Ekonometrika 6 : Variabel Dummy
VARIABEL DUMMY
1.Defenisi Regresi Berganda dengan Variabel Independen Dummy
Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakan pemerintah, perbedaan situasi dan lain-lain). Variabel dummy merupakan variabel yang bersifat kategorikal yang diduga mempunyai pengaruh terhadap variabel yang bersifat kontinue. Variabel dummy sering juga disebut variabel boneka, binary, kategorik atau dikotom. Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi simbol D. Dummy memiliki nilai 1 (D=1) untuk salah satu kategori dan nol (D=0) untuk kategori yang lain.
D = 1 untuk suatu kategori (laki- laki, kulit putih, sarjana dan sebagainya).
D = 0 untuk kategori yang lain (perempuan, kulit berwarna, non-sarjana dan sebagainya).
Nilai 0 biasanya menunjukkan kelompok yang tidak mendapat sebuah perlakuan dan 1 menunjukkan kelompok yang mendapat perlakuan. Dalam regresi berganda, aplikasinya bisa berupa perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan), ras (1 = kulit putih, 0 = kulit berwarna), pendidikan (1 = sarjana, 0 = non-sarjana).
4 jenis variabel dalam analisis empiris (berdasarkan
pengukuran)
1.Skala Nominal
Data Kualitatif dimana operasi matematika tidak berlaku
(kategorisasi) eg. gender
2. Skala Ordinal
Data yang berfungsi
menunjukkan adanya penjenjangan (rangking). Tidak dapat dikenakan
perhitungan rerata dan deviasi baku. Statistika yang berlaku disebut statistika
urut (order
statistics) eg: skala sikap
3. Skala Interval
Hasil pengukuran skala ordinal yang memiliki jarak antar
jenjang yang tetap. Tidak memiliki angka nol mutlak, eg: kinerja, indeks
prestasi
4. Skala Rasio
Level interval
yang memiliki nilai 0 mutlak, artinya nilai 0 menunjukkan bahwa atribut yang
diukur sama sekali tidak ada pada objek yang bersangkutan
Variabel
Dummy
•Variabel dengan
skala nominal – dikenal juga dengan variabel indikator, variabel kategoris,
variabel kualitatif atau variabel dummy.
•Dalam analisis regresi, variabel dependen tidak hanya dipengaruhi oleh variabel skala rasio (misal: pendapatan, output,
harga, biaya, tinggi, dll)
•Variabel dengan skala nominal
(gender, ras, kebangsaan, dll) juga berpengaruh.
•Eg: pekerja perempuan menerima upah lebih rendah dari pekerja laki”
2. Model Matematika Regresi Berganda degan Variabel Dummy
Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi simbol D.
D = 1 untuk suatu kategori (wanita, Batak, Islam, damai dan sebagainya).
D = 0 untuk kategori yang lain (pria, Jawa, Kristen, perang dan sebagainya).
Variabel dummy digunakan sebagai upaya untuk melihat bagaimana klasifikasi-klasifikasi dalam sampel berpengaruh terhadap parameter pendugaan. Variabel dummy juga mencoba membuat kuantifikasi dari variabel kualitatif.
Kita pertimbangkan model berikut ini:
- Y = a + bX + c D1 (Model Dummy Intersep)
- Y = a + bX + c (D1X) (Model Dummy Slope)
Contoh kita ingin mengetahui jenis kelamin, lokasi, dan industri terhadap upah,
- Pengaruh jenis kelamin atas upah, modelnya: Upah = a + b1DJK + e
Dimana DJK adalah Dummy jenis kelamin (laki-laki dan wanita) - Pengaruh lokasi terhadap upah, apakah desa lebih rendah upahnya dari kota, modelnya: Upah = a + b1DLOK + e
dimana DLOK adalah dummy lokasi - Pengaruh industri terhadap upah: modelnyaUpah = a + b1DIND + e
dimana DIND adalah dummy setiap klasifikasi industri
3. Macam – macam Variabel Dummy
1. Regresi Atas Satu Variabel Kualitatif (Dua Kategori)
Dari data yang diberikan, misalnya kita ingin meregresikan variabel kualitatif jenis kelamin (sex) terhadap penghasilan, dengan kuantifikasi laki-laki =1 dan perempuan =0
Model regresi yang kita bentuk :
Y = b1 + b2 D
Dimana : Y = penghasilan
D = variabel dummy untuk jenis kelamin (sex)
2. Regresi Atas Satu Variabel Kuantitatif dan Satu Variabel Kualitatif (dua kategori)
Dari data yang sudah diberikan, misalnya kita bentuk suatu model regresi sbb:
Y = b0 + b1 Ds + b2 Pd + Ɛ i
Dimana : Ds = dummy jenis kelamin
Pd = pendidikan
3. Regresi Atas Satu Variabel Kuantitatif dan Satu Variabel Kualitatif (lebih dua kategori)
Dari data yang diberikan, misalnya kita bentuk suatu model regresi sbb:
Y = b0 + b 1 Dk1 + b2 Dk2 + b3 Pd + Ɛ i
Dimana : Dk1 = dummy jenis pekerjaan
1 = setengah terampil
0 = lainnya
Dk2 = dummy jenis pekerjaan
1 = terampil
0 = lainnya
Pd = pendidikan
MODEL REGRESI DENGAN VARIABEL BEBAS DUMMY
Regresi yang telah dipelajari à data kuantitatif
Analisis à membutuhkan analisis kualitatif.
