Linier Model Estimation using Ordinary Least Square and Maximum Likelihood


Estimasi dalam Model Linier pada umumnya mengunakan metoda OLS (Ordinary Least Square) atau ML (Maximum Likelihood). Dalam Paper ini menjelaskan secara teoritis bagaimana metoda estimasi tersebut. Simulasi Monte Carlo digunakan untuk menjamin Robusness hasil estimasi. Komputasi yang digunakan dengan menggunakan MATLAB.

Download bila Anda ingin mendapatkan paper lengkap: (1)cover.pdf; (2)daftar-isi.pdf; (3)isi.pdf

Bookmark and Share

44 Tanggapan

  1. minta paper lengkap nya donk…
    ^^

  2. Mas Hari,

    Sudah saya kirim paper lengkapnya ke email Anda.
    Semoga bermanfaat.

    Salam

    Sanjoyo

  3. dear Pak sanjoyo

    saya sedang dalam proses pengerjaan tugas akhir, dan kebetulan hal tersebut berkaitan dengan metoda stokastik seperti MLE, dan juga simuasi matlab
    mohon bapak berkenan untuk men-share paper nya🙂.

    Jika berkenan nanti apabila saya menemui kesulitan, saya ingin dapat berkonsultasi dengan bapak lebih lanjut

    terimakasih

    regards

  4. dear Pak Sanjoyo

    saya sedang dalam proses pengerjaan tugas akhir, dan kebetulan hal tersebut berkaitan dengan metoda stokastik seperti MLE dan juga simulasi matlab, mohon bapak berkenan untuk menshare papernya sebagai referensi saya🙂

    jika berkenen nanti apabila saya menemui kesulitan, saya ingin dapat berkonsultasi dengan bapak lebih lanjut

    terimakasih

    regards

  5. maz sanjaya kirimin papernya dunk..
    buat tambahan reff TA saya
    thanks be4

  6. Mas Fajar dam Mas Raya,

    Sudah saya kirim paper tsb ke email Anda. Semoga bermanfaat.

    Salam

    Sanjoyo

  7. pak mo nanya kalo dalam panel data apakah perlu dilakukan uji multikolinearitas, tolong penjelasannya dan adakah buku/paper yang mendukungnya?

  8. Mas Dwi,
    Pada umumnya karakteritik data Panel pada suatu variabel, nilai akan bervariasi untuk setiap obsevasi/ crossection data (mis negara). sehingga jika tidak akan terjadi multikolinierita.
    Misal nya, model Export (dep var) dengan Exchange rate (ind ver) dan GDP (ind Var). Mungkin untuk negara singapure antara dep var punya korelasi yg tinggi (>0.9) ada multikol tapi untuk Indonesia tidak multikol (korelasi <0.8) dan banyak juga untuk negara lain.
    Jadi jika data tersebut digabung menjadi data panel, maka kemungkinan kedua variabel independent tersebut tidak akan terjadi multikol (cukup satu negara saja yang tidak multikol, maka keseluruhan tidak akan multikol).
    Jadi untuk data Panel menurut saya tidak perlu dipermasalahkan tentang multikolinieritas.
    Pada umumnya buku (Econometrict, Greene, dll) tidak membahas ttg multikol untuk data panel. Saya sampai saat ini belum pernah mendapatkan buku yang membahas ttg multikol pada data panel.

    Salam

    sanjoyo
    Nb. Mas Dwi, diskusi ekonometrik sebaiknya pada “menu” DISKUSI EKONOMETRIK pada bagian atas halaman BLog ini pada kolom ketiga.

  9. mas,bisa nerangin robust estimator g?atau punya artikel tentang itu.terutama yang M-estimator untuk skripsi saya.saya kuliah Sekolah Tinggi Ilmu Statistik

  10. Mba Silvi,

    Biasanya kalau kita gunakan estimator OLS untuk model linier akan hasilkan estimasi yang BLUE(best linier unbias estimate). dengan asumsi tidak terjadi pelanggaran asumsi otokorelasi, homosedastik dan multikolinieritas.

    Bila terjadi pelanggaran, biasanya dengan gunakan GLS, namun biasanya (dg EVIEWs) harus transformasi varibelnya. Saya belum tahu dengan SPSS atau STATA apakah ada menu langsung untuk GLS.

    Namun, menurut NEWEY persoalan pelanggaran asumsi bisa diatasi dengan adjustment standar error koefesien model dengan formula Newey maka akan diperoleh koefisen estmasi yang “ROBUST”.

