Fakultas Ekonomi dan Bisnis Universitas Indonesia

  1  

UJIAN AKHIR SEMESTER GASAL 2019/2020

Mata Kuliah : Ekonometrika 2 (CSPD) - A Program : S1 Reguler Ilmu Ekonomi Tanggal Ujian : 17 Desember 2019 Waktu : 150 Menit (2 ½ Jam) Sifat Ujian : Closed Book/Closed Notes Tim Pengajar : I Dewa Gede Karma Wisana

Aufa Doarest/Dhaniel Ilyas Djoni Hartono

PetunjukUmum: 1. Perhatikan, lembar soal ini terdiri dari 8 Halaman dan 5 Soal. Semua soal wajib dijawab.

Bobot penilaian untuk setiap soal tersedia di akhir pertanyaan. Bobot setiap sub-komponen sama.

2. Boleh menggunakan kalkulator. Tidak boleh menggunakan telepon seluler/komputer/laptop sebagai kalkulator.

3. Sifat ujian adalah tutup buku (closed book) dan tutup catatan (closed notes). Pertanyaan  1  (25%):    

Seseorang  bisa  memilih  2  jenis  asuransi  atau  tidak  memiliki  asuransi  sama  sekali.  Preferensi  mengenai  asuransi  dari  616  sample  dapat  dilihat  pada  table  di  bawah  ini:  

 

Seorang  peneliti  kemudian  berusaha  untuk  melihat  korelasi  antara  karakteristik  demografi  dan  jenis  asuransi  yang  digunakan.    

Anda  diminta  untuk  membantu  peneliti  tersebut  dengan  menjawab  beberapa  pertanyaan  di  bawah  ini.  

a. Apa  metode  ekonometrika  yang  paling  tepat  untuk  menjawab  pertanyaan  di  atas?  Jelaskan  

Jika  kemudian  peneliti  memilih  untuk  menggunakan  multi  nomial  logit,  hasil  estimasi  dengan  dapat  dilihat  pada  table  di  bawah  ini.    

Total 616 100.00 Uninsure 45 7.31 100.00 Prepaid 277 44.97 92.69 Indemnity 294 47.73 47.73 insure Freq. Percent Cum.

Fakultas Ekonomi dan Bisnis Universitas Indonesia

  2  

 

 

 

_cons -1.941934 .1782185 -10.90 0.000 -2.291236 -1.592632 nonwhite .3779586 .407589 0.93 0.354 -.4209011 1.176818Uninsure _cons -.1879149 .0937644 -2.00 0.045 -.3716896 -.0041401 nonwhite .6608212 .2157321 3.06 0.002 .2379942 1.083648Prepaid Indemnity (base outcome) insure Coef. Std. Err. z P>|z| [95% Conf. Interval]

Log likelihood = -551.78348 Pseudo R2 = 0.0086 Prob > chi2 = 0.0081 LR chi2(2) = 9.62Multinomial logistic regression Number of obs = 616

Iteration 3: log likelihood = -551.78348 Iteration 2: log likelihood = -551.78348 Iteration 1: log likelihood = -551.78935 Iteration 0: log likelihood = -556.59502

. mlogit insure nonwhite

Note: _cons estimates baseline relative risk for each outcome. _cons .1434263 .0255612 -10.90 0.000 .1011414 .2033896 nonwhite 1.459302 .5947956 0.93 0.354 .656455 3.244036Uninsure _cons .8286853 .0777011 -2.00 0.045 .6895682 .9958685 nonwhite 1.936382 .4177397 3.06 0.002 1.268702 2.955442Prepaid Indemnity (base outcome) insure RRR Std. Err. z P>|z| [95% Conf. Interval]

Log likelihood = -551.78348 Pseudo R2 = 0.0086 Prob > chi2 = 0.0081 LR chi2(2) = 9.62Multinomial logistic regression Number of obs = 616

. mlogit, rrr

Fakultas Ekonomi dan Bisnis Universitas Indonesia

  3  

b. Apa  perbedaan  antara  estimasi  dengan  menggunakan  relative  risk  ration  (rrr)  dan  tanpa  rrr?  Jelaskan.  Apakah  hasil  akan  berbeda  kalo  kita  menggunakan  base  yang  berbeda.    

c. Jelaskan  intepretasi  dari  hasil  regresi  dari  kedua  table  diatas.    d. Hitung  predicted  probabilitas  untuk  menggunakan  prepaid  insurance  bagi  white  dan  nonwhite  e. Hitung  predicted  relative  risk  dari  memilih  asuransi  indemnity  dibandingkan  prepaid  (bagi  whites)  

 

Pertanyaan  2  (15%):    