Contoh:
Pengaruh jenis Kelamin terhadap gaji.
Pengaruh kualitas produk terhadap omset.
Pengaruh harga terhadap kepuasan pelayanan.
Pengaruh pendidikan terhadap umur perkawinan pertama.
Contoh (1) & (2) à variabel bebas kualitatif dan variabel terikat kuantitatif.
Contoh (3) à variabel bebas kuantitatif dan variabel terikat kualitatif.
Contoh (4) à variabel bebas kualitatif dan variabel terikat kualitatif.
(1) dan (2) à Regresi dengan Dummy Variabel
(3) dan (4) à Model Logistik atau Multinomial
Data Kualitatif harus berbentuk data kategorik à Belum bisa dibuat regresi secara langsung à Variabel Dummy.
Variabel dummy disebut juga variabel indikator, biner, kategorik, kualitatif, boneka, atau variabel dikotomi.
Variabel Dummy à pada prinsipnya merupakan perbandingan karakteristik. Misalnya:
Perbandingan kondisi (besaran/jumlah) konsumen yang merasa puas terhadap suatu produk dengan konsumen yang tidak puas.
Perbandingan besarnya gaji antara laki-laki dan perempuan
Dummy bernilai 1 atau 0. Kenapa?
Perhatikan data kategorik berikut:
- Konsumen puas
- Konsumen tidak puas
Bisakah kita membuat regresi dengan ‘kode kategorik’ diatas, yaitu 1 dan 2?
Bila
digunakan kode kategorik tersebut, berarti kita sudah memberi nilai
pada ‘konsumen yang tidak puas’ dua kali ‘konsumen yang puas’.
Bila dibuat dummy, misalnya:
- Konsumen puas = 1
Konsumen tidak puas = 0.
Tekhnik pembentukan Variabel Dummy dan Estimasi
Regresi yang dibuat menunjukkan kondisi dimana konsumen merasa puas (Dummy berharga 1 à Dummy ada dalam model), dan kondisi sebaliknya (Dummy berharga 0 à Dummy ‘hilang’ dari model). Jadi modelnya akan menunjukan kondisi ‘ada’ atau ‘tidak ada’ Dummy.
Untuk jelasnya perhatikan contoh berikut:
Penelitian mengenai pengaruh daerah tempat, yaitu kota atau desa, terhadap harga berbagai macam produk.
Model: Y = a + b D + u
Y = Harga produk
D = Daerah tempat tinggal
D = 1 ; Kota
D = 0 ; Desa
u = kesalahan random.
Catatan: Dummy yang bernilai 0 disebut dengan kategorik pembanding atau dasar atau reference.
Dari model di atas, rata-rata harga produk :
Kota : E (Y ÷ D = 1) = a + b
Desa : E (Y ÷ D = 0) = a
Jika b = 0 à tidak terdapat perbedaan harga antara daerah perkotaan dengan pedesaan.
Jika b ¹ 0 à terdapat perbedaan harga antara daerah perkotaan dengan pedesaan.
Model diatas à merupakan model Regresi à OLS
Misal hasil estimasi dengan OLS untuk model diatas didapat:
Y = 9,4 + 16 D
t (53,22) (6,245)
R2 = 96,54%
Metode apa yang digunakan untuk membuktikan bahwa b = 0 atau b ¹ 0?
Model: variabel bebas merupakan variabel kuantitatif dan variabel kualitatif
Contoh:
Analisis mengenai gaji dosen di sebuah perguruan tinggi swasta di
Jakarta, berdasarkan jenis kelamin dan lamanya mengajar.
Didefinisikan :
Y = gaji seorang dosen
X = lamanya mengajar (tahun)
G = 1 ; dosen laki-laki
0 ; dosen perempuan
Model :
Y = a1 + a2 G + b X + u
Dari model ini dapat dilihat bahwa :
Rata-rata gaji dosen perempuan = a1 + b X
Rata-rata gaji dosen laki-laki = a1 + a2 + b X
Model: variabel bebas merupakan variabel kuantitatif dan variabel kualitatif.
Jika a2 = 0 à tidak ada diskriminasi gaji antara dosen laki-laki dan perempuan
Jika a2 ¹ 0 à ada diskriminasi gaji antara dosen laki-laki dan perempuan
•BAGAIMANA
JIKA DEFINISI TERSEBUT DIBALIK?
