Tugas Regresi

Author

Muh. ikbal

library(haven)

library(sqldf)

Loading required package: gsubfn

Loading required package: proto

Loading required package: RSQLite

library(haven)

dfkon <- read_dta("b1_ks1.dta")
dfpen <- read_dta("b3a_tk1.dta")

hasil_merge <- sqldf("
  SELECT dfkon.hhid14_9, dfkon.ks1type, dfkon.ks02, dfpen.tk16a
  FROM dfkon 
  INNER JOIN dfpen ON dfkon.hhid14_9 = dfpen.hhid14_9
  WHERE dfkon.ks1type = 'F' AND dfkon.ks02 >0 AND dfpen.tk16a IS NOT NULL
")
names(hasil_merge)[3] <- "konsumsi"
names(hasil_merge)[4] <- "pendapatan"

regresi

regresibayam <- lm(konsumsi ~ pendapatan , data = hasil_merge)

summary(regresibayam)


Call:
lm(formula = konsumsi ~ pendapatan, data = hasil_merge)

Residuals:
   Min     1Q Median     3Q    Max 
-24878 -12861  -5894   6113 259215 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 2.079e+04  7.498e+02  27.720   <2e-16 ***
pendapatan  3.046e-04  3.795e-04   0.803    0.422    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 22190 on 1117 degrees of freedom
Multiple R-squared:  0.0005766, Adjusted R-squared:  -0.0003181 
F-statistic: 0.6445 on 1 and 1117 DF,  p-value: 0.4223

Interpretasi Hasil Model Persamaan Model Persamaan yang digunakan adalah sebagai berikut: \[ Y_i = \beta_0 + \beta_1 X_1 + \varepsilon_i\] \[ Y_i = 2.079 + 0 X_i + \varepsilon_i\] Hasil Regresi menunjukkan bahwa variabel Pendapatan tidak mempengaruhi variabel Konsumsi bayam, karena nilai p untuk koefisien X (0.422).

Multiple R-squared yang sangat rendah (0.0005766) atau 0,5% menunjukkan bahwa model secara keseluruhan belum memberikan penjelasan yang baik tentang variasi dalam variabel dependen.

Nilai koefisien konstanta sebesar 10100, dan koefisien variabel pendapatan sebesar 0.0008675, sehingga mejadi persamaan sebagai berikut: \[ Y_i = \beta_0 + \beta_1 X_1 + \varepsilon_i\] \[ Y_i = 2.079 + 0,0003.046 X_i + \varepsilon_i\]

Berdasarkan persamaan tersebut Konsumsi bayam pada saat konstanta (tanpa pengaruh X) sebesar 2.079 dan jika ada Pendapatan, memengaruhi perubahan konsumsi daging dan ikan sebesar koefisien 0,0003.046.

Harga

library(haven)
dfkon <- read_dta("b1_ks1.dta")
dfpen <- read_dta("b3a_tk1.dta")
dfharga <- read_dta("b1_ks4.dta")

library(sqldf)

hasil_merge <- sqldf("
  SELECT dfkon.hhid14_9, dfkon.ks1type, dfkon.ks02, dfpen.tk16a
  FROM dfkon 
  INNER JOIN dfpen ON dfkon.hhid14_9 = dfpen.hhid14_9
  WHERE dfkon.ks1type = 'L' AND dfkon.ks02 >0 AND dfpen.tk16a IS NOT NULL
")
names(hasil_merge)[3] <- "konsumsi"
names(hasil_merge)[4] <- "pendapatan"

hasil_merge2 <- sqldf("
  SELECT hasil_merge.hhid14_9, hasil_merge.konsumsi, hasil_merge.pendapatan, dfharga.ks15
  FROM hasil_merge 
  INNER JOIN dfharga ON hasil_merge.hhid14_9 = dfharga.hhid14_9
  WHERE dfharga.ks15 >0
")
names(hasil_merge2)[4] <- "harga"

regresi 2

regresi2 <- lm(konsumsi ~ pendapatan + harga , data = hasil_merge2)

summary(regresi2)


Call:
lm(formula = konsumsi ~ pendapatan + harga, data = hasil_merge2)

