Hasil Pencarian  ::  Simpan CSV :: Kembali

"Model data panel dinamis merupakan model data panel yang melibatkan lag dari variabel dependen sebagai variabel eksplanatori yang berkorelasi dengan error. Lag dari variabel dependen tersebut dinamakan variabel eksplanatori endogen. Salah satu bentuk model data panel dinamis adalah model panel vector autoregression (PVAR). Dimana model panel VAR memiliki pola yang sama dengan model VAR yang merupakan model runtun waktu multivariat dengan menambahkan dimensi cross section ke dalam model VAR. Model panel VAR yang dibahas pada penulisan ini model dengan dua variabel, lag sebanyak , dan komponen error satu arah fixed effect. Selanjutnya akan dibahas cara penaksiran parameter dari model panel VAR. Karena terdapat korelasi antara variabel eksplanatori endogen dengan error menyebabkan hasil taksiran dengan OLS menjadi bias dan tak konsisten. Sehingga untuk mengatasi permasalahan tersebut dilakukan transformasi forward orthogonal deviation (FOD) untuk menghilangkan efek individu dan selanjutnya menggunakan metode instrumental variabel untuk mangatasi korelasi variabel eksplanatori endogen dengan error. Kemudian model ini ditaksir dengan metode penaksiran Generalized Method of Moment (GMM).

---

The dynamic panel data model is a panel data model that involves lag of the dependent variable as explanatory variable which is correlated with the error. Lag of the dependent variable is called endogenous explanatory variables. One form of dynamic data panel model is panel vector autoregression (PVAR) model. The panel VAR models have the same pattern with the VAR model which is a model of multivariate time series with the added dimension of the cross section into the VAR model. Panel VAR model discussed in this paper with two variables, lag, and a one-way error component fixed effect. Furthermore, we will discuss how the parameter estimation of panel VAR model. Because there is a correlation between endogenous explanatory variables with the error cause the estimates of the parameters using OLS method be biased and inconsistent. Therefore to overcome these problems we have to transform the model with forward orthogonal deviation (FOD) transformation to wipes out the effect of the individual and then use the method of instrumental variables to overcome correlation of endogenous explanatory variables. Then estimate the model using Generalized Method of Moment (GMM) estimator."

"Dalam dunia ekonomi, terdapat variabel yang tidak berubah terhadap waktu dan mempengaruhi variabel dependen, sehingga Hausman dan Taylor mengadakan penyesuaian untuk model data panel biasa. Model data panel Hausman Taylor merupakan model data panel yang memperhitungkan adanya time variant variable dan time invariant variable. Jika pada model data panel Hausman Taylor terdapat variabel penjelas yang dicurigai berkorelasi dengan efek individu, maka penaksiran parameter dengan metode OLS menjadi bias dan inkonsisten. Oleh karena itu, untuk mendapatkan estimasi parameter model yang konsisten dan efisien, maka digunakan instrument variable, dan metode penaksiran yang digunakan adalah Generalized Method of Moment dan Two Stage Least Square."

"This book explores computational structure of the exact and approximate spatial autoregression (SAR) model solutions. Estimation of the parameters of the SAR model using Maximum Likelihood (ML) theory is computationally very expensive because of the need to compute the logarithm of the determinant (log-det) of a large matrix in the log-likelihood function. "

"Data panel merupakan gabungan dari dua jenis data, yaitu data cross section dan data longitudinal. Model regresi linier yang melibatkan data panel disebut dengan model regresi data panel. Pada saat melakukan observasi, sering ditemui bahwa nilai observasi di suatu lokasi bergantung pada nilai observasi di lokasi sekitarnya, yang dikenal dengan spasial dependen. Model regresi data panel yang turut melibatkan aspek ketergantungan lokasi (spasial dependen) dikenal dengan model spasial data panel. Model spasial lag data panel menunjukkan adanya ketergantungan antara variabel dependen di suatu lokasi dengan variabel dependen di lokasi sekitarnya. Pada tugas akhir ini akan dibahas penaksiran parameter pada Random Effects Spatial Lag Panel Data Model dengan komponen error satu arah menggunakan metode maksimum likelihood."

