Selasa, 31 Mei 2016

DATA PANEL




APLIKASI DATA PANEL DALAM REGRESI

Berikut ini data kemiskinan di Pulau Sumatera (terdiri dari 10 propinsi dan data tersedia 2006 -2012)

Provinsi
Tahun
Number of Poor People
(thousand people)
Population
(thousand people)
GDRP
(million Rupiahs)
Share of Agriculture
(percent)
Share of Industry
(percent)
Nanggroe Aceh Darussalam
2006
1,149.70
4,128.40
70,787
25.71
12.05
2007
1,083.70
4,219.40
71,093
25.51
11.16
2008
959.7
4,312.10
73,548
26.37
11.14
2009
892.9
4,406.50
71,987
28.36
10.82
2010
861.9
4,494.40
79,145
27.94
9.64
2011
894.8
4,572.40
87,995
27.32
8.95
2012
876.6
4,717.80
96,161
27.03
8.69
Sumatera Utara
2006
1,897.10
12,455.70
160,377
22.33
25.68
2007
1,768.50
12,589.70
181,820
22.56
25.04
2008
1,613.80
12,724.00
213,932
22.84
24.14
2009
1,499.70
12,858.60
236,354
23.03
23.29
2010
1,490.90
12,982.20
275,057
22.9
22.91
2011
1,481.30
13,074.20
314,372
22.48
22.48
2012
1,378.50
13,241.60
351,118
21.88
22.07
Sumatera Barat
2006
578.8
4,608.50
53,030
25.26
11.42
2007
529.2
4,668.90
59,799
24.67
12.01
2008
477.2
4,729.60
70,955
24.49
12.12
2009
527.5
5,365.40
297,173
20.28
20.12
2010
500.3
5,538.40
345,774
19.98
20.33
2011
442.1
4,890.40
98,957
23.66
11.39
2012
397.9
4,973.30
110,104
23.01
11.15
Riau
2006
564.9
4,833.50
167,068
21.72
19.34
2007
574.5
5,005.10
210,003
20.76
18.65
2008
566.7
5,182.30
246,400
19.22
18.15
2009
527.5
5,365.40
297,173
20.28
20.12
2010
500.3
5,538.40
345,774
19.98
20.33
2011
482.1
5,691.30
413,706
18.87
19.36
2012
481.3
5,979.00
469,073
18.19
19.21
Kepulauan Riau
2006
163
1,392.00
46,216
5.13
47.36
2007
148.4
1,460.50
51,826
5.04
46.7
2008
136.4
1,532.20
58,575
4.9
45.43
2009
128.2
1,607.30
63,893
5
46.2
2010
129.7
1,679.20
71,615
4.8
46.76
2011
129.6
1,750.80
80,238
4.63
47.79
2012
131.2
1,921.20
91,717
4.41
47.88
Jambi
2006
304.6
2,805.60
26,062
27.53
11.94
2007
281.9
2,876.50
32,077
26.08
11.86
2008
260.3
2,949.00
41,056
23.85
11.13
2009
249.7
3,023.00
44,127
27.45
11.92
2010
241.6
3,092.30
53,858
29.42
11.11
2011
272.7
3,152.30
63,355
29.33
10.65
2012
270.1
3,261.80
72,654
29.83
10.91
Sumatera Selatan
2006
1,446.90
6,945.00
95,929
18.03
23.23
2007
1,331.80
7,071.50
109,896
18.27
23.03
2008
1,249.60
7,199.80
133,665
17.18
23.36
2009
1,167.90
7,329.80
137,332
17.35
23.64
2010
1,125.70
7,450.40
157,735
17.54
22.02
2011
1,074.80
7,547.80
182,390
17.21
20.55
2012
1,042.00
7,730.30
206,331
16.58
20.12
Bangka Belitung
2006
117.4
1,085.40
15,921
18.41
22.28
2007
95.1
1,119.20
17,985
18.67
22.51
2008
86.7
1,153.90
21,421
18.48
22.42
2009
76.6
1,189.70
22,998
18.71
21.62
2010
67.8
1,223.30
26,713
18.63
21.15
2011
72.1
1,253.20
30,416
18.07
20.39
2012
70.2
1,307.40
34,325
18.65
19.23
Bengkulu
2006
360
1,610.30
11,397
40.07
4
2007
370.6
1,636.70
12,874
40.29
3.96
2008
352
1,663.50
14,916
40.66
4.31
2009
324.1
1,690.50
16,385
39.13
4.32
2010
324.9
1,715.50
18,600
40.01
4.22
2011
303.6
1,734.90
21,269
39.74
4.34
2012
310.5
1,773.10
24,713
38.93
4.44
Lampung
2006
1,638.00
7,260.60
49,119
36.98
12.51
2007
1,661.70
7,348.80
60,922
37.31
13.65
2008
1,591.60
7,437.40
73,719
39.07
13.29
2009
1,558.30
7,526.40
88,935
38.89
14.07
2010
1,479.90
7,608.40
108,404
36.82
15.79
2011
1,298.70
7,671.10
127,908
36.56
16.07
2012
1,219.00
7,789.10
144,561
35.92
15.55

