LAMPIRAN
14 Lampiran 1 Hasil pendugaan model gabungan dengan Y sebagai peubah respon dan X1, X2, dan Method: Panel Least Squares Date: 07/20/11 Time: 07:10 C 5.286955 2.285536 2.313223 0.0231 X1-0.115117 0.077128-1.492548 0.1392 X2 0.625280 0.180148 3.470917 0.0008 X3 0.681784 0.091762 7.429937 0.0000 R-squared 0.643771 Mean dependent var 28.17166 Adjusted R-squared 0.631344 S.D. dependent var 0.598696 S.E. of regression 0.363510 Akaike info criterion 0.857408 Sum squared resid 11.36401 Schwarz criterion 0.968510 Log likelihood -34.58334 Hannan-Quinn criter. 0.902211 F-statistic 51.80590 Durbin-Watson stat 0.191138 Lampiran 2 Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X1, X2 dan Method: Panel Least Squares Date: 07/20/11 Time: 07:12 C -21.72085 4.780485-4.543649 0.0000 X1-0.025202 0.037776-0.667125 0.5067 X2 3.205305 0.449152 7.136354 0.0000 X3 0.407249 0.058393 6.974217 0.0000 Cross-section fixed (dummy variables) Effects Specification R-squared 0.967411 Mean dependent var 28.17166 Adjusted R-squared 0.962332 S.D. dependent var 0.598696 S.E. of regression 0.116196 Akaike info criterion -1.334197 Sum squared resid 1.039611 Schwarz criterion -0.973114 Log likelihood 73.03888 Hannan-Quinn criter. -1.188587 F-statistic 190.4812 Durbin-Watson stat 1.256483
15 Lampiran 3 Hasil pendugaan model pengaruh acak dengan Y sebagai peubah respon dan X1, X2 dan Method: Panel EGLS (Cross-section random effects) Date: 07/20/11 Time: 07:19 Swamy and Arora estimator of component variances C -11.01840 3.759085-2.931138 0.0043 X1-0.062077 0.036246-1.712671 0.0904 X2 2.195301 0.352067 6.235461 0.0000 X3 0.511229 0.050780 10.06747 0.0000 Effects Specification S.D. Rho Cross-section random 0.412856 0.9266 Idiosyncratic random 0.116196 0.0734 Weighted Statistics R-squared 0.929118 Mean dependent var 2.631359 Adjusted R-squared 0.926645 S.D. dependent var 0.454450 S.E. of regression 0.123084 Sum squared resid 1.302867 F-statistic 375.7593 Durbin-Watson stat 1.162687 Unweighted Statistics R-squared 0.265938 Mean dependent var 28.17166 Sum squared resid 23.41720 Durbin-Watson stat 0.064689
16 Lampiran 4 Hasil pendugaan model gabungan dengan Y sebagai peubah respon dan X2 dan X3 sebagai peubah penjelas Method: Panel Least Squares Date: 09/20/11 Time: 13:49 C 6.535187 2.141987 3.050993 0.0030 X2 0.537617 0.171502 3.134750 0.0023 X3 0.573739 0.056788 10.10320 0.0000 R-squared 0.634543 Mean dependent var 28.17166 Adjusted R-squared 0.626142 S.D. dependent var 0.598696 S.E. of regression 0.366066 Akaike info criterion 0.860759 Sum squared resid 11.65838 Schwarz criterion 0.944086 Log likelihood -35.73416 Hannan-Quinn criter. 0.894361 F-statistic 75.52918 Durbin-Watson stat 0.174280 Lampiran 5 Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X2 dan Method: Panel Least Squares Date: 09/20/11 Time: 13:50 C -22.84148 4.459688-5.121767 0.0000 X2 3.315781 0.416021 7.970219 0.0000 X3 0.375203 0.033084 11.34079 0.0000 Cross-section fixed (dummy variables) Effects Specification R-squared 0.967223 Mean dependent var 28.17166 Adjusted R-squared 0.962600 S.D. dependent var 0.598696 S.E. of regression 0.115782 Akaike info criterion -1.350656 Sum squared resid 1.045620 Schwarz criterion -1.017348 Log likelihood 72.77953 Hannan-Quinn criter. -1.216247 F-statistic 209.2459 Durbin-Watson stat 1.227633
17 Lampiran 6 Hasil pendugaan model pengaruh acak dengan Y sebagai peubah respon dan X2 dan Method: Panel EGLS (Cross-section random effects) Date: 09/20/11 Time: 13:51 Swamy and Arora estimator of component variances C -11.78454 3.556973-3.313082 0.0013 X2 2.280795 0.331014 6.890336 0.0000 X3 0.444835 0.028427 15.64853 0.0000 Effects Specification S.D. Rho Cross-section random 0.387593 0.9181 Idiosyncratic random 0.115782 0.0819 Weighted Statistics R-squared 0.925524 Mean dependent var 2.791340 Adjusted R-squared 0.923812 S.D. dependent var 0.454634 S.E. of regression 0.125489 Sum squared resid 1.370029 F-statistic 540.5817 Durbin-Watson stat 1.053675 Unweighted Statistics R-squared 0.193778 Mean dependent var 28.17166 Sum squared resid 25.71916 Durbin-Watson stat 0.056128 Lampiran 7 Hasil perhitungan uji Chow dengan Y sebagai peubah respon dan X2 dan Redundant Fixed Effects Tests Equation: TANPAX1_FIXED Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 87.964324 (9,78) 0.0000
18 Lampiran 8 Hasil perhitungan uji Hausman dengan Y sebagai peubah respon dan X2 dan Correlated Random Effects - Hausman Test Equation: TANPAX1_RANDOM Test cross-section random effects Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Cross-section random 17.199896 2 0.0002 Lampiran 9 Peta batas administrasi daerah kabupaten/ kota di Provinsi Jambi
19 Lampiran 10 Matriks pembobot spasial Kota Jambi Bungo Tebo Tanjung Jabung Barat Tanjung Jabung Timur Muaro Jambi Batang Hari Sarolangun Merangin 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 Muaro Jambi Batang Hari Sarolangun Merangin Kerinci Kerinci 0 1/2 0 0 0 0 0 0 1/2 0 Merangin 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 Bungo 1/3 1/3 0 0 0 0 0 1/3 0 0 Kota Jambi 0 0 0 0 1 0 0 0 0 0
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 Hasil perhitungan uji pengganda Lagrange Uji_LM 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