Seorang   peneliti   sedang  melakukan   studi  mengenai   hubungan   antara   karakteristik   demografi   dan  

pengeluaran  dibidang  kesehatan.  Model  yang  digunakan  adalah  sebagai  berikut:    

𝐸! = 𝛽! +  𝛽! ∗ 𝐴𝑔𝑒   +  𝛽! ∗ 𝐹𝑎𝑚𝑖𝑙𝑦  𝑆𝑖𝑧𝑒 + 𝛽! ∗ 𝑆𝑡𝑎𝑡𝑢𝑠  𝑃𝑒𝑘𝑒𝑟𝑗𝑎𝑎𝑛   +  𝛽! ∗ 𝑇𝑖𝑛𝑔𝑘𝑎𝑡  𝑃𝑒𝑛𝑑𝑖𝑑𝑖𝑘𝑎𝑛  

+  𝜀!      

Untuk   menjawab   pertanyaan   diatas,   dia   menggunakan   Susenas.   Dalam   proses   tabulasi   diketahui  

bahwa  banyak  rumah  tangga  tidak  memiliki  pengeluaran  dibidang  kesehatan.    

a. Apakah  OLS  merupakan  metode  yang   tepat  untuk  menjawab  pertanyaan  di   atas?   Jelaskan  

jawaban  anda.    

b. Apa  implikasi  penggunaan  metode  OLS  dengan  karakteristik  data  seperti  di  atas?    

c. Apa  saran  anda  mengenai  metode  estimasi  yang  lebih  tepat?  Jelaskan  saran  anda  tersebut.  

(Jika   anda   merasa   OLS   tepat,   anda   hanya   perlu   menulis   OLS   dan   jelaskan   alasan  

menggunakan  metode  OLS  Ini).  

 

Pertanyaan  3  (20%):    

Sebuah   lembaga   kampus   diminta   untuk   melihat   dampak   dari   pengurangan   bea   import   terhadap  

produktifitas  perusahaan  sektor  manufaktur.  Model  yang  akan  digunakan  adalah  sebagai  berikut.      

𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑡𝑦!"# = 𝛽! +  𝛽! ∗ 𝑡𝑎𝑟𝑖𝑓𝑓!"  +  𝛽! ∗ 𝐿𝑎𝑏𝑜𝑟!"#+  𝑇𝑖𝑚𝑒! + 𝑣!  +  𝜀!"      

dimana:    

𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑡𝑦!"#  adalah  produktifitas  perusahaan  i  di  sektor  k  pada  tahun  t      

𝐿𝑎𝑏𝑜𝑟!"#  adalah  produktifitas  perusahaan  i  di  sektor  k  pada  tahun  t      

𝑡𝑎𝑟𝑖𝑓𝑓!"  adalah  tariff  dari  sector  i  pada  tahun  t  

𝑇𝑖𝑚𝑒!    adalah  panel  invariant  tahun  characteristics  

𝑣!    adalah  time  invariant  unobserved  individual  characteristics  

Anda  diminta  untuk:    

a. Jelaskan   apa   implikasi   dari   keberadaan  𝑣!     terhadap   pemilihan   model   estimasi   yang   akan  

dilakukan.   Jelaskan   asumsi  mengenai  𝑣!  dari   setiap  model   dan   tunjukaan   persamaan   akhir  

setiap  metode  

b. Jika  ternyata  DGP  dari  model  diatas  adalah  random  effect,  apa  metode  ekonometrika  yang  

anda  sarankan  untuk  digunakan?  Jelaskan  alasannya.  

Fakultas Ekonomi dan Bisnis Universitas Indonesia

  4  

c. Jika   ternyata   DGP   dari   model   diatas   adalah   fixed   effect,   apa   metode   ekonometrika   yang  

anda  sarankan  untuk  digunakan?  Jelaskan  alasannya.  

             Jika  kemudian,  lembaga  tersebut  mengubah  mode  menjadi:  

𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑡𝑦!"#= 𝛽! +  𝛽! ∗ 𝑡𝑎𝑟𝑖𝑓𝑓!"  +  𝛽! ∗ 𝐿𝑎𝑏𝑜𝑟!"#+  𝛽! ∗ 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑡𝑦!"#!! + 𝑇𝑖𝑚𝑒! + 𝑣!  

+  𝜀!"      

               dimana  𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑡𝑦!"#!!  adalah  produktifitas  perusahaan  I  di  sector  k  pada  tahun  t-­‐1  

d.         Jelaskan   implikasi  dari  penambahan  satu  variable   ini   terhadap  model  yang  akan  digunakan.  

Hubungkan  dengan  asumsi  penting  dalam  panel  data.    

