5.4. Penyeselaian Fungsi model Cobb-Douglas dengan SPSS

of 12/12
5.4. Penyeselaian Fungsi model Cobb-Douglas dengan SPSS Penaksiran parameter fungsi produksi Cobb-Douglas dapat diselesaikan dengan cara melinierkan persamaan tersebut. Logaritmakan ruas kiri dan kanan dari persamaan . lnP = lnbL α K β lnP = lnb + αlnL + βlnK Untuk menaksir parameter model Cobb-Douglas kita gunakan kembali soal pada sub 2.7.1. tentang pengeluaran pakaian (Y), total pengeluaran (X1) dan harga pakaian (X2) tertera pada Tabel 3.2. Tabel 3.2. Menyajikan fungsi pengeluaran pakaian (Y). n Y X1 X2 1 3, 5 15 16 2 4, 3 20 13 3 5, 0 30 10 4 6, 0 42 7 5 7, 0 50 7 6 9, 0 54 5 7 8, 0 65 4 8 10, 0 72 3 9 12, 0 85 3,5 10 14, 0 90 2 Tabel 3.2 dilogaritma natural (ln) hasilnya tertera pada Tabel 4.1. 120
  • date post

    04-Oct-2021
  • Category

    Documents

  • view

    0
  • download

    0

Embed Size (px)

Transcript of 5.4. Penyeselaian Fungsi model Cobb-Douglas dengan SPSS

EKONOMETRIKAdengan cara melinierkan persamaan tersebut.
Logaritmakan ruas kiri dan kanan dari persamaan .
lnP = lnbLαKβ
lnP = lnb + αlnL + βlnK
Untuk menaksir parameter model Cobb-Douglas kita gunakan kembali soal pada sub 2.7.1.
tentang pengeluaran pakaian (Y), total pengeluaran (X1) dan harga pakaian (X2) tertera pada
Tabel 3.2.
n Y X1 X2
Tabel 3.2 dilogaritma natural (ln) hasilnya tertera pada Tabel 4.1.
120
Tabel 4.1. Menyajikan fungsi pengeluaran pakaian (Y) yang telah di ln
n lnY lnX1 lnX2
Kemudian data pada Tabel 4.1 dimasukan ke SPSS sebagai berikut.
Klik simbol IBM SPSS statistics,
akan muncul IBM SPSS statistics data editor seperti berikut.
120
Klik data view, maka tampilannya sebagai berikut.
Arahkan kursos seperti anak panah di atas kemudian klik dan ketik data pada Tabel 4.1 atau
copy data dari excel kemudian paste menurut kolom mulai dari nomor 1 dan seterusnya sesuai
jumlah sampel yang digunakan seperti berikut.
120
Kemudian klik variable view untuk menulis nama variabel seperti berikut.
Pada Name klik var00001 ganti dengan Y kemudian enter, var00002 dengan X1, dan
var00003 dengan X2 pada kolom label baris pertama tulis Pengeluaran pakaian dan baris
kedua dan ketiga tulis Total pengeluaran dan Harga pakaian seperti yang tertulis pada Tabel
4.1 tampilannya seperti berikut.
Kemudian klik analize pilih Regression dan klik linear, tampilan seperti berikut.
Kemudian pindahkan Kuantitas (Y) ke Dependent dengancara klik anak panah seperti pada
gambar di atas, maka tampilannya seperti berikut.
120
Kemudian klik Total pengeluaran (X1) dan Harga pakaian (X2) maka tampilannya seperti
berikut.
Kemudian variable harga dipindahkan ke independent dengan klik arah panah seperti gambar
di atas, maka tampilannya seperti berikut.
120
Kemudian klik statistic seperti anak panah di atas maka tampilannya seperti berikut.
Klik covariance matrix, collinearity diagnostics, Durbin-Watson, dan continue kemudian klik
OK, maka outputnya seperti berikut.
REGRESSION
/CRITERIA=PIN(.05) POUT(.10)
EKONOMETRIKA
Data File
values are treated as
cases with no missing
values for any variable
DOUGLAS.sav
120
a. Predictors: (Constant), Harga pakaian, Total pengeluaran
b. Dependent Variable: Pengeluaran pakaian
ANOVAa
Model
1 Regression 1.611 2 .805 66.180 .000b
Residual .085 7 .012
b. Predictors: (Constant), Harga pakaian, Total pengeluaran
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
Total
pengeluaran
Harga
pakaian
a. Dependent Variable: Pengeluaran pakaian
120
Total pengeluaran .969 1.000
Total pengeluaran .053 .060
Collinearity Diagnosticsa
2 .126 4.782 .00 .00 .03
3 .000 81.264 1.00 1.00 .96
a. Dependent Variable: Pengeluaran pakaian
Residuals Statisticsa
Predicted Value 1.2690 2.5731 1.9800 .42306 10
Residual -.12783 .17599 .00000 .09729 10
Std. Predicted Value -1.681 1.402 .000 1.000 10
Std. Residual -1.159 1.595 .000 .882 10
a. Dependent Variable: Pengeluaran pakaian
Pada output SPSS, untuk kriteria terima atau tolak hipotesis nol (H0) dapat dilihat dari nilai
sig pada tabel Anova dan Coefficients di atas. Contoh pada tabel Anova F hitung 66,18
dengan nilai sig 0,000, karena 0,000 < 0,01 atau 0,05 (α = 1% atau α = 5%) maka H0 di tolak
berarti secara simultan total pengeluaran (X1) dan harga pakaian (X2) memengaruhi
120
pengeluaran pakaian (Y). Demikian juga dengan tabel Coefficients dimana t hitung total
pengeluaran 1,22 dengan nilai sig 0,06 < 0,1 maka H0 ditolak pada α = 10%, t hitung harga
poakaian -1,64 dengan nilai sig 0,06 < 0,1 maka H0 ditolak pada α = 10%. Koefisien regresi
(dalam model Cobb-Douglas dapat disebut elastisitas) dari total pengeluaran 0,298 dapat
diartikan bahwa setiap peningkatan total pengeluaran sebesar 1% akan menyebabkan
peningkatan pengeluaran pakaian sekitar 0,298%. Koefisien regresi (dalam model Cobb-
Douglas dapat disebut elastisitas) dari harga pakaian -0,365 dapat diartikan bahwa setiap
peningkatan harga pakaian sebesar 1% akan menyebabkan penurunan pengeluaran pakaian
sekitar 0,365%.