Estimasi parameter regresi variabel dummy menggunakan metode weighted least Square

Fauzi, Riang (2011) Estimasi parameter regresi variabel dummy menggunakan metode weighted least Square. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.

[img] Text (Fulltext)
07610050.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (773kB)

Abstract

INDONESIA:

Estimasi Parameter merupakan proses yang menggunakan sampel statistik untuk menduga atau menaksir hubungan parameter populasi yang tidak diketahui. Dengan estimasi parameter ini kita dapat mengetahui karakteristik parameter suatu populasi. Metode yang paling sering dipakai Peneliti untuk mengestimasi parameter adalah Metode Least Square. Dengan metode ini akan didapatkan estimator yang tidak bias, konsisten dan efisien. Untuk menggunakan metode ini harus memenuhi asumsi-asumsi yang disebut asumsi klasik. Least Square yang memenuhi asumsi-asumsi ini disebut Ordinary Least Square (OLS). Namun, pada pelaksaannya sering kali terjadi penyimpangan asumsi- asumsi ini, salah satunya terjadinya heteroskedastisitas (nilai variansi tidak konstan), sehingga akan dihasilkan estimator yang tidak bias, konsisten namun tidak efisien. Untuk itu estimasi dilakukan menggunakan metode Weighted Least Square (WLS). Pada penelitian ini diperoleh bentuk estimator dari parameter regresi variable dummy dengan menggunakan metode WLS adalah sebagai berikut:
1. Regresi Variabel Dummy Model Probit
...
2. Regresi Variabel Dummy Model Logit
...
Penelitian ini dapat dikembangkan dengan menggunakan metode estimasi lain atau mengestimasi parameter regresi variable dummy model yang lain.

ENGLISH :

Estimating parameter is process use sample information to determine an unknown characteristic of a population. The most popular method for estimating parameters is Least Square Estimation (LSE) method. This method would be obtained estimators are unbiased, consistent and efficient. To use this method, the model must meet the regression classical assumptions. Least Square which met these assumptions is called Ordinary Least Square (OLS). However, in practice it often out of these assumptions, one of them is heteroskedastisitas (the variance is not constant), hence the estimators will unbiased, consistent but not efficient. In this case, estimation can be using Weighted Least Squares (WLS) method. This study was obtained the estimator of dummy variable regression using WLS are as follows:
1. Dummy Variable Regression Probit Model
...
2. Dummy Variable Regression Logit Model
...
This research can be developed using other estimating method or other model.

Item Type: Thesis (Undergraduate)
Supervisor: Aziz, Abdul and Rozi, Fachrur
Keywords: Estimasi Parameter; Model Probit; Model Logit; Weighted Least Square (WLS); Parameter Estimation; Probit Model; Logit Model
Departement: Fakultas Sains dan Teknologi > Jurusan Matematika
Depositing User: Yogas Andika Damara Putri
Date Deposited: 18 May 2017 07:00
Last Modified: 18 May 2017 07:00
URI: http://etheses.uin-malang.ac.id/id/eprint/6637

Actions (login required)

View Item View Item