masalah identifikasi n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Masalah Identifikasi PowerPoint Presentation
Download Presentation
Masalah Identifikasi

Loading in 2 Seconds...

play fullscreen
1 / 29

Masalah Identifikasi - PowerPoint PPT Presentation


  • 213 Views
  • Uploaded on

Masalah Identifikasi. Tidak diidentifikasikan ( Underidentified ). Contoh : Model Permintaan dan penawaran fungsi permintaan Q t = α 0 + α 1 P t + u 1t fungsi penawaran Q t = α 0 + β 1 P t + u 2t Dengan kondisi keseimbangan α 0 + α 1 P t + u 1t =  0 + β 1 P t + u 2t.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Masalah Identifikasi' - jared


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
tidak diidentifikasikan underidentified
Tidakdiidentifikasikan (Underidentified)

Contoh:

Model Permintaandanpenawaran

  • fungsi permintaan

Qt = α0 + α1Pt + u1t

fungsi penawaran

Qt = α0 + β1Pt + u2t

Dengan kondisi keseimbangan

α0 + α1Pt + u1t = 0 + β1Pt + u2t

slide5

Model permintaandanpenawaranmemiliki 4 koefisienstrukturalyaitu0, 1, 0dan 1, tetapitidakadacara yang unikuntukmenaksirnyakarenakoefisienreduksihanyaterdiridari 2 yaitu H0dan H1sedangkankoefisienstrukturalada 4

identifikasi tepat
Identifikasitepat

Misalkan model permintaandanpenawaranadalahsebagaiberikut:

Fungsipermintaan

Fungsipenawaran

Dimana I adalahpendapatankonsumen yang merupakanvariabeleksogen

slide7

Dalam kondisikeseimbangan

=

Sehinggadidapatkan

Dimana

dan

slide9

Terdapat lima koefisienstrukturalyaitu0, 1, 2, 0, dan 1 tetapikoefisienreduksiadaempatyaitu H0, H1, H2dan H3sehinggapenyelesaianunikdariisemuakoefisienstrukturaltidakmungkin.

Namun parameter darifungsipenawarandapatdiidentifikasikarena

Tetapi parameter darifungsipermintaantidakdapatditaksiratautidakdapatdiidentifikasi

slide10

Misalkan Fungsipermintaan

Fungsipenawaran

Dalamkeseimbanganpasardidapatkan

=

didapatkan

slide11

Dimana

,

,

slide13

Terdapat 6 koefisienstrukturalyaitu0, 1, 2, 0, 1, dan 2 dan 6 koefisien reduced form yaitu

H0, H1, H2, H3, H4 dan H5 sehinggakitabisamenduganilaikoefiseinstruktural

terlalu diidentifikasi
Terlaludiidentifikasi

Misalkan

Fungsipermintaan

Denganmenyamakanpermintaandanpenawaran, didapatkanhargadankuantitaskeseimbangansebagaiberikut:

slide15

Dimana

, ,

, ,

slide16

TerdapattujuhkoefisienstrukturaltetapiterdapatdelapankoefisienbentukreduksiTerdapattujuhkoefisienstrukturaltetapiterdapatdelapankoefisienbentukreduksi

(banyaknyapersamaanlebihbanyakdaripadabanyaknya parameter)

Dapatditunjukkanterdapat 2 nilai1

,

aturan untuk identifikasi
AturanuntukIdentifikasi

Notasi :

M = banyaknyavariabel endogen dalam model

m = banyaknyavariabel endogen dalamsuatupersamaan

K = banyaknyavariabel yang ditetapkanlebihduludalam model

k = banyaknyavariabel yang ditetapkaanlebihduludalamsuatupersamaantertentu

kondisi derajat dari identifikasi
KondisiDerajatdariIdentifikasi

Suatukondisi yang perludariidentifikasiadalahsebagaiberikut:

Dalamsuatu model M persamaansimultan, agar suatupersamaandiidentifikasikan, persamaantadiharustidakmemasukkansekurang – kurangnya M – 1 variabel(endogen maupunvariabel yang ditetapkanlebihdahulu) yang munculdalam model.

Jikapersamaantaditidakmemasukkantepat M – 1 variabel, persamaantadidisebuttepatdiidentifikasi.

Jikapersamaantaditidakmemasukkanlebihdari M – 1 variabel, persamaantaditerlaludiidentifikasi

slide19

Definisi lain:

Dalamsuatu model dari M persamaansimultan, agar suatupersamaandiidentifikasikan, banyaknyavariabel yang ditetapkanlebihdulu yang dikeluarkandaripersamaanharustidakkurangdaribanyaknyavariabel endogen yang dimasukkandalampersamaankurangsatu; yaitu

K - k ≥ m – 1

Jika K – k = m – 1, persamaantaditepatdiidentifikasi

Jika K – k > m – 1, persamaantaditerlaludiidentifikasi

slide20

Contoh 1.

fungsi permintaan

Qt = α0 + α1Pt + u1t

fungsi penawaran

Qt = α0 + β1Pt + u2t

Mempunyaiduavariabel endogen dantidakadavariabel predetermined.

