Perbedaan Model Sistem Persamaan Simultan dengan Persamaan Regresi Linier
Persamaan regresi linier mungkin sudah sangat familier bagi kita semua, namun apakah kamu pernah menggunakan model sistem persamaan simultan? For your information, pada model sistem persamaan simultan lebih kompleks dibandingkan dengan persamaan regresi linier.
Melalui model sistem persamaan simultan, kita dapat memotret dunia nyata ke dalam sebuah model. Oleh karena itu pada model ini terdapat hubungan variabel yang saling terkait satu dengan yang lainnya.
Jika pada persamaan linear kita mengestimasi persamaan tunggal, berbeda dengan model sistem persamaan simultan di mana kita mengestimasi beberapa persamaan secara bersamaan. Pada model ini akan menangkap hubungan timbal balik pada variabel penyusun model.
Mengingat pentingnya pemahaman mengenai perbedaan model sistem persamaan simultan dengan persamaan regresi linier, saya tertarik mengulas lebih dalam pada artikel yang saya tulis pada kesempatan ini.
Variabel dalam model sistem persamaan simultan
Jika pada persamaan regresi linear, kita sudah mengenal dengan baik yang dinamakan dengan variabel bebas dan variabel terikat, pada model sistem persamaan simultan kita akan dikenalkan dengan yang dinamakan variabel endogen dan variabel eksogen.
Apa itu variabel endogen dan variabel eksogen? Apa perbedaan kedua variabel tersebut dengan variabel bebas dan variabel terikat? Mari kita bahas satu persatu.
Pada regresi linier, variabel terikat merupakan variabel yang dipengaruhi sedangkan variabel bebas merupakan variabel yang mempengaruhi (predictor).
Pada model sistem persamaan simultan, variabel endogen merupakan variabel yang ditentukan dalam persamaan. Variabel endogen ini saling terkait dengan variabel yang lain dalam model.
Adapun variabel eksogen merupakan variabel yang tidak dipengaruhi oleh variabel lain dalam model. Variabel eksogen ini merupakan variabel yang mempengaruhi variabel endogen dalam model.
Memang sepintas, keberadaan variabel endogen dan variabel eksogen dalam estimasi, mirip dengan variabel bebas dan variabel terikat pada persamaan regresi linier.
Dalam model sistem persamaan simultan penting bagi kita untuk memahami dengan baik hubungan timbal balik antara variabel endogen dan variabel eksogen, serta bagaimana perubahan suatu variabel dapat mempengaruhi variabel lain dalam model.
Sistem persamaan simultan berbeda dengan persamaan tunggal
Sebelum kita bahas lebih lanjut mengenai model sistem persamaan simultan, kita perlu tahu perbedaan antara persamaan simultan dengan persamaan tunggal.
Persamaan regresi linear yang sudah biasa kita buat itu merupakan persamaan tunggal. Meskipun kita membuat beberapa persamaan regresi linier, namun jika antar variabel tidak ada keterkaitan maka tetap disebut dengan persamaan tunggal.
Berbeda pada persamaan simultan. Pada model sistem persamaan simultan, antar persamaan memiliki keterkaitan satu dengan yang lainnya. Salah satu variabel yang bertindak sebagai variabel endogen pada suatu persamaan, pada persamaan yang lain dapat bertindak sebagai variabel eksogen.
Dengan demikian, antar persamaan pada model sistem persamaan simultan terdapat keterkaitan antar variabel. Sehingga jika kita melakukan suatu perubahan terhadap suatu variabel, maka dapat berdampak pada perubahan variabel yang lain dalam sistem tersebut.
Memahami persamaan struktural dan persamaan identitas
Setelah kita memahami mengenai variabel endogen dan eksogen pada sistem persamaan simultan, selanjutnya kita perlu persamaan struktural dan persamaan identitas.
Persamaan struktural pada sistem persamaan simultan menggambarkan perilaku variabel yang di estimasi. Pada persamaan struktural, kita akan mengetahui hasil estimasi pengaruh variabel eksogen terhadap variabel endogen. Pada persamaan ini dicirikan dengan hubungan sebab akibat antara variabel eksogen dan variabel endogen.
Adapun persamaan identitas merupakan persamaan yang menyatakan hubungan matematis antar variabel tanpa hubungan sebab akibat. Contohnya variabel penawaran komoditas X sama dengan penjumlahan produksi domestik ditambah impor ditambah stok dan dikurangi ekspor.
Estimasi model sistem persamaan simultan
Jika pada persamaan regresi linear umumnya menggunakan metode ordinary least square (OLS), bagaimana metode estimasi model sistem persamaan simultan?
Pada model sistem persamaan simultan dapat diestimasi menggunakan metode two stage least square (2SLS). Pada prinsipnya estimasi 2SLS ini dilakukan dalam dua tahap.
Validasi model
Untuk menghasilkan model yang baik dan fit, maka kita perlu melakukan validasi model. Validasi model dilakukan dengan tujuan untuk memastikan bahwa model yang dibangun mendekati fenomena nyata.
Pada model sistem persamaan simultan, untuk melakukan validasi model dapat menggunakan nilai Root Mean Square Percentage Error (RMSPE) dan U theil.
Nilai RMSPE yang kecil dan U-theil mendekati nol menunjukkan model yang semakin baik. Model yang sudah fit dapat dilanjutkan dengan simulasi kebijakan atau peramalan yang bermanfaat bagi pemangku kebijakan atau peneliti.
Baik, ini artikel yang dapat saya tulis pada kesempatan ini. Semoga bermanfaat dan memberikan wawasan tambahan bagi yang membutuhkan. Sampai jumpa pada artikel edukasi dari Priyono id pada pekan berikutnya.
Posting Komentar untuk "Perbedaan Model Sistem Persamaan Simultan dengan Persamaan Regresi Linier"