    Silahkan Download pada BLOG ini pada Page- “Materi Ekonmetrika” pada Basic Ekonmetrika.

    atau Anda bisa lihat pada buku “Damodar Gujarati” Basic Econometrica”

    Salam

    Sanjoyo

  11. Pak, mo nanya pak
    saya mencoba menganalis hubungan antara respon inflasi dengan jmlh uang beredar (d(L(IHK)) vs (d(L(M2)), 1991:1 s/d 2007:12, dengan eviews 6.0, menggunakan pendekatan ARCH model, krn diduga terdapat cluster volatilitas yang akibatnya varian residual tidak homoskedastis, terbukti adanya heteroskedastis dengan uji ARCH-LM yang signifikan pada tingkat 1%.

    Model akhirnya saya masukkan unsur ARMA jenis AR saja (AR(1) AR(6) AR (13)), tujuannya agar corelogram residual semuanya signifikan hingga lag ke 40 dan Q-statistiknya lebih kecil dari Q-statistik tabel, sehingga diduga tidak terdapat serial korelasi lagi.

    Namun setelah dilihat histogram dan Jarque-Bera-nya (J-B signifikan , probabilitinya 0.0000) ternyata residualnya tidak terdistribusi secara normal, tetapi jika dilakukan uji Unit Root, hasilnya residual stasioner pada tingkat 1%.

    Pertanyaannya Pak! apakah dengan tidak terdistribusi secara normal maka model saya dianggap tidak baik? atau seberapa pentingkah residual harus terdistribusi secara normal dalam sebuah model ARCH? apa yang bisa dijadikan semacam rule of thumbs dari metode maximum likelihood? (kalau OLS kan harus terbebas dari 3 penyakit utama otomatis akau BLUE), sekali lagi pak, saya bisa mendapatkan literature metode maximum likehood yang membahasnya secara filosofis dan teoritis dari bapak ga? khususnya yang berbahasa indonesia pak! saya udah baca bukunya Greene, tapi terlalu advance dan bhs inggris lagi.

    maaf pak, sekali lagi Pak, pada kriteria AIC dan SIC, kita melihatnya harus dengan nilai mutlak gak Pak? soalnya model saya AIC dan SIC-nay negatif Pak.

    Terimakasih banyak Bapak.
    Salam saya Gita Tonari.

  12. Mba Gita,

    Ada bebera komentar tentang pertanyaan Anda:

    Permata:

    Pernyataan Anda:
    ….. inflasi dengan jmlh uang beredar (d(L(IHK)) vs (d(L(M2)), ……

    Komen: maksud dari (d(L(IHK)) adalah first difference (IHK)?

    jika itu adalah first diff, mengapa di- first dif ? Model ARCH keunggulanya adalah dapat memodel kan varians yang heterosedastic dengan error-nya sehinga akan diperoleh error yang homosedastic. Sehingga series yang non-stasioner (mis IHK) yang varians tidak sama antar waktu dapat dimodelkan ARCH tanpa melakukan first diff, karena variannya akan dimodelkan.

    Pengujian ARCH-LM dilakukan apakah series tsb mengikuti model ARCH. Ho: tidak ada model ARCH, H1:ada model ARCH. Jadi pengujian harus signifikan bila kita akan menggunakan model ARCH tsb.

    Bila tidak signifikan, bisa gunakan model GARCH, T-ARCH/GARCH atau atau menambahkan ARMA seperti yang telah Anda lakukan.

    Kedua:

    Pernyataan Anda:
    …..Jarque-Bera-nya (J-B signifikan , probabilitinya 0.0000) ternyata residualnya tidak terdistribusi secara normal….

    Komen: yang di-uji normalitas bukan error model ARCH (persamaan utama) tapi error pada model Varians. EVIEW’s tidak mengeluarkan series error pada model Varians-nya.
    Namun demikian, secara implisit jika ARCH-LM test signifikan berarti tidak ada masalah dengan error pada model varians-nya.

    Ketiga:

    Pernyataan Anda:
    …..apakah dengan tidak terdistribusi secara normal maka model saya dianggap tidak baik? atau seberapa pentingkah residual harus terdistribusi secara normal dalam sebuah model ARCH? …

    Komen:
    Penting berdistribusi normal, karena estimator- nya menggunakan Maxsimum Likelihood yang mensyaratkan distribusi normal.
    Tapi, yang dimaksud error berdistribusi normal adalah error pada model varian-nya.