   

 

Pertanyaan  4  (20%):      

Seorang   peneliti  memiliki   data  mengenai   rumah   tangga   tangga   dengan   tingkat   pendapatan   diatas  

garis   kemiskinan.   Dengan   data   tersebut   dia   berusaha   untuk  melakukan   studi  mengenai   pengaruh  

tingkat  pendapatan  rumah  tangga  terhadap  capaian  sekolah  seorang  anak.    Model  yang  digunakan  

adalah:  

SA! = 𝛼 + 𝛽! ∗ Pendidikan  Ibu   +  𝛽! ∗ Pendidikan  Ayah   +  𝛽! ∗ Tingkat  Pendapatan   + 𝜀!    

                     Dimana  SA  adalah  capaian  sekolah  

Dengan  menggunakan   data   dan  model   ekonomi   tersebut,   anda   diminta   untuk  membantu   peneliti  

dengan  menjawab  beberapa  pertanyaan  berikut:    

a) Apakah  OLS  bisa  digunakan  untuk  menjawab  pertanyaan  riset  di  atas?  Jelaskan  

b) Jika  tidak,  apa  metode  ekonometrika  yang  sebaiknya  digunakan  oleh  peneliti  tersebut?    

Karena  usulan  dari    berbagai  pihak,  peneliti  tersebut  kemudian  mengganti  tujuan  penelitian    menjadi  

pengaruh  tingkat  lokasi  tinggal  dan  tingkat  pendidikan  terhadap  pendapatan.    

Tingkat  Pendapatan  != 𝛼 + 𝛽! ∗ Pendidikan  Ibu   +  𝛽! ∗ Pendidikan  Ayah   +  𝛽! ∗ Lokasi  Rumah   + 𝜀!  

 

Dengan   menggunakan   model   ekonomi   yang   baru   ini,   anda   kembali   diminta   untuk   membantu  

peneliti  dengan  menjawab  beberapa  pertanyaan  berikut:    

c) Apakah  OLS  bisa  digunakan  untuk  menjawab  pertanyaan  riset  di  atas?  Jelaskan  

d) Jika  tidak,  apa  metode  ekonometrika  yang  sebaiknya  digunakan  oleh  peneliti  tersebut?    

 

   

Fakultas Ekonomi dan Bisnis Universitas Indonesia

  5  

 

Pertanyaan  5  (20%):      

   

Seorang  peneliti  akan  melakukan  estimasi  untuk  melihat  hubungan  antara  produktivitas  (TFPR)  dan  daftar  

Negatif  Investasi  (horizontal).  Horizontal  adalah  dummy  variable.  Nilai  1  artinya  sektor  dimana  perusahaan  

beroperasi  tertutup  bagi  foreign  direct  investment  (FDI).    

Untuk  itu,  dia  menggunakan  data  industri  Besar  dan  Sedang  dari  tahun  2008-­‐2015.  Unit  observasi  dari  data  

ini   adalah   perusahaan   manufaktur   dengan   minimum   jumlah   tenaga   kerja=20.   Anda   diminta   untuk  

melakukan  interpretasi  atas  hasil  estimasi  dibawah  ini.    

 

a.  Jelaskan  interpretasi  unbalanced  panel?  Jelaskan  beberapa  penyebab  terjadinya  unbalanced  panel  ini.    

 

 

delta: 1 unit time variable: year, 2008 to 2015, but with gaps panel variable: PSID (unbalanced). tsset PSID year

rho .56373782 (fraction of variance due to u_i) sigma_e 2.1630884 sigma_u 2.4588899 _cons 4.156664 .021921 189.62 0.000 4.1137 4.199629 horizontal .0922142 .0346662 2.66 0.008 .0242698 .1601587 TFPR Coef. Std. Err. z P>|z| [95% Conf. Interval]

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0078 Wald chi2(1) = 7.08

overall = 0.0005 max = 7 between = 0.0002 avg = 4.2 within = 0.0001 min = 1R-sq: Obs per group:

Group variable: PSID Number of groups = 16,250Random-effects GLS regression Number of obs = 68,678

Fakultas Ekonomi dan Bisnis Universitas Indonesia

  6  

 

 

 

b.  Di  atas   terdapat  3  hasil  estimasi  dengan  menggunakan  FE,  RE  dan  OLS.     Jelaskan  hasil  estimasi  diatas  

dengan  menyebutkan   kelebihan   dan   kekurangan   setiap   estimasi.   Kapan   setiap     tipe   estimasi   sebaiknya  

dilakukan?    

