
Klik Ok
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Uji linieritas yang digunakan dalam penelitian ini yaitu dengan menggunakan uji Ramsey Reset. Di mana, jika nilai F-hitung lebih kecilr dari nilai F-kritisnya pada α tertentu berarti tidak signifikan, maka menolak hipotesis bahwa model tidak linear.
Uji Normalitas Uji normalitas ini digunakan untuk mengetahui apakah residual berdistribusi normal atau tidak. Untuk menguji apakah distribusi data normal atau tidak dapat dilakukan dengan menggunkan uji Jarque-Berra (uji J-B).
Klik View Residual Diagnostics Histogram – Normality Test
Maka akan muncul hasil uji normalitas sebagai berikut :
Tidak linear
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Berdasarkan uji normalitas dapat diketahui bahwa ρ-value sebesar 0,887639 > α = 5%. Maka, dapat disimpulkan bahwa data yang digunakan dalam model ini berdistribusi normal. Uji Multikolinearitas Multikolinieritas adalah adanya hubungan linier antara variabel independen di dalam model regresi. Untuk menguji ada atau tidaknya multikolinieritas pada model, peneliti menggunakan metode parsial antar variabel independen. Rule of thumb dari metode ini adalah jika koefisien korelasi cukup tinggi di atas 0,85 maka diduga ada multikolinieritas dalam model. Sebaliknya jika koefisien korelasi relatif rendah maka duga model tidak mengandung unsur multikolinieritas (Ajija at al, 2011). Berdasarkan pengujian dengan metode korelasi parsial antar variabel independen diperoleh bahwa terdapat masalah multikolinieritas dalam model. Hal itu dikarenakan nilai matrik korelasi (correlation matrix) lebih dari 0,85. Klik varibel terikat dan semua variable bebasnya, kemudian klik kanan dan pilih copy
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Kemudian klik Quick Group Statistics Correlations
Maka akan muncul
Klik Ok
Klik Yes
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Berdasarkan pengujian dengan metode korelasi parsial antar variabel independen diperoleh bahwa beberapa variable terdapat masalah multikolinieritas dalam model. Hal itu dikarenakan nilai matrik korelasi (correlation matrix) lebih dari 0,85. Masalah multikolinieritas tidak selalu buruk jika tujuan untuk melakukan prediksi atau peramalan karena koefisien determinasi yang tinggi merupakan ukuran kebaikan dari prediksi atau peramalan. Oleh sebab itu bila koefisien determinasi tinggi dan signifikasi koefisien slope tinggi maka model regresi pada umumnya tidak mengalami masalah multikolinieritas. Data time series menunjukkan bahwa semakin panjang lag maka korelasi antar variabel bebas atau multikolinieritas semakin tinggi.
Uji Heteroskedastisitas Heteroskedastisitas merupakan masalah regresi yang faktor gangguan tidak memiliki varian yang sama atau variannya tidak konstan. Hal ini akan memunculkan berbagai permasalahan yaitu penaksir OLS yang bias, varian dari koefisien OLS akan salah. Dalam penelitian ini akan menggunakan metode dengan uji Glejser untuk mendeteksi ada tidaknya heteroskedastisitas dalam model regresi.
Klik View Residual Diagnostics Hesterosdedasticity Test
Pilih ARCH
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Klik Ok
Berdasarkan hasil pengolahan data pada jangka pendek diperoleh bahwa nilai Obs* R-squared atau hitung adalah 0,8062 lebih besar dari α = 5 %. Maka dapat disimpulkan bahwa dalam model tidak terdapat masalah heteroskedastisitas dalam model ini.
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Uji autokorelasi Autokorelasi menunjukkan adanya korelasi antara anggota serangkaian observasi. Jika model mempunyai korelasi, parameter yang diestimasi menjadi bias dan variasinya tidak lagi minimum dan model menjadi tidak efisien. Dalam penelitian ini, untuk mengetahui ada tidaknya autokorelasi dalam model digunakan uji Lagrange Multiplier (LM). Uji autokorelasi dengan menggunakan metode LM diperlukan lag atau kelambanan. Lag yang dipakai dalam penelitian ini ditentukan dengan metode trial error perbandingan nilai absolut kriteria Akaike dan Schwarz yang nilainya paling kecil. Dalam penelitian ini, peneliti memilih nilai dari kriteria Akaike sebagai acuan utama untuk memudahkan dalam analisis. Dalam estimasi jangka pendek pada lag pertama nilai Akaike yang diperoleh adalah sebesar 1,16, Sehingga berdasarkan metode tersebut diperoleh nilai kriteria Akaike terkecil adalah pada lag pertama.
Klik View Residual Diagnostics Serial Correlation LM Test
Ok
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
Hasil regresinya sebagai berikut : Dependent Variable: LOG(GDP)
Method: Least Squares
Date: 05/30/19 Time: 23:12
Sample (adjusted): 1987 2017
Included observations: 31 after adjustments Variable Coefficient Std. Error t-Statistic Prob. LOG(KURS) 0.000293 0.027909 0.010510 0.9917
LOG(GFCF) 0.280694 0.058418 4.804926 0.0001
LOG(TR) 0.040596 0.015615 2.599835 0.0160
LOG(TRADE) -0.106107 0.042198 -2.514479 0.0194
LOG(AK) 0.482570 0.173099 2.787832 0.0105
LOG(IVA) 0.220513 0.075156 2.934076 0.0075
LOG(GDP(-1)) 0.218084 0.068308 3.192668 0.0040
C 4.204113 1.856110 2.265013 0.0332 R-squared 0.998989 Mean dependent var 36.09619
Adjusted R-squared 0.998682 S.D. dependent var 0.409752
S.E. of regression 0.014876 Akaike info criterion -5.360449
Sum squared resid 0.005090 Schwarz criterion -4.990387
Koefisien yang diperoleh dari persamaan diatas adalah dalam jangka pendek. Sedangkan koefisien dalam jangka panjang diperoleh dengan membagi koefisien dalam jangka pendek dengan koefisien penyesuauannya.