Residuals:
   Min     1Q Median     3Q    Max 
-89133 -23333 -11002   4017 860926 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 3.888e+04  9.979e+02   38.97  < 2e-16 ***
pendapatan  6.920e-04  5.201e-04    1.33    0.183    
harga       5.511e-02  1.094e-02    5.04 4.85e-07 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 54120 on 4442 degrees of freedom
Multiple R-squared:  0.006274,  Adjusted R-squared:  0.005826 
F-statistic: 14.02 on 2 and 4442 DF,  p-value: 8.504e-07

Interpretasi Hasil Signifikansi Variabel pendapatan dan harta memiliki pengaruh terhadap variabel konsumsi, ditunjukkan oleh koefisien regresi yang signifikan secara statistik (p-value: 4.85e untuk kedua variabel). Multiple R-squared (0.006274) masih rendah, menunjukkan bahwa model hanya menjelaskan sekitar 0.6274% dari variasi dalam konsumsi.

Koefisien Konstanta (Intercept) Koefisien konstanta (intercept) adalah sekitar 3.888. Interpretasi: Ketika nilai dari variabel pendapatan dan kepemilikan ternak adalah nol, maka nilai variabel konsumsi bayam sebesar 4946

Koefisien untuk Variabel pendapatan: Koefisien untuk variabel pendapatan adalah 0.0006920 Interpretasi: Setiap satu unit peningkatan dalam variabel pendapatan berkorelasi dengan peningkatan sekitar 0.0006920 unit dalam variabel konsumsi bayam, semua faktor lainnya konstan.

Koefisien untuk Variabel Harga, bayam: Koefisien untuk variabel harta sapi dan ikan adalah 0.05511 Interpretasi: setiap unit peningkatan variabel harta sapi dan ikan memengaruhi variabel konsumsi daging dan ikan sebesar koefisien 0.05511.

Model Persamaan: Model persamaan regresi: \[ Y = \beta_0 + \beta_1X_1 + \beta_2X_2 + \ldots + \beta_nX_n + \varepsilon \] \[ Y = 3.888 + 0.0006.920X_1 + 0.05.511X_2 + \varepsilon \] Berdasarkan persamaan tersebut Konsumsi bayam pada saat konstanta (tanpa pengaruh X1;X2) sebesar 4946 Jika ada Pendapatan, dikalikan dengan koefisien sebanyak 0.0001772. Sedangkan jika ada harta sapi dan ikan memengaruhi konsumsi daging dan ikan dikalikan dengan koefisien 0.001037.

Uji Asumsi Klasik

Uji Jarque-Bera

library(tseries)

library(tseries)

Registered S3 method overwritten by 'quantmod':
  method            from
  as.zoo.data.frame zoo

residuals <- residuals(regresi2)

# Uji Jarque-Bera terhadap residu
result <- jarque.bera.test(residuals)

# Menampilkan hasil uji
print(result)


    Jarque Bera Test

data:  residuals
X-squared = 2653436, df = 2, p-value < 2.2e-16

Interpretasi dari hasil ini adalah bahwa distribusi dari residu yang diuji tidak sesuai dengan distribusi normal. P-value yang sangat kecil, lebih kecil dari tingkat signifikansi umum seperti 0.05 atau 0.01, menunjukkan adanya bukti yang kuat untuk menolak hipotesis nol bahwa residu mengikuti distribusi normal. Sebaliknya, terdapat bukti yang signifikan bahwa distribusi residu berbeda dari distribusi normal.

uji Goldfeld-Quandt

library(lmtest)

Loading required package: zoo


Attaching package: 'zoo'

The following objects are masked from 'package:base':

    as.Date, as.Date.numeric

result <- gqtest(regresi2)

# Menampilkan hasil uji
print(result)


    Goldfeld-Quandt test

data:  regresi2
GQ = 0.4168, df1 = 2220, df2 = 2219, p-value = 1
alternative hypothesis: variance increases from segment 1 to 2

Nilai uji Goldfeld-Quandt adalah 0.4168, dan karena nilai p-value 1 lebih besar dari 0,05, kita gagal menolak hipotesis nol, kita tidak memiliki cukup bukti untuk mengatakan bahwa heteroskedastisitas ada di dalam model regresi.