Supayadiidentifikasi, persamaanharustidakmemasukkansekurang – kurangnya M – 1 = 1 variabel

=> Tidakadapersamaan yang diidentifikasi

slide21

Contoh 2.

Fungsi permintaan

Fungsipenawaran

Terdapatduavariabel endogen yaituQtdanPt

Fungsipermintaantakdiidentifikasi

Fungsipenawarandiidentifikasikarenatidakmemasukkansatuvariabelyaitu It

slide22

Contoh 3.

Fungsi permintaan

Fungsipenawaran

Fungsipermintaantidakmemasukkan 1 variabelyaitu Pt-1

Fungsipenawarantidakmemasukkan 1 variabelyaitu It

Keduapersamaandiidentifikasi

slide23

Contoh 4.

Fungsi permintaan

Fungsipenawaran

Fungsipermintaantidakmemasukkan 1 variabel Pt-1 => diidentifikasi

Fungsipenawarantidakmemasukkan 2 variabelyaitu ItdanRt => terlaludiidentifikasi

rank conditions
Rank Conditions
  • Identifikasimelalui order condition hanyamerupakanprasyaratdasartetapibelummerupakanprasyaratcukup (sufficient condition).

Melaluimetode rank condition bisamemenuhikeduaprasyaratidentifikasipersamaansimultan

  • Istilah rank berasaldari terminology di dalammatrik.

Rank darimatrikmerujukkepadasquare submatrix order paling besar yang mempunyaideterminantidaksamadengan nol.

Square matrix adalahmatrik yang mempunyaijumlahkolomdanbaris yang sama.

kondisi tingkat identifikasi rank condition of identification
Kondisitingkatidentifikasi(Rank Condition of Identification)

Dalamsuatu model M persamaandalam M variabel endogen, suatupersamaandiidentifikasikanjikadanhanyajikasekurang – kurangnyasatupenentutidaknoldariordo (M-1)(M-1) dapatdibentukdarikoefisienvariabel (baik endogen dan predetermined) yang tidakdimasukkandaripersamaantertentutaditetapidimasukkandalampersamaan lain dari model

ilustrasi
Ilustrasi

Misalnyaadapersamaansimultansebagaiberikut:

Y1t= 10 +12Y2t+13Y3t+β11X1t +e1t (1)

Y2t= 20 +23Y3t+β21X1t+β22X2t +e2t (2)

Y3t= 30 + 31Y1t +β31X1t+ β21X2t + e3t (3)

Y4t= 40 + 41Y1t +42Y2t + β43X3t+ e4t (4)

  • Dimana Y adalahvariabelendogendan X adalahvariabeleksogen(predetermined).
  • Jikapersamaan (1) – (4) dimanipulasidengan cara memindahkansemuavariabel di sisikananpersamaankecualivariabelgangguan e kesebelahkirimakaakanmenghasilkansebuahsistem yang terlihat pada tabel 1 berikut
slide28

Untukmengetahuiapakahpersamaan1 teridentifikasiatautidakmakaharusmencarimatrksorder 3x3 darikoefisien yang tidakadadalampersamaan 1 tetapiada di persamaan yang lain dan kemudiandicarideterminannya.matrikstersebutadalahsebagaiberikut:

0 -β220

A = 0 - β320

1 0 - β43

  • Determinan matriks A iniadalah 0, yang artinyatidakmemenuhirankconditionsehinggapersamaaninitidakteridentifikasi
  • Suatupersamaandalammodelpersamaansimultan yang mempunyai M persamaandikatakanidentified, sekurang-kurangnyamempunyaisatu determinan berdimensi (M-1) yang tidaksamadengan nol.
prinsip umum identifikasi
PrinsipUmumIdentifikasi
  • Jika K – k > m – 1 dan rank darimatriks A adalah M – 1, persamaantsbterlaludiidentifikasi
  • Jika K – k = m – 1 dan rank darimatriks A adalah M – 1, persamaantsbtepatdiidentifikasi
  • Jika K – k ≥ m – 1 dan rank matriks A adalahkurangdari M – 1, persamaantsbkurangdiidentifikasi
  • Jika K – k < m – 1, persamaantsbtidakdiidentifikasi. Tingkat darimatriks A dalamkasusiniakankurangdari M – 1.