    Keempat:
    Pernyataan Anda:
    …apa yang bisa dijadikan semacam rule of thumbs dari metode maximum likelihood? …
    …..saya bisa mendapatkan literature metode maximum likehood yang membahasnya secara filosofis dan teoritis … yang berbahasa indonesia …

    Komen:

    Metoda Maksimum Likelihood: series harus berdistribusi normal; Varians lebih kecil dibandingak OLS; rumit (karena gunakan algoritma Marquant, BHHH dll).
    Buku ekonometrik yang berhasa Indonesia saya kira sudah banyak/ termasuk terjemahan dan menerangkan Max Likelihood. Saya hanya punya tayangan dan paper yang ada di website ini.

    Pernyataan Anda:
    ….kriteria AIC dan SIC, kita melihatnya harus dengan nilai mutlak gak Pak? …

    Komen:
    Memang AIC dan SIC nilainya negatif karena diperoleh dari log likelihood-nya, jadi nilai apa adanya kalau dibalik mempunyai arti yang berbeda.

    Salam
    Sanjoyo

  13. waduhh… Pak…
    dijawab semuanya ya Pak…
    terimaksih banyak ya Pak…

    ngomong2 sy mahasiswa Pak.. bukan mahasiswi… he..he..

    kenapa saya pake first diff..?
    Saya mencoba melihat perubahan IHK dalam satuan persentase secara bulanan (jadinya inflasi month-to-month). saya membuat variabel baru (di generate series) DLIHK, dengan cara meng-Log-kan IHK kemudian melakukan first diff pada Log(IHK) jadinya saya sebut variabel DLIHK. begitu juga dengan M2, saya melihat perubahan bulanannya dalam persentase, jadinya DLM2. DLIHK dan DLM2 jadinya stasioner pada tingkat level.

    setelah dibandingkan secara manual pake m.excel (IHK(t) dikurang IHK(t-1) dibagi IHK(t-1)) begitu juga dengan M2, ternyata angka dan pola grafiknya sama, hanya sedikit berbeda 4 atau 5 angka dibelakang koma.

    jadi saya mengambil kesimpulan, proses yang dilakukan pada program eviews diatas sama halnya dengan melakukan secara manual di m.excel. Apakah itu bisa dibenarkan Pak?

    sebenarnya saya melihat kelambanan respon inflasi terhadap perubahan pada jumlah uang beredar. DLIHK sbg var dep. dan DLM2 (t-1, t-2, t-3,…t-p) sbg var indep. satuan series keduanya dalam persentase perubahan bulanan.

    terimakasih Pak..
    lain kali saya boleh nanya lagi ya Pak…

  14. Mas Gita,

    Benar, beberapa jurnal ada yang mendefinisikan inflasi adalah first diff dari log IHK/CPI.

    Untuk melihat respon inflasi thd perubahan money supply bisa dicoba gunakan VAR (vector Autoregresive).

    Salam

    Sanjoyo

  15. Salam pak Sanjoyo,

    Pak perkenalkan saya Hendri, saat ini saya sedang melakukan penelitian dengan menggunakan metode maximum likelihood untuk mengestimasi model permintaan dan penawaran pembiayaan perbankan syariah dalam bentuk disequilibrium model atau switching regression model. Sekiranya Bapak punya rujukan, bahan, atau materi yang menjelaskan prosedur secara teknis pengolahan data dengan menggunakan model ini, bolehkah saya mohon bantuan untuk mendapatkannya? Terima kasih sebelumnya atas perhatian Bapak

  16. Mas Hendri,
    Bahan tentang maximum likelihood dengan program Matlab sudah saya posting di Blog ini, silahkan download. Namun saya kira topik tersebut banyak di buku- buku ekonometrik.

    Mungkin model disequlibriurm untuk perbankan secara sederhana sbb:

    P1 (Loan Supply): fungsi (suku bunga kridit, prospek bisnis, dan kondidi internal perbankan (CAR, NPL dll).

    P2 (Loan Demand): Fungsi (suku kridit, prospek bisnis, kondisi internal debitur (cash flow, leverage dsb).

    Kondisi disekulibrium adalah L= min[likelihood P1, likelihood P2].

    Untuk itu, estimasi P1 dan P2 dengan maximum likelihood estimator, maka diperoleh kondisi disekulibrium terpenuhi dengan L minimum.

    Gunakan saja program Eviews yang lebih simple atau program lainnya.

    Switching regression digunakan bilamana ada struktural break (mis terjadi krisis moneter pada tahun 1997/98). Maka bila Anda gunakan data dari 1990 s/d 2008 akan terjadi struktural break pada saat krismon tersebut.