model regresi yang menggunakan data panel dari Ms. Excell dengan menggunakan Eviews. Sebenarnya pada Eviews sendiri banyak teknik untuk mengentri data, bisa secara langsung (Manual) ataupun dengan cara import data dari Ms.Excell. Namun khusus untuk data pane dapat dilakukan import langsung dari Ms. Excell karena lebih cepat dan lebih mudah daripada input manual pada Eviews.

Tahapan-tahapan import data panel dari Ms. Excell adalah sebagai berikut:

1.    Siapkan file Ms. Excell yang akan diimport, Simpan dalam format .XLS (format 2003-2007). Perhatikan susunan tabelnya. Provinsi i kemudian periode (t) nya bergerak, setelah selesai baru dilanjutkan kepada provinsi berikutnya begitu seterusnya.

Data yang digunakan pada simulasi ini adalah data 10 provinsi yang diamati dalam rentang waktu 2006-2012, variabelnya dimisalkan saja Y, X1, X2 , X3dan X4, seperti yang terlihat dibawah ini.

Setelah disimpan file Ms. Excell 2003-2007 nya jangan lupa ditutup filenya (atau save as ke format yang berbeda dari Ms. Excell yang akan diinput)

2.    Bukalah Eviews yang  miliki, Kemudiaan pilih file >new >workfile

3.    Karena menggunakan data tahunan, maka frekuensinya dalam annual, dimulai dari tahun 2006-2012. OK

4.  Kemudian pada workfile, klik Object >New Object >Pool > tuliskan nama pool nya misal PANEL

Kemudian pada pool, identifikasikan observasi , tetapi dahulukan dengan menggunakan “_”, bisa berupa angka, bisa berupa tulisan, misalnya: _1,_2,…,_70 ataupun _ACEH,_SUMUT,…,_LAMPUNG



5.    Setelah identifikasi, pilih opsi proc > import pool data

  1. Pada upper left data, isikan pada cell apakah input data dimulai (misal c3), kemudian identifikasi variabel yang digunakan (Note: akhiri identifikasi variabel dengan t tanya ?)

7.  Apabila input data panel benar, maka akan terbentuk data input pada workfile yang ditandai dengan x1_1 sampai x1_30, hingga y_1 sampai y_30
Note: Cek terlebih dahulu, apakah data sudah benar, apabila ada nilai yang tertukar, itu artinya  salah dalam penyusunan tabel yang akan diinput pada Ms. Excell, perbaiki format struktur tabelnya (Back to Tahapan 1).

Lakukan estimasi model sederhana. Caranya pada workfile klik pool panel, kemudian pada pool pilih estimate.

Dependent Variable, isikan dengan y? (jangan lupa t tanya ya). Kemudian untuk Independent Variable nya, diisikan juga variabel nya dan jangan lupa diakhiri tanda tanya.

Model Fixed Effect

Dependent Variable: Y?


Method: Pooled Least Squares


Date: 04/03/15   Time: 19:57


Sample: 2006 2012


Included observations: 7


Cross-sections included: 10


Total pool (balanced) observations: 70











Variable
Coefficient
Std. Error
t-Statistic
Prob.  