"Pada model data panel komponen error satu arah diasumsikan observasi observasi antar individu saling independen padahal kenyataannya asumsi ini bisa saja tidak terpenuhi. Oleh karena itu menurut Hsiao dan Tahmiscioglu 2008 diperlukan tambahan efek waktu yang tidak terobservasi pada model. Pada skripsi ini akan dibahas mengenai model data panel komponen error dua arah. Model dibatasi pada model dinamis simpel dimana variabel eksplanatori adalah lag 1 dari variable respon. Penaksiran parameter model menggunakan metode Generalized Least Square GLS. Sebelum proses GLS terlebih dahulu dilakukan first difference koreksi first difference terhadap rata rata dari individu dan postulasi persamaan koreksi first difference tersebut pada kondisi khusus. Ditunjukkan juga bahwa estimator yang diperoleh bersifat konsisten. Sebagai ilustrasi digunakan simulasi Monte Carlo Diperoleh hasil bahwa rata rata error relatif dari GLS estimator semakin kecil untuk nilai mutlak rho yang membesar. Selain itu rata rata error relatif untuk nilai rho 0 cenderung lebih besar dibandingkan rho 0.

---

In one way error component panel data model it is assumed that individuals among observations are independent but actually this assumption might not be fulfilled. Therefore Hsiao and Tahmiscioglu 2008 suggest that the unobserved time effects are needed to be incorporated in the model. A two way error components model for panel data will be described. Model discussed is limited to simple dynamic model where the explanatory variable is the lag 1 of the response variable. Parameter estimation is done using Generalized Least Square GLS method. Before proceeding with the GLS method preliminary steps are conducted first differencing individual mean correction of the first differenced and postulating a first difference correction equation in special conditions. Once the estimator is obtained the consistency property is proved afterwards. As an illustration hypothetical data set with several parameters setting are generated using Monte Carlo simulation. The result show that mean relative error of GLS estimator will be smaller as the values of absolute rho are larger. Furthermore the mean relative error for rho 0 are greater than that of rho 0."

"Suatu runtun waktu yang memiliki variabel respon biner disebut runtun waktu biner. Runtun waktu biner dapat dimodelkan menggunakan model umum Autoregressive dengan pendekatan regresi non-linier. Kedem Fokianos 2000 mengenalkan model runtun waktu biner melalui pendekatan Autoregressive dan regresi logistik. Metode yang digunakan untuk penaksiran parameter yaitu metode Partial Likelihood. Metode Partial Likelihood ini dilakukan dengan menentukan fungsi Partial Likelihood yang dibentuk dari probability density function pdf marginal distribusi Bernoulli. Namun, dalam proses penaksiran parameter menggunakan metode Partial Likelihood ditemukan kesulitan untuk mendapatkan solusi secara langsung dikarenakan persamaan yang tidak linier closed form. Oleh karena itu, untuk mengatasi hal tersebut dilakukan iterasi menggunakan metode Fisher Scoring. Aplikasi data pada penaksiran parameter untuk model runtun waktu biner dalam tugas akhir ini menggunakan data kompetisi balap perahu antara Universitas Cambridge dan Universitas Oxford yang dicatat pada tahun 1946 sampai 2011 dengan jumlah data berbeda yaitu 22, 44, dan 66 data. Berdasarkan aplikasi data yang dilakukan, diperoleh hasil bahwa penaksiran parameter untuk model runtun waktu biner menggunakan Partial Likelihood dengan jumlah data yang berbeda menghasilkan penaksir parameter yang relatif sama atau tidak memiliki perbedaan yang signifikan.

---

A time series that has binary respon variable is called a binary time series. Binary time series can be modeled using the Autoregressive general model and nonlinear regression approach. Kedem Fokianos 2000 introduced a binary time series model through the Autoregressive and logistic regression approach. The parameters of binary time series are estimated using the Partial Likelihood method. The Partial Likelihood method is performed by determining the Partial Likelihood function derived from the marginal probability density function pdf of Bernoulli distribution. However, in the process of parameter estimation using this method, the form of final function to obtain parameters is not in the closed form equation. To face this problem, Fisher scoring iterations are perfomed.

The application of parameter estimation of the model uses the data about boat racing competition between the University of Cambridge and Oxford University from 1946 to 2011. Based on the data application, parameter estimation of the binary time series model using partial likelihood with different amounts of data resulting in a relatively same or no significant parameter estimator."

"Studi ini menganalisis integrasi pasar saham di beberapa negara di kawasan Asia Pasifik. Penelitian ini berfokus pada pasar saham lima negara, yaitu Jepang, Indonesia, Filipina, vietnam dan Bangladesh, dengan memberi perhatian khusus pada krisis keuangan 2008-2009. Studi ini dilatarbelakangi oleh penelitian mengenai integrasi pasar saham tradisional, yang menunjukkan bahwa pasar saham negara berkembang lebih tersegmentasi dan pasar saham negara maju sangat terintegrasi. Dengan menggunakan metode vector autoregressive (VAR), hasil penelitian ini menunjukkan bahwa pasar saham masih kurang terintegrasi. Pada periode sebelum krisis, hanya pasar saham Filipina dan Indonesia yang terintegrasi, sedangkan pasar saham Jepang terintegrasi dengan pasar saham Indonesia, Filipina dan Bangladesh. Sementara itu, pada periode setelah krisis, pasar saham Bangladesh tidak terintegrasi dengan pasar saham Jepang.