    Salam

    Sanjoyo

  17. Pa Sanjoyo,
    Pertanyaan tentang komentar bapak Januari 16th, 2009 pada 4:15 pm

    Komen: “yang di-uji normalitas bukan error model ARCH (persamaan utama) tapi error pada model Varians. EVIEW’s tidak mengeluarkan series error pada model Varians-nya.
    Namun demikian, secara implisit jika ARCH-LM test signifikan berarti tidak ada masalah dengan error pada model varians-nya”.

    pertanyaannya Pa,
    jika pada persamaan utama model ARCH tidak mempunyai error yang berdistribusi normal, apakah kita masih bisa menggunakan persamaan utama tersebut untuk intepretasi dengan melihat uji parsial yang signifikan, katakanlah signifikan pada semua variabel independennya?

    “Program Eviews tidak mengeluarkan series error pada model varians-nya”.

    Pertanyaannya: apakah Eviews secara otomatis menjadikan error pada model varians-nya selalu berdistribusi normal? atau dengan kata lain apakah error pada model varians-nya pasti akan berdistribusi normal?

    satu lagi Pak’
    setelah kita melakukan regresi model ARCH dengan menggunakan program Eviews dan mendapatkan sebuah model, uji apa saja yang harus dilakukan terhadap model tersebut agar model kita dianggap baik?

    terimakasih Pak Sanjoyo.

  18. Mas Gita,

    pertanyaannya Pa,
    jika pada persamaan utama model ARCH tidak mempunyai error yang berdistribusi normal, apakah kita masih bisa menggunakan persamaan utama tersebut untuk intepretasi dengan melihat uji parsial yang signifikan, katakanlah signifikan pada semua variabel independennya?

    Betul, selama uji ARCH-LM significant, berarti kita telah berhasil memodelkan varian yg heterosedastik menjadi homosedastik.

    Pertanyaannya: apakah Eviews secara otomatis menjadikan error pada model varians-nya selalu berdistribusi normal? atau dengan kata lain apakah error pada model varians-nya pasti akan berdistribusi normal?

    Bergantung pada kita sejauhmana dapat memodelkan varian error yang heterosedastik menjadi homosedastik.

    setelah kita melakukan regresi model ARCH dengan menggunakan program Eviews dan mendapatkan sebuah model, uji apa saja yang harus dilakukan terhadap model tersebut agar model kita dianggap baik?

    Uji ARCH-LM harus signifikan, koef pers utama harus signifikan, koef pers varian error jg harus signifikan.

    Salam

    Sanjoyo

  19. mas saya mau nanya neh.apa bedanya ols ama ls???n kapan metode2 tersebut dipakai . sekarang saya sedang TA n ngerjain pengukuran produktivitas dengan 3 var independen dan produktivitas sebagai var dependent. pengujian menggunakan uji t test dan f test dan analisis regresi linear berganda.serta dengan uji asumsi klasik seperti uji multikolinearitas, autokorelasi dan heteroskedastisitas.saya bingung dengan metode yang saya pakai ini ols ataukah ls???mohon penjelasannya.oh ya tolong kl bisa reply ke email saya juga ya.jadi nanti2 saya bisa bertanya lagi sama om sanjaya.
    atas ilmunya saya ucapkan terima kasih banyak.

    • Mas Uky,
      LS (least square) atau kuadrat terkecil merupakan metoda estimasi dlm regresi dengan meminimumkan jumlah kuadrat residual. Metoda ini sederhana dan cukup power full.
      OLS (Ordinary least square) adalah metoda estimasi kuadrat terkecil biasa maksudnya metoda ini mengasumsikan tidak ada multikolinieritas, hetetosedastik, dan otokorelasi.

      Bila terjadi problem heterosedastik dan atau otokorekasi digunakan metoda estimasi GLS (generalized least square) yaitu dengan memberikan bobot tertentu.

      Jadi langkah pertama gunakan OLS dg Eviews atau SPPS atau Stata atau program lainnya.
      Setelah itu, Chek/ Uji multikol, uji heterosedastik, uji otokorelasi (bila data series).
      Bila semua sudah oke, artinya tidak terjadi pelanggaran ke tiga asumsi tersebut, maka model sudah oke.

      Silahkan aja Mas, bebas kita berdiskusi di Blog ini biar teman- teman lain bisa ikut nimbrung (itu yang saya harapkan). Mungkin ada rekan lain yang ikut berkomentar atas posting ini, biar kita bisa tukar ilmu pengetahuan.