C
2650.235
593.0849
4.468559
0.0000
X1?
-0.500833
0.111142
-4.506241
0.0000
X2?
0.000998
0.000514
1.940710
0.0573
X3?
7.839311
9.919094
0.790325
0.4327
X4?
13.70187
7.089345
1.932742
0.0583
Fixed Effects (Cross)




_ACEH--C
85.85472



_SUMUT--C
4625.561



_SUMBAR--C
-190.1408



_RIAU--C
-158.8202



_KEPRI--C
-2446.977



_JAMBI--C
-1287.389



_SUMSEL--C
1635.942



_BABEL--C
-2432.584



_BENGKULU--C
-1856.429



_LAMPUNG--C
2024.983














Effects Specification












Cross-section fixed (dummy variables)











R-squared
0.986933
    Mean dependent var
709.4900
Adjusted R-squared
0.983900
    S.D. dependent var
544.1165
S.E. of regression
69.04091
    Akaike info criterion
11.48413
Sum squared resid
266932.2
    Schwarz criterion
11.93383
Log likelihood
-387.9446
    Hannan-Quinn criter.
11.66276
F-statistic
325.3602
    Durbin-Watson stat
0.580885
Prob(F-statistic)
0.000000














Kemudian pada model estimasi nya dapat ditentukan apakah menggunakan fixed  effects model ataupun random effects model.

Model Random Effect

Dependent Variable: Y?


Method: Pooled EGLS (Cross-section random effects)
Date: 04/03/15   Time: 19:56


Sample: 2006 2012


Included observations: 7


Cross-sections included: 10


Total pool (balanced) observations: 70

Swamy and Arora estimator of component variances










Variable
Coefficient
Std. Error
t-Statistic
Prob.  










C
-588.4240
287.6299
-2.045768
0.0448
X1?
0.124234
0.024887
4.991891
0.0000
X2?
-0.001364
0.000207
-6.572830
0.0000
X3?
15.20552
7.696078
1.975749
0.0524
X4?
25.31354
5.588710
4.529406
0.0000
Random Effects (Cross)




_ACEH--C
432.4659



_SUMUT--C
-21.83344



_SUMBAR--C
-40.04610



_RIAU--C
76.52462



_KEPRI--C
-637.6475



_JAMBI--C
-159.6296



_SUMSEL--C
251.2586



_BABEL--C
-262.3548



_BENGKULU--C
24.12940



_LAMPUNG--C
337.1330














Effects Specification





S.D.  
Rho  










Cross-section random
249.5900
0.9289
Idiosyncratic random
69.04091
0.0711











Weighted Statistics












R-squared
0.372190
    Mean dependent var
73.77613
Adjusted R-squared
0.333556
    S.D. dependent var
110.1835
S.E. of regression
89.94942
    Sum squared resid
525908.4
F-statistic
9.633633
    Durbin-Watson stat
0.512244
Prob(F-statistic)
0.000004














Unweighted Statistics












R-squared
0.671759
    Mean dependent var
709.4900
Sum squared resid
6705413.
    Durbin-Watson stat
0.040176












1.    Dan hasil outputnya

Dimana ditunjukkan dari nilai Prob (f-stat) yang kurang dari 0.1 (sebagai overall test) bahwa dengan tingkat keyakinan 90 persen, seluruh variabel yang berpengaruh signifikan terhadap variabel tidak bebas. Variabel yang signifikan ditandai oleh prob t-statistik (sebagai partial test) yang kurang dari 0.1. Sehingga dengan tingkat keyakinan 90 persen variabel yang signifikan mempengaruhi Y adalah variabel X1 dan X4. Dan model dapat menjelaskan 33,3 persen variasi yang terjadi pada variabel y (adjusted R-squared).

UJI HAUSMANN TEST

Pada penulisan ini akan dijelaskan tahapan Hausmann test dengan menggunakan E-views.
1.    Diasumsikan  telah dilakukan pengujian signifikansi fixed effect
2.    Untuk pengujian hausmann, yang harus  pastikan adalah sedang dalam kondisi model random effects.
3.    Pilih view > Fixed/Random Effect Testing > Correlated Random Effects – Hausmann Test

Berikut hasil Output nya

Correlated Random Effects - Hausman Test

Pool: AGUSTB



Test cross-section random effects











Test Summary
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob. 









Cross-section random
49.330891
4
0.0000










Cross-section random effects test comparisons:
Variable
Fixed  
Random 
Var(Diff.) 
Prob. 










X1?
-0.500833
0.124234
0.011733
0.0000
X2?
0.000998
-0.001364
0.000000
0.0000
X3?
7.839311
15.205519
39.158819
0.2391
X4?
13.701875
25.313537
19.025142
0.0078










Cross-section random effects test equation:

Dependent Variable: Y?