---

This study analysis the integration of stock markets in some countries in the Asia-Pacific Region. The study focus on stock market in five county, namely: Japan, Indonesia, Philippines, Vietnam and Bangladesh, with special attention to the 2008-2009 financial crisis period. This study is motivated by the research of traditional stock market integration, which showed that stock markets in developing countries were more segmented while stock markets in developed countries were more integrated. By using vector autoregressive method (VAR), this study reveals that stock markets of those five countries were still less integrated. In the pre-crisis period, only the stock markets of Philippines and Indonesia were integrated, while Japan's stock market was integrated with the stock markets of Indonesia, the Philippines and Bangladesh. Meanwhile, in the period after the crisis, Bangladesh's stock market did not integrated with japan's."

"Regresi data panel merupakan suatu regresi yang menggabungkan dua jenis data, yaitu data cross section dan data longitudinal. Berdasarkan komponen errornya regresi data panel dibedakan menjadi dua yaitu komponen error satu arah dan dua arah. Pada regresi data panel dibutuhkan beberapa asumsi tentang error yaitu error mempunyai mean nol dan mempunyai variansi konstan (homoskedastis) serta error antar observasi saling bebas. Dalam analisis regresi data panel, pada saat melakukan pengambilan observasi di suatu lokasi sering ditemui bahwa nilai observasi pada suatu lokasi bergantung pada nilai observasi di lokasi disekitarnya atau dengan kata lain ada korelasi spasial antar observasi. Inilah yang disebut dengan spatial dependent. Jika pengaruh spasial ini ada dan tidak dilibatkan dalam model maka asumsi error antar observasi saling bebas tidak terpenuhi. Sehingga model yang diperoleh menjadi kurang baik. Untuk itu dibutuhkan suatu model yang melibatkan pengaruh spasial dalam analisis regresi data panel yang dinamakan spatial panel data model. Dalam tugas akhir ini akan dibahas bagaimana cara menaksir parameter pada model regresi spasial panel satu arah dengan menggunakan metode maksimum likelihood."

"Model regresi data panel spasial error dinamis adalah model regresi data panel yang melibatkan lag dari variabel dependen dan komponen dependensi spasial error. Karena terdapat korelasi antara lag dari variabel dependen dan komponen error, estimasi dengan Ordinary Least Squares menjadi bias dan tidak konsisten. Oleh karena itu, dibutuhkan metode lain untuk menaksir parameter dalam model. Metode yang dapat digunakan adalah perluasan metode Arellano dan Bond yang mencakup metode instrumental variabel menggunakan variabel instrumen yang disarankan oleh Mutl (2006) dan prinsip Generalized Method of Moments (GMM). Kemudian ditambah dengan metode pendekatan Kapoor, Kelejian, dan Prucha (KKP) sehingga dihasilkan taksiran yang konsisten.

---

The dynamic spatial error panel data regression model is panel data regression model which involves lag of the dependent variable and error spatial dependence. Because there is correlation between the lag of the dependent variable and error components, the ordinary least squares estimator becomes biased and inconsistent. Therefore, we need another method to estimate parameters in the model. The method which can be used is the extended method of Arellano and Bond covering instrumental variable method using instrument variables suggested by Mutl (2006) and the principle of the Generalized Method of Moments (GMM). Then the method is coupled with the method of Kapoor, Kelejian, and Prucha (KKP) approach so that it produces consistent estimators."

"Pada model regresi data panel spasial dinamis terdapat lag dari variabel dependen dan spatial lag dari variabel dependen yang berperan sebagai variabel eksplanatori. Hal ini menyebabkan variabel eksplanatori berkorelasi dengan error, variabel jenis ini disebut variabel endogen eksplanatori. Dengan adanya variabel ini, estimasi secara ordinary least squares menjadi bias dan tidak konsisten. Oleh karena itu sebelum menaksir parameter pada model regresi data panel spasial dinamis harus dilakukan first-difference untuk menghilangkan efek individu dan selanjutnya dilakukan instrumental variabel pada variabel endogen eksplanatori. Kemudian untuk mendapatkan unbiased and consistent estimator, model ini ditaksir dengan metode Arrelano dan Bond yang menggunakan prinsip generalized method of moments optimal."