      Salam

      Sanjoyo

  20. wah jawabannya lengkap banget.ini yang saya cari cari di perpus gak ada lho.makasih banyak ya om.ntar kl ada yg q bingung q nanya lagi ya.hihihihh…….
    makasih

  21. Hallo Pak…

    Mw tny, punya artikel tentang itu.terutama yang M-estimator & S-estimator ga???

    llu bdany pa y dr k-2 estimator tsb???

    fungsiny pa???

    yjx b4 y Pak

    • Mba Nelly,
      Saya tidak punya bahan artikel ttg M-estimator tapi banyak sekali di Web, coba alamat ini http://en.wikipedia.org/wiki/M-estimator.

      Jika Estimator Maximum likelihood adalah mencari paramater dengan memaksimumkan fungsi densitas distribusi normal. Persoalannya jika sample informasi tak berdistribusi normal maka menjadi bias. M-estimator menawarkan teknik estimasi yang lebih baik tanpa perlu tahu distribusi sample information. GMM salah satu penggunaan M-estimator yaitu dengan meminimumkan fungsi dg kriteria tertentu.

      Demikian pula, estimator OLS akan menjadi tidak robush jika ada data yang outlier. S-estimator mempebaiki kelemahan tersebut yaitu dg fungsi objective menimumkan kuadrat residual serta dengan kendala fungsi varians bergantung pada parameternya.

      Mudah mudahan bisa membantu.

      Salam

      Sanjoyo

  22. pak, tolong bantuannya untuk likelihood pada rantai markov untuk menaksir entri dari matriks peluang transisinya.
    dan apapun tentang markov juga likelihood.kirimin ke email saya ya pak,makasi bgt pak sebelumnya.

    • Mas Yan,

      Pada paper saya tentang estimator maximum likelihood untuk model linier memang menggunakan algoritma Newton-Rhapson, BHHH, atau Marquant (dengan Program MATLAB). Sedangkan estimator maximum likelihood dengan markov chain saya belum pernah membuat Program MATLAB-nya. Namun bisa coba pada artikel ini : Teorinya dan MATLABnya.

  23. Salam pak Sanjoyo,
    Saya hendri, ingin menyambung pertanyaan saya mengenai estimasi disequilibrium model dg metode MLE. setelah kita mendapatkan hasil estimasi, maka uji (validitas dan reabilitas) apa yang dibutuhkan dalam kasus ini. Terima kasih atas penjelasannya Pak

    • Mas Hendri,

      Kalau sudah diperoleh koefisien persamaan model tersebut, sudah barang tentu setiap koefisien model diharapkan signifikan. Setelah itu, check residual setiap persamaan apakah berdistribusi normal? karena asumsi estimator maximum likelihood adalah berdistribusi normal. Jika sudah oke, saya kira model tersebut bisa digunakan untuk pengambilan keputusan.

      Salam

      Sanjoyo

  24. yth: pak sanjoyo

    pak saya sedang buat tesis uji efisien bentuk lemah dengan run tes, kolgorov smirnov, arch garch, minta tolong donk pak referensinya terutama arch garch, text book indonesianya ada ga sih? trus softwarenya apa yg gampang dicari dan dipakainya.. kalau bapak ada lebih bagus lagi.. maksih sanget lho pak.. via japri juga boleh pak.. tolnog ya pak..

    • @Sun King,
      Ass.
      Uji Efesiensi, apa yang Anda maksud adalah melihat sejauh mana power of test suatu Pengujian Hipotesis? jika itu yang dimaksud mungkin tidak bisa menggunakan paket program ekonometrika, mungkin perlu Anda gunakan MATLAB dan membuat program dan simulasi sendiri.
      Wass.

  25. Pak saat ini Saya sedang belajar tentang Likelihood. Saya minta papernya donk.

    • @Nova,
      Silahkan download tulisan model linier atau non linier pada blog ini.

      Wass.

  26. Asslm…
    Pak Sanjoyo, saya mau nanya nih.

    Pemilihan model mana yang lebih baik??menggunakan AIC, SIC atau BIC.
    Tugas Akhir saya tentang AIC..Apa aja kelebihan dan kelemahan ketiga kriteria tersebut????
    Klo ada kirimkan referensinya jg ya pak…
    terima kasih

    • @Rinta,
      Coba lihat di buku Time series by Enders, jika kurang jelas lihat daftar referensi pada bab yang menerangkan tentang AIC atau SBC.