F test that all u_i=0: F(16249, 52427) = 6.01 Prob > F = 0.0000 rho .62145713 (fraction of variance due to u_i) sigma_e 2.1630884 sigma_u 2.7715475 _cons 4.130768 .0097345 424.34 0.000 4.111689 4.149848 horizontal .0699259 .0387258 1.81 0.071 -.0059771 .1458289 TFPR Coef. Std. Err. t P>|t| [95% Conf. Interval]

corr(u_i, Xb) = 0.0190 Prob > F = 0.0710 F(1,52427) = 3.26

overall = 0.0005 max = 7 between = 0.0002 avg = 4.2 within = 0.0001 min = 1R-sq: Obs per group:

Group variable: PSID Number of groups = 16,250Fixed-effects (within) regression Number of obs = 68,678

_cons 4.111578 .0131071 313.69 0.000 4.085888 4.137268 horizontal .2139299 .0359053 5.96 0.000 .1435556 .2843042 TFPR Coef. Std. Err. t P>|t| [95% Conf. Interval]

Total 702669.625 68,677 10.2315131 Root MSE = 3.1979 Adj R-squared = 0.0005 Residual 702306.59 68,676 10.2263759 R-squared = 0.0005 Model 363.034674 1 363.034674 Prob > F = 0.0000 F(1, 68676) = 35.50 Source SS df MS Number of obs = 68,678

. reg TFPR horizontal

Fakultas Ekonomi dan Bisnis Universitas Indonesia

  7  

 c.    Di  atas  adalah  hasil  estimasi  dengan  menambahkan  year  fixed  effect  sebagai  salah  satu  regressor  di  FE.    

Bagaimana  intepretasi  anda  atas  estimasi  FE  tanpa  menggunakan  year  effect?  Jelaskan  jawaban  anda.    

F test that all u_i=0: F(16249, 52421) = 6.15 Prob > F = 0.0000 rho .62703209 (fraction of variance due to u_i) sigma_e 2.1404857 sigma_u 2.7753737 _cons 3.905957 .0208258 187.55 0.000 3.865138 3.946776 2014 1.199864 .0389297 30.82 0.000 1.123562 1.276167 2013 .2391396 .0328274 7.28 0.000 .1747976 .3034816 2012 .4303108 .0319261 13.48 0.000 .3677354 .4928862 2011 .1686306 .0304486 5.54 0.000 .1089512 .2283101 2010 .1857983 .0297766 6.24 0.000 .1274358 .2441608 2009 .0742525 .0288408 2.57 0.010 .0177242 .1307808 year horizontal -.0826558 .0391571 -2.11 0.035 -.1594041 -.0059075 TFPR Coef. Std. Err. t P>|t| [95% Conf. Interval]

corr(u_i, Xb) = -0.0210 Prob > F = 0.0000 F(7,52421) = 160.34

overall = 0.0059 max = 7 between = 0.0000 avg = 4.2 within = 0.0210 min = 1R-sq: Obs per group:

Group variable: PSID Number of groups = 16,250Fixed-effects (within) regression Number of obs = 68,678

. xtreg TFPR horizontal i.year, fe

Fakultas Ekonomi dan Bisnis Universitas Indonesia

  8  

 d.     Di   atas   adalah   estimasi   FE   dengan   menambahkan   year   fixed   effect   dan   robust   standard   error.  

Bandingkan   estimasi   ini   dengan   estimate   tanpa   robust   standard   error.   Apakah   sebaiknya   kita  

menggunakan  robust  standard  error?  Jelaskan  jawaban  anda.    

 

rho .62703209 (fraction of variance due to u_i) sigma_e 2.1404857 sigma_u 2.7753737 _cons 3.905957 .0197712 197.56 0.000 3.867203 3.944711 2014 1.199864 .0465374 25.78 0.000 1.108646 1.291083 2013 .2391396 .0364333 6.56 0.000 .1677263 .3105529 2012 .4303108 .0363063 11.85 0.000 .3591464 .5014751 2011 .1686306 .0309441 5.45 0.000 .1079769 .2292844 2010 .1857983 .0268067 6.93 0.000 .1332542 .2383424 2009 .0742525 .0240558 3.09 0.002 .0271005 .1214044 year horizontal -.0826558 .0458903 -1.80 0.072 -.1726058 .0072942 TFPR Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust (Std. Err. adjusted for 16,250 clusters in PSID)

corr(u_i, Xb) = -0.0210 Prob > F = 0.0000 F(7,16249) = 104.92

overall = 0.0059 max = 7 between = 0.0000 avg = 4.2 within = 0.0210 min = 1R-sq: Obs per group:

Group variable: PSID Number of groups = 16,250Fixed-effects (within) regression Number of obs = 68,678

. xtreg TFPR horizontal i.year, fe robust