Variable Koefisien
Jangka Pendek Jangka Panjang
LOG(KURS) 0.0003 0.0004
LOG(GFCF) 0.2807*** 0.3590***
LOG(TR) 0.0406** 0.0519**
LOG(TRADE) -0.1061** -0.1357**
LOG(AK) 0.4826** 0.6172**
LOG(IVA) 0.2205*** 0.2820**
LOG(GDP(-1)) 0.2181*** C 4.2041 5.3767
Koefisien Penyesuaian 0.7819
Hubungan antara kurs dengan pertumbuhan ekonomi tidak memiliki hubungan, baik dalam jangka pendek maupun dalam jangka panjang. Hubungan antara Gross fixed capital formation (GFCF) dengan pertumbuhan ekonomi berhubungan positif. GFCF adalah komponen pengeluaran untuk produk domestik bruto (PDB), dan dengan demikian menunjukkan sesuatu tentang berapa banyak nilai tambah baru dalam ekonomi yang diinvestasikan daripada dikonsumsi. Nilai koefisien dalam jangka pendek bernilai 0,2807, artinya jika GFCF ditambaha sebesar 1% maka pertumbuhan ekonomi akan meningkat sebesar 0,28%. Dalam jangka panjang nilai koefisien akan meningkat menjadi 0,359%. Hubungan antara Tax Revenue dengan pertumbuhan ekonomi berhubungan positif, artinya semakin meningkat penerimaan pajak akan meningkatkan pertumbuhan ekonomi. Nilai koefisien dalam jangka pendek bernilai 0,04, artinya jika TR ditambah sebesar 1% maka pertumbuhan ekonomi akan meningkat sebesar 0,04%. Dalam jangka panjang nilai koefisien akan meningkat menjadi 0,051%. Walaupun penerimaan pajak memiliki pengaruh
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
positif tetapi pengaruhnya sangat kecil, atau untuk menaikan 15 pertumbuhan ekonomi dibutuhkan tambahan 25% dari penerimaan pajak. Hubungan antara Trade (Perdagangan) dengan pertumbuhan ekonomi berhubungan negatif, artinya semakin meningkat nilai perdagangan akan menurunkan pertumbuhan ekonomi. Nilai koefisien dalam jangka pendek bernilai 0,106, artinya jika perdagangan meningkat sebesar 1% maka pertumbuhan ekonomi akan turun sebesar 0,106%. Dalam jangka panjang nilai koefisien akan meningkat menjadi 0,135%. Nilai perdagangan ini menjadi kendala, karena kenaikan perdagangan sebesar 10% akan menurunkan pertumbuhan ekonomi sebesar 1%.. Hubungan antara AK (Angkatan Kerja) dengan pertumbuhan ekonomi berhubungan positif, artinya semakin meningkat Angkatan Kerja akan meningkatkan pertumbuhan ekonomi. Nilai koefisien dalam jangka pendek bernilai 0,48, artinya jika AK ditambah sebesar 1% maka pertumbuhan ekonomi akan meningkat sebesar 0,48%. Dalam jangka panjang nilai koefisien akan meningkat menjadi 0,62%. Hubungan antara IVA (Industry Value Added) dengan pertumbuhan ekonomi berhubungan positif, artinya semakin meningkat IVA akan meningkatkan pertumbuhan ekonomi. Nilai koefisien dalam jangka pendek bernilai 0,22, artinya jika TR ditambah sebesar 1% maka pertumbuhan ekonomi akan meningkat sebesar 0,22%. Dalam jangka panjang nilai koefisien akan meningkat menjadi 0,28%. Nilai koefisien dalam model ini sebesar 1-0.2181=0.7819, artinya perbedaan antara pertumbuhan ekonomi yang diharapkan dengan kenyataannya 78% dapat disesuaikan.
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Yogyakarta
Bahan Ajar Regresi Model PAM Agus Tri Basuki, SE., M.Si
DAFTAR PUSTAKA
Ajija, Shochrul R., et al. "Cara cerdas menguasai Eviews." Jakarta: Salemba Empat (2011).
Gujarati, D. N. (2009). Basic econometrics. Tata McGraw-Hill Education.
Lains, P. (2006). Growth in a protected environment: Portugal, 1850–1950. In Research in Economic History (pp. 119-160). Emerald Group Publishing Limited.
Nachrowi, N. D., & Usman, H. (2005). Penggunaan Teknik Ekonometri: Pendekatan Populer dan Praktis Dilengkapi Teknik Analisis dan Pengolahan Data dengan Menggunakan Paket Program SPSS. Edisi Revisi, PT Rajagrafindo Persada, Jakarta.
R. Ravines, R., M. Schmidt, A., & S. Migon, H. (2006). Revisiting distributed lag models through a Bayesian perspective. Applied Stochastic Models in Business and Industry, 22(2), 193-210.