Ekonometrika Pada Data Kualitatif - Sekolah Statistics and Data Analytics

Ekonometrika Pada Data Kualitatif

Ekonometrika merupakan alat Ekonomi untuk membuat model. kadang kala kita akan menjumpai variabel yang tidak sesuai dengan yang kita inginkan. Terkadang kita menemukan variabel dependennya berupa data kualitatif. ketika kita menemukan kasus seperti ini sebagai seorang yang paham akan model regresi akan tak perlu khawatir. Model dengan variabel dependen yang bersifat diskrit, deskrit ini dapat berupa dummy atau macam lainnya . ketika kita menemui kejadian tersebut lantas kita paksakan n menggunakan regresi linier akan terasa dipaksakan, karena estimator yang dihasilkan tidak lagi bersifat BLUE (Best Linier Unbiased Estimator).

Data kualitatif biasanya bentuknya bermacam-macam. ada bentuk data yang hasil wawancara berupa teks atau bentuk lainnya. tentunya memberikan tantangan tersendiri bagi para peneliti dalam menganalisisnya. Data kualitatif yang dimaksudkan pada pembahasan kali ini adalah variabel bersifat dummy atau kategori. seperti keputusan orang membeli rokok (1 membeli, 0 tidak membeli).

jika kita paksakan data yang bersifat kualitatif tadi dengan pendekatan least square biasa, maka cita-cita model untuk mendapatkan BLUE sulit terpenuhi. Hal ini disebabkan: varian error-nya tidak terdistribusi normal, estimator tidak efisien akibat heteroskedastis, dan R² tidak dapat digunakan sebagai pengukur Goodness of Fit. Oleh karenanya, untuk menghasilkan estimator persamaan yang BLUE, penelitian ini menggunakan qualitative response regression model

.namun demikian perkembangan permodalan ekonomtrika sekarang lebih menekankan untu mengurangi tingkat bias. penelitian ini terispirasi dengan adanya model RCT(randomize control trial). Model ini menekankan pada keadilan dalam membandingkan antara treatment dan control. sehingga perlakuan pada biasa sebuah model sangat perlu untuk dilakukan. setidaknya kia juga harus bijak untuk mempelajari model yang sifatnya pendekatannya maksmum likelilihood

Pendekatan model maksimum likelihood ini memiliki kharakter yang unik, jika dibanding dengan OLS/least square. ibarat ols pduli terhadap erorr dihasilkan pada model. jika maksimum likelihood menekankan pada probabilitas variabel independen menjelaskan variabel dependen. tntu disini akan sedikit berbeda hasilnya. Hal ini yang dapat memungkinkan pendekatan ini bisa mengolah data yang bersifat kualitatif.

Mau belajar ekonometrika baca disini:

https://sekolahstata.com/course/pengantar-ekonometrika-modern/

lantas bagaimana modelyang terbentuk ketika dihadapkan variabel dependen yang bersifat dummy? Terdapat tiga pendekatan untuk mengembangkan model yang menjelaskan model dengan variabel dependen yang limited yaitu:

  1. Linear Probability Model: pendekatan masih menggunakan ordinary least square
  2. Logit Model: pendekatan dengan menggunakan maksimum likeliihood
  3. Probit model: pendekatan dengan menggunakan maksimum likeliihood

Data kualitatif untuk Linear Probability Model

Pendekatan Linear Probability Model (LPM) merupakan metode regresi yang umum digunakan sebelum logit dan probit model dikembangkan. LPM bekerja dengan dasar bahwa variabel respon Y, yang merupakan probabilita terjadinya sesuatu, mengikuti Bernoulli probability distribution dimana:

YiProbability
11-Pi
0Pi
Total 1
penghitungan probabilitas model LPM

model ini tentunya memiliki Kelebihan adalah sebagai berikut:

  1. Hasil regresi LPM mudah untuk di intrepetasikan, karena model ini seperti model OLS biasa sehingga tidak perlu dilakukan penghitungan ulang pada beta yang dihasilkan. beta / koefisien yang dihasilkan pada model OLS ini menunjukkan probabitas sebuah model.
  2. Dapat menjadi aproximasi awal yang baik, OLS adalah model batu loncatan untuk memahami model yang lebih kompleks seperti model masalah kalian ehehhehehehe.
  3. Estimasi masih menggunakan OLS biasa sehingga lebih mudah dan praktis.

disamping kelebihan model PLM / LPM ini menyimpan banyak permasalahan. berikut adalah kekuranga model LPM sebagai berikut:

  1. Masih menyimpan heteroskedastis yang disimpan pada eror
  2. Hasil prediksi variable dependen dapat melebihi 1 dan dibawah 1 padahal data asli kita tidak terdapat angka tersebut
  3. Nilai r-sqr masih di pertanyakan menunjukkan angka apa

namun demikian model lpm ini ketika menggunakan impact evaluation tetap menjadi model yang dapat diperbaiki nilai biasnya. metode impact evaluation biasanya menekankan pada perlakuan causal impact sebeuha variabel. sehingga tak heran variabel analysisnya bersifat tunggal.

Untuk memahami lebih dalam model ini anda dapat menggunakan data SDKI(survei demografi dan kesehatan Indonesia). data ini memuat tententang kehidupan kesehatan dan sosial di Indonesi. anda dapat mengakses data tersbut dilaman berikut ini: AKSES DATA. penelitian diibawah ini adalah tentang dampak Qonun aceh terhadap kesejahteraan masyarakat.

Variabel yang digunakan untuk mengukur kesejahteraan diambil dari dummy indek kkekayaan pada variabel dhs dengan pendekatan PCA. kemudian Qonun aceh diliat dari oarang yang tinggal diaceh dan memiliki akses untuk mikro finance. metode menggunakna LPM dengan independen sepeti yang tercantum pada do file.

Belajar Data DHS : https://sekolahstata.com/eksplorasi-data-survei-demografi-dan-kesehatan-indonesia/

Penutup

demikian adalah sharing cara mengatasi / mengolah data bersifat kualitatif menggunakan OLS model/ LPM. Semoga bermanfaat bagi semua. jika terdapat pertanyaan langsung tinggalkan komentar dibawah ini.

Leave a Comment

Your email address will not be published. Required fields are marked *