LAMPIRAN
14
Lampiran 1
Hasil pendugaan model gabungan dengan Y sebagai peubah respon dan X1, X2, dan X3 sebagai peubah penjelas
Dependent Variable: Y Method: Panel Least Squares Date: 07/20/11 Time: 07:10 Sample: 2000 2008 Periods included: 9 Cross-sections included: 10 Total panel (balanced) observations: 90 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C X1 X2 X3
5.286955 -0.115117 0.625280 0.681784
2.285536 0.077128 0.180148 0.091762
2.313223 -1.492548 3.470917 7.429937
0.0231 0.1392 0.0008 0.0000
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Lampiran 2
0.643771 0.631344 0.363510 11.36401 -34.58334 51.80590 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
28.17166 0.598696 0.857408 0.968510 0.902211 0.191138
Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X1, X2 dan X3 sebagai peubah penjelas
Dependent Variable: Y Method: Panel Least Squares Date: 07/20/11 Time: 07:12 Sample: 2000 2008 Periods included: 9 Cross-sections included: 10 Total panel (balanced) observations: 90 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C X1 X2 X3
-21.72085 -0.025202 3.205305 0.407249
4.780485 0.037776 0.449152 0.058393
-4.543649 -0.667125 7.136354 6.974217
0.0000 0.5067 0.0000 0.0000
Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.967411 0.962332 0.116196 1.039611 73.03888 190.4812 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
28.17166 0.598696 -1.334197 -0.973114 -1.188587 1.256483
15
Lampiran 3
Hasil pendugaan model pengaruh acak dengan Y sebagai peubah respon dan X1, X2 dan X3 sebagai peubah penjelas
Dependent Variable: Y Method: Panel EGLS (Cross-section random effects) Date: 07/20/11 Time: 07:19 Sample: 2000 2008 Periods included: 9 Cross-sections included: 10 Total panel (balanced) observations: 90 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
C X1 X2 X3
-11.01840 -0.062077 2.195301 0.511229
3.759085 0.036246 0.352067 0.050780
-2.931138 -1.712671 6.235461 10.06747
0.0043 0.0904 0.0000 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.412856 0.116196
Rho 0.9266 0.0734
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.929118 0.926645 0.123084 375.7593 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
2.631359 0.454450 1.302867 1.162687
Unweighted Statistics R-squared Sum squared resid
0.265938 23.41720
Mean dependent var Durbin-Watson stat
28.17166 0.064689
16
Lampiran 4
Hasil pendugaan model gabungan dengan Y sebagai peubah respon dan X2 dan X3 sebagai peubah penjelas
Dependent Variable: Y Method: Panel Least Squares Date: 09/20/11 Time: 13:49 Sample: 2000 2008 Periods included: 9 Cross-sections included: 10 Total panel (balanced) observations: 90 Variable C X2 X3 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Lampiran 5
Coefficient
Std. Error
t-Statistic
Prob.
6.535187 0.537617 0.573739
2.141987 0.171502 0.056788
3.050993 3.134750 10.10320
0.0030 0.0023 0.0000
0.634543 0.626142 0.366066 11.65838 -35.73416 75.52918 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
28.17166 0.598696 0.860759 0.944086 0.894361 0.174280
Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X2 dan X3 sebagai peubah penjelas
Dependent Variable: Y Method: Panel Least Squares Date: 09/20/11 Time: 13:50 Sample: 2000 2008 Periods included: 9 Cross-sections included: 10 Total panel (balanced) observations: 90 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C X2 X3
-22.84148 3.315781 0.375203
4.459688 0.416021 0.033084
-5.121767 7.970219 11.34079
0.0000 0.0000 0.0000
Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.967223 0.962600 0.115782 1.045620 72.77953 209.2459 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
28.17166 0.598696 -1.350656 -1.017348 -1.216247 1.227633
17
Lampiran 6
Hasil pendugaan model pengaruh acak dengan Y sebagai peubah respon dan X2 dan X3 sebagai peubah penjelas
Dependent Variable: Y Method: Panel EGLS (Cross-section random effects) Date: 09/20/11 Time: 13:51 Sample: 2000 2008 Periods included: 9 Cross-sections included: 10 Total panel (balanced) observations: 90 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error
t-Statistic
Prob.
C X2 X3
-11.78454 2.280795 0.444835
3.556973 0.331014 0.028427
-3.313082 6.890336 15.64853
0.0013 0.0000 0.0000
Effects Specification S.D. Cross-section random Idiosyncratic random
0.387593 0.115782
Rho 0.9181 0.0819
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.925524 0.923812 0.125489 540.5817 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
2.791340 0.454634 1.370029 1.053675
Unweighted Statistics R-squared Sum squared resid
Lampiran 7
0.193778 25.71916
Mean dependent var Durbin-Watson stat
28.17166 0.056128
Hasil perhitungan uji Chow dengan Y sebagai peubah respon dan X2 dan X3 sebagai peubah penjelas
Redundant Fixed Effects Tests Equation: TANPAX1_FIXED Test cross-section fixed effects Effects Test Cross-section F
Statistic
d.f.
Prob.