Method: Panel Least Squares


Date: 10/26/14   Time: 21:11


Sample: 2006 2012


Included observations: 7


Cross-sections included: 10


Total pool (balanced) observations: 70











Variable
Coefficient
Std. Error
t-Statistic
Prob.  










C
2650.235
593.0849
4.468559
0.0000
X1?
-0.500833
0.111142
-4.506241
0.0000
X2?
0.000998
0.000514
1.940710
0.0573
X3?
7.839311
9.919094
0.790325
0.4327
X4?
13.70187
7.089345
1.932742
0.0583











Effects Specification












Cross-section fixed (dummy variables)











R-squared
0.986933
    Mean dependent var
709.4900
Adjusted R-squared
0.983900
    S.D. dependent var
544.1165
S.E. of regression
69.04091
    Akaike info criterion
11.48413
Sum squared resid
266932.2
    Schwarz criterion
11.93383
Log likelihood
-387.9446
    Hannan-Quinn criter.
11.66276
F-statistic
325.3602
    Durbin-Watson stat
0.580885
Prob(F-statistic)
0.000000














Nilai Prob yang lebih kecil dari 0.05 menunjukkan kondisi ditolaknya Ho. Dalam hal ini Ho nya adalah Model random lebih baik dibandingkan model Fixed Effect. Sehingga karena nilai prob nya = 0.00000, maka dengan tingkat keyakinan 95% dapat disimpulkan bahwa untuk data yang  miliki model fixed effect lebih sesuai digunakan.

UJI CHOW TEST

Chow test yakni pengujian untuk menentukan model Fixed Effet atau Random Effect yang paling tepat digunakan dalam mengestimasi data panel.  Hipotesis dalam uji chow adalah:

H0       : Common Effect Model atau pooled OLS
H1       : Fixed Effect Model

Dasar penolakan terhadap hipotesis diatas adalah dengan membandingkan perhitungan F-statistik dengan F-tabel. Perbandingan dipakai apabila hasil F hitung lebih besar (>) dari F tabel maka H0 ditolak yang berarti model yang paling tepat digunakan adalah Fixed Effect Model. Begitupun sebaliknya, jika F hitung lebih kecil (<) dari F tabel maka H0 diterima dan model yang digunakan adalah Common Effect Model (Widarjono, 2009).  Perhitungan F statistik didapat dari Uji Chow dengan rumus (Baltagi, 2005):

Description: https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhGDxUl8mqPKQO3T5D2cDHO1XSxUjMSXGBQAvBjWPXPY4iVe_xPiO8QvOafxJ0w2whfIzeL38iIQsDuNXZJFM9snwvLssfDGK3VVPNPwZa31ADx8fBGV0gH-T5H4K5JTgLoiGdCd7fL_0U/s320/rumus+uji+chow.jpg

Dimana:
SSE1  :  Sum Square Error dari model Common Effect
SSE2  :  Sum Square Error dari model Fixed Effect
n          :  Jumlah perusahaan (cross section)
nt         :  Jumlah cross section x jumlah time series
k          :  Jumlah variabel independen

Sedangkan F tabel didapat dari:

Description: https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEh7tYRo1XLgC5p9H6I9W6BYjDDs4oCa7yDTsl_ffU36HEjupW2BBa5Lnzjlhq9-me3dqS7B8fBfj2xZCOzSn27Yfg7YPL4VPUKbx10waUZzDJxpHc0V5HiDjtDSUFh2GGvo2BtOabCCwrI/s1600/f+tabel.jpg

Dimana:
α                      : Tingkat signifikasi yang dipakai (alfa)
n                      : Jumlah perusahaan (cross section)
nt                     : Jumlah cross section x jumlah time series
k                      : Jumlah variabel independen

Untuk menghitung kita lihat hasil Common Effect dan Random Effect dibawah ini:










Hasil Regresi Panel dengan Common Effect

Dependent Variable: Y?


Method: Pooled Least Squares


Date: 04/03/15   Time: 19:47


Sample: 2006 2012


Included observations: 7


Cross-sections included: 10


Total pool (balanced) observations: 70











Variable
Coefficient
Std. Error
t-Statistic
Prob.  