Uji Durbin Watson

library(lmtest)
result <- dwtest(regresi2)

# Menampilkan hasil uji
print(result)


    Durbin-Watson test

data:  regresi2
DW = 0.25488, p-value < 2.2e-16
alternative hypothesis: true autocorrelation is greater than 0

Nilai uji Durbin-Watson adalah 0.25488, dan karena nilai p-value 0.00.

Karena nilai p ini lebih kecil dari 0,05, kita tolak hipotesis nol dan menyimpulkan bahwa residual dalam model regresi ini berautokorelasi.

#Uji Breusch-Godfrey

library(lmtest)
result <- bgtest(regresi2)

# Menampilkan hasil uji
print(result)


    Breusch-Godfrey test for serial correlation of order up to 1

data:  regresi2
LM test = 3396.4, df = 1, p-value < 2.2e-16

Dari output tersebut kita dapat melihat bahwa statistik uji adalah X^2= 3396.4 dengan derajat kebebasan 1, p-value = 0.000. kita tolak hipotesis nol dan menyimpulkan bahwa terdapat autokorelasi di antara residu pada beberapa orde ≤ 1.

Uji Multicolinearitas

library(car)

Loading required package: carData

vif(regresi2)

pendapatan      harga 
  1.003402   1.003402

Variabel pendapatan memiliki multicolinearitas yang rendah begitupun dengan variabel harga yang memiliki multicolinearitas yang rendah

Input-Output

library(leontief)
library(matrixcalc)
library(readxl)

Baca data input-output dari file Excel

library(readxl)
data_input_output <- read_excel("C:/Users/asuse/Downloads/data_input_output.xlsx")
View(data_input_output)

Gabungkan data input-output

input_output <- as.matrix(data_input_output[, -1])

Total output vector (diagonal matrix)

total_output <- rowSums(input_output)
D <-diag(total_output)

matriks teknis

B <-solve(total_output  + D)

matriks identitas

I <- diag(nrow(input_output))

matriks Leontief

leontief <- solve(I - B)
print(leontief)