•Misalkan :
S= 1; dosen
perempuan
= 0; dosen
laki-laki
•Modelnya
menjadi :
Y = a1 + a2 S + b X + u
•
•Jika a2 = 0 à tidak ada diskriminasi gaji antara dosen
laki-laki dan perempuan
•Jika a2 ¹ 0 à ada diskriminasi gaji antara dosen
laki-laki dan perempuan
•PENDEFINISIAN
•Perlu
diperhatikan sekarang bahwa berdasarkan pendefinisian baru:
•Rata-rata
gaji dosen perempuan = a1 – a2 + b X
•Rata-rata
gaji dosen laki-laki = a1 + b X
•
•Jadi, apapun
kategorik pembanding akan menghasilkan kesimpulan yang sama, sekalipun taksiran nilai koefisien regresi berbeda.
•
•Bagaimana
kalau definisi:
D2 = 1; dosen
laki-laki
0; dosen perempuan
D3 = 1; dosen
perempuan
0; dosen laki-laki
Varibel dengan
Kategori Lebih dari Dua
Misalkan:
Pendidikan
mempunyai 3 kategori:
1.Tidak tamat SMU
2.Tamat SMU
3.Tamat Perguruan tinggi.
Dibutuhkan
variabel dummy sebanyak (3-1) = 2.
Dua variabel
dummy tersebut yaitu D2 dan D3 didefinisikan sebagai berikut:
D2 = 1
; pendidikan terakhir SMU
0
; lainnya
D3= 1
; pendidikan terakhir perguruan tinggi
0 ;
lainnya
Manakah
kategorik pembandingnya?
•Sehingga modelnya
menjadi :
Y = a1 + a2 D2 + a3 D3 + b X + u
•Apa yang
akan terjadi bila model ini diestimasi dengan OLS ?
•
•Perhatikan:
ada hubungan linear antara D2 dan D3 yakni
D2 = 1 - D3 atau D3 = 1 - D2 à perfect colinearity antara D2 dan D3 sehingga OLS tidak dapat digunakan.
•
•Dalam
membuat Dummy: Jika data mempunyai kategori
sebanyak m, maka kita hanya
memerlukan m-1 variabel dummy.
Dalam contoh di atas, kategorinya hanya dua,
yaitu laki-laki dan perempuan. Oleh sebab itu, hanya satu variabel dummy yang
dibutuhkan.
ilustrasi:
•Perhatikan
model berikut :
Y = a1 + a2 D2 + a3 D3 + b X + u
Y = pengeluaran untuk health care per tahun
X = pendapatan
per tahun
D2 = 1 ;
pendidikan tertinggi SMU
0 ;
lainnya
D3 = 1 ;
pendidikan tertinggi perguruan tinggi (S1)
0
; lainnya
•
•Berapa rata-rata
pengeluaran seseorang berdasarkan pendidikannya?
•Tidak tamat
SMU : a1 + bX
•Tamat SMU : a1 + a2 + bX
•Berijazah S1 : a1 + a3 + bX
REGRESI DENGAN
BEBERAPA VAR KUALITATIF
Contoh:
Y = a1 + a2 D2 + a3 D3 + b X + u
Y =
gaji X =
pengalaman (tahun)
D2 = 1 ; dosen laki-laki D3 =
1 ; Fakultas tehnik
0 ;
dosen perempuan 0 ; lainnya
Dari
model didapatkan:
Rata-rata
gaji dosen perempuan yang mengajar diluar fakultas tekhnik = a1 + b X
Rata-rata
gaji dosen laki-laki yang mengajar diluar fakultas tekhnik = a1 + a2 + b X
Rata-rata
gaji dosen perempuan yang mengajar di fakultas tekhnik = a1 + a3 + b X
Rata-rata
gaji dosen laki-laki yang mengajar di fakultas tekhnik = a1 + a2 + a3 + b X
Seandainya
didapat persamaan regresi sebagai berikut:
Y = 7,43 +
0,207 D2 + 0,164 D3 + 1,226 X
R2 = 91,22%
Apa
artinya jika uji-t menunjukan D2 dan D3 signifikan?
Berapa rata-rata
gaji dosen perempuan yang mengajar diluar fakultas tekhnik dengan
pengalaman 1 tahun?
7,43 + 1,226
= Rp.8,656 juta.
Berapa rata-rata
gaji dosen laki-laki yang mengajar diluar fakultas tekhnik dengan
pengalaman 1 tahun?
7,43 + 0,207
+ 1,226 = Rp.8,863 juta.
Rata-rata
gaji dosen perempuan yang mengajar di fakultas tekhnik dengan
pengalaman 1 tahun?
7,43 + 0,164
+ 1,226 = Rp.8,820 juta.
•
Komentar
Posting Komentar