X1?
0.166742
0.010070
16.55859
0.0000
X2?
-0.001553
0.000312
-4.969914
0.0000
X3?
3.849323
1.637978
2.350045
0.0218
X4?
-1.446228
1.733339
-0.834359
0.4071










R-squared
0.854828
    Mean dependent var
709.4900
Adjusted R-squared
0.848230
    S.D. dependent var
544.1165
S.E. of regression
211.9753
    Akaike info criterion
13.60626
Sum squared resid
2965612.
    Schwarz criterion
13.73475
Log likelihood
-472.2192
    Hannan-Quinn criter.
13.65730
Durbin-Watson stat
0.159751













Hasil Regresi Panel dengan Fixed Effect
Dependent Variable: Y?


Method: Pooled Least Squares


Date: 04/03/15   Time: 20:10


Sample: 2006 2012


Included observations: 7


Cross-sections included: 10


Total pool (balanced) observations: 70











Variable
Coefficient
Std. Error
t-Statistic
Prob.  










C
2650.235
593.0849
4.468559
0.0000
X1?
-0.500833
0.111142
-4.506241
0.0000
X2?
0.000998
0.000514
1.940710
0.0573
X3?
7.839311
9.919094
0.790325
0.4327
X4?
13.70187
7.089345
1.932742
0.0583










Cross-section fixed (dummy variables)











R-squared
0.986933
    Mean dependent var
709.4900
Adjusted R-squared
0.983900
    S.D. dependent var
544.1165
S.E. of regression
69.04091
    Akaike info criterion
11.48413
Sum squared resid
266932.2
    Schwarz criterion
11.93383
Log likelihood
-387.9446
    Hannan-Quinn criter.
11.66276
F-statistic
325.3602
    Durbin-Watson stat
0.580885
Prob(F-statistic)
0.000000














Fn-1,nt,n-k (ROE)                =         
                                                =          299.853/5354,52
                                                =          55,99
F-tabel                                    =          ⍺ ; df (n-1, nT-n-k)
                                                =          5% ; (10 - 1, 10.7 - 10 - 4)
                                                =          5% ; (9, 56)
                                                =          2,04

Hasil dari perhitungan F-hitung  didapat sebesar 48,237289 sedangkan F-tabel dari numerator 9 dan denumenator 56 pada ⍺: 5% adalah 2,04. Dari hipotesis diatas dapat disimpulkan bahwa H0 ditolak karena F-hitung lebih besar dari       F-tabel (55,99 > 2,04), sehingga model yang dipakai dalam penelitian ini adalah Fixed Effect Model.

Uji Asumsi Klasik Untuk Data Panel
Uji asumsi klasik yang digunakan dalam regresi linier dengan pendekatan Ordinary Least Squared (OLS) meliputi uji Linieritas, Autokorelasi, Heteroskedastisitas, Multikolinieritas dan Normalitas. 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.
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.
Dari penjelasan di atas dapat ditarik kesimpulan bahwa pada regresi data panel, tidak semua uji asumsi klasik yang ada pada metode OLS dipakai, hanya multikolinieritas dan heteroskedastisitas saja yang diperlukan.
Berikut ini hasil regresi panel dengan model Fixed Effect:

Dependent Variable: Y?


Method: Pooled Least Squares


Date: 04/03/15   Time: 20:26


Sample: 2006 2012


Included observations: 7


Cross-sections included: 10


 penduduk











Variable
Coefficient
Std. Error
t-Statistic
Prob.  










C
2650.235
593.0849
4.468559
0.0000
X1?
-0.500833
0.111142
-4.506241
0.0000
X2?
0.000998
0.000514
1.940710
0.0573
X3?
7.839311
9.919094
0.790325
0.4327
X4?
13.70187
7.089345
1.932742
0.0583
Fixed Effects (Cross)




_ACEH--C
85.85472



_SUMUT--C
4625.561



_SUMBAR--C
-190.1408



_RIAU--C
-158.8202



_KEPRI--C
-2446.977



_JAMBI--C
-1287.389



_SUMSEL--C
1635.942



_BABEL--C
-2432.584



_BENGKULU--C
-1856.429



_LAMPUNG--C
2024.983














Effects Specification












Cross-section fixed (dummy variables)











R-squared
0.986933
    Mean dependent var
709.4900
Adjusted R-squared
0.983900
    S.D. dependent var
544.1165
S.E. of regression
69.04091
    Akaike info criterion
11.48413
Sum squared resid
266932.2
    Schwarz criterion
11.93383
Log likelihood
-387.9446
    Hannan-Quinn criter.
11.66276
F-statistic
325.3602
    Durbin-Watson stat
0.580885
Prob(F-statistic)
0.000000