      Salam
      Sanjoyo

  27. Ass Pa…
    Salam kenal…

    tugas akhir saya merupakan data time series dan menggunakan regresi dg OLS.
    Persamaan model saya adalah:
    Y(t)=a+bX1(t)+cX2(t)+dX3(t)
    Hasil yg didapat memang seluruh variabel bebasnya signifikan. Namun pada saat regresi asumsi klasik ternyata terdeteksi adanya heteroskedastis dan autokorelasi.
    apakah bisa untuk menyembuhkannya saya melakukan transformasi persamaan sbb:
    Y(t) = a+bX1(t-1)+cX2(t)+eX2(t-1)+dX3(t)+fY(t-1)
    dimana transformasi yg dilakukan adalah dg lag(t-1) hanya pada beberapa variabel bebas (X2 dan X1) dan variabel tak bebasnya(Y). Selain itu terdapat varibel yg tidak dikenakan lag (X3) dan variabel yg tidak terdapat dalam waktu t (X1(t) ==> X1(t-1)).
    Apakah GLS harus selalu mengikut sertakan semua variabel bebasnya? bagaimana dengan variabel tak bebasnya?
    Terima kasih sebelumnya.

    Wass

  28. Pak Sanjoyo…

    Salam kenal…

    Mohon informasinya Pak mengenai penduga M (M-Estimator), saya kurang paham mengenai penduga tersebut… Bisa bantu saya??

    Di mana saya dapat buku tentang penduga M Pak??

    Trima kasih sebelumnya..

  29. salam kenal…
    pak mohon penjelasnya mengenai asumsi untuk model regresi sederhana dan saya menggunakan metode maximum likehood untuk penduga parameter…pengujian apa yang perlu saya lakukan untuk menguji model yang saya dapatkan?

    • @Fransiska,

      Uji saja normalitasnya.. errornya atau dependent var di uji normalitasnya, jika normal maka asumsinya terpenuhi.

      Wassalam

  30. pak, saya menngucapkan banyak-banyak terimakasih dengan adanya web ini. Semoga Allah membalas kebaikan bapak.

  31. pak, bagaimana caranya estimasi parameter ARIMA dengan MLE pak?

  32. mas,….minta file papernya dunk,….saya membutuhkan untuk pengerjaan skripsi saya,….please,….

  33. salam kenal pak,..
    maaf pak saya ingin bertanya tentang IGARCH.
    begini pak :
    1) saya mengolah data di minitab kemudian didapat model terbaik adalah ARIMA (2,1,3), kemudian saya bandingkan dengan menggunakan Eviews ternyata model terbaiknya adalah ARIMA(1,1,1), pertanyaannya : kenapa kesimpulannya berbenda ya pak?
    apakah boleh, jika saya mengambil kesimpulan dari minitab yaitu model ARIMA(2,1,3) kemudian saya oleh di Eviews dengan menggunakan GARCH? masalahnya kan cara peng-estiamasian di eviews dan minitab berbeda (saya mengambil kesimpulan dari minitab karena model tersebut memenuhi asumsi heteroskedastisitas, sedangkan yang dari eviews tidak memenuhi). apakah data refernsi yang bisa menguatkan bahwa saya boleh menggunakan minitab dan eviews secara bersamaan atau dengan kata lainbisa menghubungkan antara minitab dan eviews?

    2. data yang saya gunakan adalah data yang tidak stasioner dalam varians dan rata-ratanya, sehingga ketika saya mengolah model ARIMA nya, data tersebut saya transformasi dan diff. ketika saya mengolah menggunakan GARCH, data mana yang dipake ya pak? data awal, data yang ditranformasi saja. data yang ditransformasi dan di-diff atau bagaimana?

    3. yang kita dapat dari model IGARCH, cuma model variansinya saja ya pak? lalu bagaimana menentukan nilai ramalannya secara manual/menggunakan rumus seperti pada ARIMA?

  34. aslm pak,
    saya ayu mahasiswa tahun akhir yang sedang menyusun skripsi tentang dampak bencana dan pembangunan, saya menggunakan metode GMM untuk menestimasi varibel independent terhadap variabel dependent. yang ingin saya tanyakan bagaimana melakukan estimasi data dengan menggunakan eviews untuk metode gmm?
    makasih atas jawaban bapak

  35. pak sanjoyo, saya mengalami kendala dlm program. kenapa kok matriksnya selalu simetris?

  36. pak apakah saya boleh minta paper lengkap anda tetang simulasi monte carlo thanks

Tinggalkan Balasan

Please log in using one of these methods to post your comment:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s