87.964324
(9,78)
0.0000
18
Lampiran 8
Hasil perhitungan uji Hausman dengan Y sebagai peubah respon dan X2 dan X3 sebagai peubah penjelas
Correlated Random Effects - Hausman Test Equation: TANPAX1_RANDOM Test cross-section random effects Test Summary Cross-section random
Lampiran 9
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
17.199896
2
0.0002
Peta batas administrasi daerah kabupaten/ kota di Provinsi Jambi
19
Lampiran 10
Matriks pembobot spasial
Merangin
Sarolangun
Batang Hari
Muaro Jambi
Tebo
Bungo
Kota Jambi
Tanjung Jabung Barat Tanjung Jabung Timur
Kerinci
Kerinci
0
1
0
0
0
0
0
0
1
0
Merangin
1
0
1
0
0
0
0
1
1
0
Sarolangun
0
1
0
1
0
0
0
1
0
0
Batang Hari
0
0
1
0
1
0
1
1
0
0
Muaro Jambi
0
0
0
1
0
1
1
0
0
1
Tanjung Jabung Timur
0
0
0
0
1
0
1
0
0
0
Tanjung Jabung Barat
0
0
0
1
1
1
0
1
0
0
Tebo
0
1
1
1
0
0
1
0
1
0
Bungo
1
1
0
0
0
0
0
1
0
0
Kota Jambi
0
0
0
0
1
0
0
0
0
0
Lampiran 11
Matriks pembobot spasial yang telah dinormalisasi menggunakan metode normalisasi baris
Kota Jambi
Bungo
Tebo
Tanjung Jabung Barat Tanjung Jabung Timur
0
Muaro Jambi
1/2
Batang Hari
Sarolangun
Merangin
0
Merangin
Kerinci
Kerinci
0
0
0
0
0
1/2
0
1/4
0
1/4
0
0
0
0
1/4
1/4
0
Sarolangun
0
1/3
0
1/3
0
0
0
1/3
0
0
Batang Hari
0
0
1/4
0
1/4
0
1/4
1/4
0
0
Muaro Jambi
0
0
0
1/4
0
1/4
1/4
0
0
1/4
Tanjung Jabung Timur
0
0
0
0
1/2
0
1/2
0
0
0
Tanjung Jabung Barat
0
0
0
1/4
1/4
1/4
0
1/4
0
0
Tebo
0
1/5
1/5
1/5
0
0
1/5
0
1/5
0
1/3
1/3
0
0
0
0
0
1/3
0
0
0
0
0
0
1
0
0
0
0
0
Bungo Kota Jambi
20
Lampiran 12
Fungsi untuk uji pengganda Lagrange
ujilm <- function(y,x,w,e,b,s2,n,t,alfa) { # y adalah vektor peubah respon (dimensi nt x 1) # x adalah matriks peubah penjelas (dimensi nt x k, dimana k adalah banyaknya peubah penjelas) # data y dan x diurutkan pertama berdasarkan unit waktu selanjutnya unit spasial # w adalah matriks pembobot spasial yang telah di normalisasi (dimensi n x n) # e adalah vektor error yang dihasilkan dari pemodelan data panel (dimensi nt x 1) # b adalah vektor dugaan untuk parameter regresi dari pemodelan data panel (dimensi k x 1) # s2 adalah nilai kuadrat tengah galat yang dihasilkan dari pemodelan data panel # n adalah banyaknya unit lintas individu (cross section) # t adalah banyaknya unit deret waktu (time series) # alfa adalah peluang kesalahan jenis 1 # # oleh Tendi Ferdian Diputra it <- diag(t) int <- diag(n*t) b1 <- (w %*% w) + (t(w) %*% w) tw <- sum(diag(b1)) a1 <- kronecker(it, w) a2 <- x %*% b a3 <- a1 %*% a2 a4 <- solve(t(x) %*% x) a5 <- x %*% a4 %*% (t(x)) a6 <- int - a5 a7 <- t*tw*s2 a8 <- (t(a3)) %*% a6 %*% a3 a9 <- a8 + a7 j <- (a9)/(s2) c1 <- (t(e)) %*% a1 %*% y c2 <- (c1)/(s2) lmsar <- (c2*c2)/j d1 <- (t(e)) %*% a1 %*% e d2 <- (d1)/(s2) lmsem <- (d2*d2)/(t*tw) chi2 <- qchisq((1-alfa), 1, ncp=0, lower.tail = TRUE, log.p = FALSE) plmsar <- pchisq(lmsar, 1, ncp=0, lower.tail = FALSE, log.p = FALSE) plmsem <- pchisq(lmsem, 1, ncp=0, lower.tail = FALSE, log.p = FALSE) Uji_LM <- factor(c("LM-SAR","LM-SEM")) Nilai <- matrix(c(lmsar,lmsem), 2, 1, byrow=T) Chi_kuadrat <- matrix(c(chi2,chi2), 2, 1, byrow=T) Nilai_P <- matrix(c(plmsar,plmsem), 2, 1, byrow=T) keluaran <- data.frame(Uji_LM, Nilai, Chi_kuadrat, Nilai_P) return(keluaran) } #cara memanggil fungsi ujilm(y,x,w,e,b,s2,n,t,alfa)
21
Lampiran 13 Uji_LM
Hasil perhitungan uji pengganda Lagrange Nilai
Chi_kuadrat
Nilai_P
LM-SAR
2.529719
3.841459
0.11172
LM-SEM
6.575518
3.841459
0.010339
Lampiran 14
Hasil perhitungan pemodelan data panel spasial
Pooled model with spatial error autocorrelation and spatial fixed effects R-squared = 0.9914 Rbar-squared = 0.9902 sigma^2 = 0.0031 log-likelihood = 104.46952 Nobs,Nvar,TNvar = 90, 2, 12 # iterations = 17 min and max rho = -0.9900, 0.9900 total time in secs = 2.9880 time for optimiz = 0.8320 time for lndet = 0.3480 time for t-stats = 0.2100 No lndet approximation used *************************************************************** Variable
Coefficient
Asymptot_t-stat
z-probability
X2
0.965091
5.890186
0.000000
X3
0.107432
3.439956
0.000582
spat.aut.
0.947946
78.947680
0.000000