 Dari hasil diatas dapat disimpulkan :
1.      Ada hubungan negatif antara jumlah penduduk dengan jumlah penduduk miskin, artinya jika jumlah penduduk bertambah maka mengakibatkan jumlah penduduk miskin berkurang. Hal ini dapat dimungkingkan karena peningkatan jumlah penduduk disertai dengan kualitas penduduknya.
2.      Ada hubungan positif antara pendapatan domestik bruto dengan jumlah penduduk miskin, artinya jika PDB bertambah maka mengakibatkan jumlah penduduk miskin bertambah. Hal ini dapat dimungkingkan karena peningkatan PDB tidak disertai dengan distribusi pendapatan yang merata.
3.      Ada hubungan positif antara share pertanian dengan jumlah penduduk miskin, artinya jika Share sektor pertanian bertambah maka mengakibatkan jumlah penduduk miskin bertambah. Hal ini dapat dimungkingkan karena share pertanian sangat padat karya.
4.      Ada hubungan positif antara share industri dengan jumlah penduduk miskin, artinya jika Share sektor industri bertambah maka mengakibatkan jumlah penduduk miskin bertambah. Hal ini dapat dimungkingkan karena terjadinya akumulasi kapital disektor industri.

DAFTAR PUSTAKA
Agus Widarjono, Ekonometrika Teori dan Aplikasi untuk Ekonomi dan Bisnis, Edisi Kedua, Cetakan Kesatu, Penerbit Ekonisia Fakultas Ekonomi UII Yogyakarta 2007.
Baltagi, Bagi (2005). Econometric Analysis of Panel Data, Third Edition. John Wiley & Sons.
Budiyuwono, Nugroho, Pengantar Statistik Ekonomi & Perusahaan, Jilid 2, Edisi Pertama, UPP AMP YKPN, Yogyakarta, 1996.
Barrow, Mike. Statistics of Economics: Accounting and Business Studies. 3rd edition. Upper Saddle River, NJ: Prentice-Hall, 2001
Catur Sugiyanto. 1994. Ekonometrika Terapan. BPFE, Yogyakarta
Gujarati, Damodar N. 1995. Basic Econometrics. Third Edition.Mc. Graw-Hill, Singapore.
Insukindro (1996), “Pendekatan Masa Depan Dalam Penyusunan Model Ekonometrika: Forward-Looking Model dan Pendekatan Kointegrasi”, Jurnal Ekonomi dan Industri, PAU Studi Ekonomi, UGM, Edisi Kedua, Maret 1-6
Insukindro (1998a), “Sindrum R2 Dalam Analisis Regresi Linier Runtun Waktu”, Jurnal Ekonomi dan Bisnis Indonesia, Vol. 13, No. 41 1-11.
Insukindro (1998b), “Pendekatan Stok Penyangga Permintaan Uang: Tinjauan Teoritik dan Sebuah Studi Empirik di Indonesia”, Ekonomi dan Keuangan Indonesia, Vol XLVI. No. 4: 451-471.
Insukindro (1999), “Pemilihan Model Ekonomi Empirik Dengan Pendekatan Koreksi Kesalahan”, Jurnal Ekonomi dan Bisnis Indonesia, Vol. 14, No. 1: 1-8.
Insukindro dan Aliman (1999), “Pemilihan dan Bentuk Fungsi Model Empiris: Studi Kasus Permintaan Uang Kartil Riil di Indonesia”, Jurnal Ekonomi dan Bisnis Indonesia. Vol. 13, No. 4: 49-61.
Johnston, J. and J. Dinardo (1997), Econometric Methods, McGrow-Hill
Koutsoyiannis, A (1977). Theory of Econometric An Introductory Exposition of Econometric Methods 2nd Edition, Macmillan Publishers LTD.
Maddala, G.S (1992). Introduction to Econometric, 2nd Edition, Mac-Millan Publishing Company, New York.
Nachrowi, D.N. dan H. Usman (2002). Penggunaan Teknik Ekonometrika. Jakarta: PT Raja Grafindo Persada.
Sritua Arif.1993. Metodologi Penelitian Ekonomi. BPFE, Yogyakarta.
Thomas, R.L. 1998. Modern Econometrics : An Intoduction. Addison-Wesley. Harlow, England.









Diposting oleh di

Tidak ada komentar:

Posting Komentar

Langganan: Posting Komentar (Atom)