               [,1]          [,2]          [,3]          [,4]          [,5]
 [1,]  1.000000e+00 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
 [2,] -1.391434e-10  1.000000e+00 -8.190682e-11 -1.813505e-09 -1.609944e-08
 [3,] -1.391434e-10 -8.610053e-10  1.000000e+00 -1.813505e-09 -1.609944e-08
 [4,] -1.391434e-10 -8.610054e-10 -8.190683e-11  1.000000e+00 -1.609944e-08
 [5,] -1.391434e-10 -8.610056e-10 -8.190685e-11 -1.813506e-09  1.000000e+00
 [6,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
 [7,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
 [8,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
 [9,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[10,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[11,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[12,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[13,] -1.391434e-10 -8.610054e-10 -8.190683e-11 -1.813505e-09 -1.609944e-08
[14,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[15,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[16,] -1.391434e-10 -8.610053e-10 -8.190683e-11 -1.813505e-09 -1.609944e-08
[17,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[18,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[19,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[20,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[21,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[22,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
[23,] -1.391434e-10 -8.610053e-10 -8.190682e-11 -1.813505e-09 -1.609944e-08
               [,6]          [,7]          [,8]          [,9]         [,10]
 [1,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
 [2,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
 [3,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
 [4,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125075e-10 -6.339142e-10
 [5,] -1.262275e-10 -1.807611e-10 -2.292519e-10 -6.125077e-10 -6.339144e-10
 [6,]  1.000000e+00 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
 [7,] -1.262275e-10  1.000000e+00 -2.292518e-10 -6.125074e-10 -6.339142e-10
 [8,] -1.262275e-10 -1.807611e-10  1.000000e+00 -6.125074e-10 -6.339142e-10
 [9,] -1.262275e-10 -1.807611e-10 -2.292518e-10  1.000000e+00 -6.339142e-10
[10,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10  1.000000e+00
[11,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
[12,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
[13,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125075e-10 -6.339142e-10
[14,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
[15,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
[16,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125075e-10 -6.339142e-10
[17,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125075e-10 -6.339142e-10
[18,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
[19,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
[20,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
[21,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
[22,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
[23,] -1.262275e-10 -1.807611e-10 -2.292518e-10 -6.125074e-10 -6.339142e-10
              [,11]         [,12]         [,13]         [,14]         [,15]
 [1,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
 [2,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
 [3,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
 [4,] -7.147308e-10 -8.055599e-10 -1.884160e-09 -5.935872e-10 -5.553303e-10
 [5,] -7.147310e-10 -8.055601e-10 -1.884161e-09 -5.935874e-10 -5.553305e-10
 [6,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
 [7,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
 [8,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
 [9,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
[10,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
[11,]  1.000000e+00 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
[12,] -7.147307e-10  1.000000e+00 -1.884160e-09 -5.935872e-10 -5.553302e-10
[13,] -7.147308e-10 -8.055599e-10  1.000000e+00 -5.935872e-10 -5.553303e-10
[14,] -7.147307e-10 -8.055598e-10 -1.884160e-09  1.000000e+00 -5.553302e-10
[15,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10  1.000000e+00
[16,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553303e-10
[17,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553303e-10
[18,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
[19,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
[20,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
[21,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
[22,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
[23,] -7.147307e-10 -8.055598e-10 -1.884160e-09 -5.935872e-10 -5.553302e-10
             [,16]         [,17]         [,18]         [,19]        [,20]
 [1,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
 [2,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
 [3,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
 [4,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
 [5,] -1.29209e-09 -1.136622e-09 -1.979897e-11 -6.180919e-10 -1.08282e-10
 [6,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
 [7,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
 [8,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
 [9,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
[10,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
[11,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
[12,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
[13,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
[14,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
[15,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
[16,]  1.00000e+00 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
[17,] -1.29209e-09  1.000000e+00 -1.979896e-11 -6.180917e-10 -1.08282e-10
[18,] -1.29209e-09 -1.136621e-09  1.000000e+00 -6.180917e-10 -1.08282e-10
[19,] -1.29209e-09 -1.136621e-09 -1.979896e-11  1.000000e+00 -1.08282e-10
[20,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10  1.00000e+00
[21,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
[22,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
[23,] -1.29209e-09 -1.136621e-09 -1.979896e-11 -6.180917e-10 -1.08282e-10
              [,21]         [,22]         [,23]
 [1,] -1.629707e-11 -5.570163e-11 -3.175971e-11
 [2,] -1.629707e-11 -5.570163e-11 -3.175971e-11
 [3,] -1.629707e-11 -5.570163e-11 -3.175971e-11
 [4,] -1.629707e-11 -5.570163e-11 -3.175972e-11
 [5,] -1.629708e-11 -5.570165e-11 -3.175973e-11
 [6,] -1.629707e-11 -5.570163e-11 -3.175971e-11
 [7,] -1.629707e-11 -5.570163e-11 -3.175971e-11
 [8,] -1.629707e-11 -5.570163e-11 -3.175971e-11
 [9,] -1.629707e-11 -5.570163e-11 -3.175971e-11
[10,] -1.629707e-11 -5.570163e-11 -3.175971e-11
[11,] -1.629707e-11 -5.570163e-11 -3.175971e-11
[12,] -1.629707e-11 -5.570163e-11 -3.175971e-11
[13,] -1.629707e-11 -5.570163e-11 -3.175972e-11
[14,] -1.629707e-11 -5.570163e-11 -3.175971e-11
[15,] -1.629707e-11 -5.570163e-11 -3.175971e-11
[16,] -1.629707e-11 -5.570163e-11 -3.175972e-11
[17,] -1.629707e-11 -5.570163e-11 -3.175972e-11
[18,] -1.629707e-11 -5.570163e-11 -3.175971e-11
[19,] -1.629707e-11 -5.570163e-11 -3.175971e-11
[20,] -1.629707e-11 -5.570163e-11 -3.175971e-11
[21,]  1.000000e+00 -5.570163e-11 -3.175971e-11
[22,] -1.629707e-11  1.000000e+00 -3.175971e-11
[23,] -1.629707e-11 -5.570163e-11  1.000000e+00

#Daftar Pustaka Strauss, J., F. Witoelar, and B. Sikoki. “The Fifth Wave of the Indonesia Family Life Survey (IFLS5): Overview and Field Report”. March 2016. WR-1143/1-NIA/NICHD.