4,9/5 · 1.000+ ulasan · Mahasiswa dan profesional
Ekonometrika di Medan
Les privat ekonometrika di Medan, Deli Serdang, dan Binjai. Tutor mendampingi dari audit data, pemilihan model, sampai uji diagnostik di Stata, EViews, atau R, dengan datasetmu sendiri yang terbuka di layar. Mulai Rp211.425 per sesi 60 menit.
Keluaran yang kamu pegang setelah diagnostik ekonometrika rapi
Apa yang perlu diketahui soal Ekonometrika di Medan?
Les privat ekonometrika di Medan, Deli Serdang, dan Binjai. Tutor mendampingi dari audit data, pemilihan model, sampai uji diagnostik di Stata, EViews, atau R, dengan datasetmu sendiri yang terbuka di layar. Mulai Rp211.425 per sesi 60 menit.
-
4,9/5
1.000+ ulasan -
500+
tutor lolos kurasi -
1-on-1
fokus tak terbagi -
Fleksibel
rumah · kafe · kampus · online -
Garansi
tukar tutor gampang -
Assessment
dipetakan sebelum mulai
Urutan diagnostik ekonometrika dan arah H0 di tiap tahap
Ekonometrika tidak punya ujian bersertifikat berjadwal. Halaman pelatihan resmi Stata memuat NetCourses, webinar, dan video tutorial tanpa satu kata sertifikat, dan pencarian pada 13 Oktober 2026 juga tidak menemukan program sertifikasi resmi EViews. Yang baku di sini urutan diagnostiknya beserta arah hipotesis nol tiap tahap, dan urutan itulah yang dibedah di sesi.
-
Audit data sebelum model pertama
Tanpa uji statistikDefinisi variabel, satuan, periode, nilai yang hilang, dan nilai ekstrem diperiksa satu per satu. Tahap ini menentukan apakah angka berikutnya berarti.Strategi tutor
Kamu menuliskan kamus variabel pendek, lalu memakainya sebagai rujukan tetap saat menulis bab metode.
-
Stasioneritas, bila datanya runtun waktu
H0: seri mengandung akar unitEViews menyediakan ADF, DFGLS, PP, KPSS, ERS, dan NP. Lima di antaranya berangkat dari akar unit, sedangkan KPSS membalik H0 menjadi stasioneritas.Strategi tutor
Regresor eksogen dipilih sadar, antara tanpa regresor, konstanta, atau konstanta beserta tren linear. Di R, panjang lag ur.df dinaikkan tangan karena defaultnya tetap.
-
Pemilihan model panel
H0 Hausman: efek acak tidak berkorelasi dengan variabel penjelasFixed effects dibandingkan dengan random effects, lalu hasilnya dibaca sebagai implikasi kebijakan, tidak berhenti pada angka statistiknya.Strategi tutor
Di Stata, fixed effects ditaksir dan disimpan lebih dulu sebelum perintah hausman dijalankan dengan penaksir konsisten di depan. Di EViews, random effects yang ditaksir lebih dulu lewat Correlated Random Effects.
-
Uji LM efek acak
H0: varians komponen efek acak sama dengan nolKeluarga uji ini punya varian bernama orang, dan daftarnya berbeda antar perangkat: EViews memuat lima entri, sedangkan plmtest di R memuat empat.Strategi tutor
Jenis uji disebut eksplisit, sebab plmtest berjalan dengan honda sebagai default sementara xttest0 di Stata memakai bentuk Breusch-Pagan.
-
Heteroskedastisitas
H0: galat homoskedastikRegresi bantu dijalankan atas residu, dan bentuk residunya yang membedakan BPG, Harvey, serta Glejser. Uji White bisa disertai cross terms atau tanpa cross terms.Strategi tutor
Versi uji yang dipakai dicatat berikut derajat kebebasannya, lalu dipasangkan dengan keputusan galat baku supaya kesimpulannya konsisten.
-
Autokorelasi
H0: tidak ada korelasi serial sampai orde pStatistik Obs*R-squared pada LM Breusch-Godfrey adalah hasil kali jumlah pengamatan dengan R kuadrat regresi bantunya, dengan nilai prasampel residu diset nol.Strategi tutor
Orde p disebut, hasilnya diperiksa pada beberapa orde, dan Durbin-Watson tidak dipakai sebagai penentu tunggal.
-
Normalitas galat
H0: galat normal, chi kuadrat dengan 2 dfJarque-Bera dibaca lewat Histogram-Normality di EViews. Pada sampel besar, pilihan ujinya menyempit karena batas teknis perangkatnya.Strategi tutor
Shapiro-Wilk di R menolak berjalan di luar rentang 3 sampai 5000 pengamatan, jadi pada panel besar Jarque-Bera yang dipakai.
-
Inferensi sesudah diagnostik
Tanpa H0 tersendiriKeputusan diambil dari seluruh tahap di atas: kelas galat baku, perlu atau tidaknya pemodelan varians, dan bentuk penyajian koefisien.Strategi tutor
Galat baku robust dipasang, atau heteroskedastisitasnya dimodelkan lewat WLS, lalu kelas yang dipakai ditulis di catatan tabel beserta alasannya.
Cocok masuk sekarang kalau datasetmu sudah di tangan dan modelnya belum ditaksir
Cocok masuk sekarang
- Datamu sudah terkumpul dan kamu perlu memilih antara cross section, data panel, atau runtun waktu
- Keluaran regresi sudah ada, tetapi arah hipotesis nol tiap uji diagnostik masih kabur
- Model yang sama memulangkan angka berbeda di Stata dan di R, dan kamu perlu tahu default mana yang menyebabkannya
- Koefisien logit sudah keluar dan kamu perlu menuliskannya sebagai odds ratio beserta efek marginal rata-rata
- Revisi pembimbing menyentuh spesifikasi model, jadi kamu perlu menguji alternatifnya dengan cepat
Sebaiknya menunggu, atau mulai dari yang lain
- Pertanyaan risetnya belum dirumuskan dan datanya belum ada; rumuskan pertanyaannya dulu, sebab pemilihan variabel mengikuti pertanyaan itu
- Sebaran, varians, dan uji hipotesis belum pernah kamu pelajari; statistika dasar lebih dulu akan membuat sesi ekonometrika jauh lebih hemat
- Yang kamu butuhkan merapikan dan membersihkan data berukuran besar; pekerjaan itu lebih dekat ke kelas olah data daripada ke pemodelan
Peta bahasan ekonometrika dan titik rawan di tiap ujinya
Delapan bahasan di bawah disusun mengikuti urutan kerja nyata, dari spesifikasi sampai penyajian. Kolom titik rawan memuat hal yang paling sering membuat naskah dikembalikan, dan sebagian di antaranya lahir dari perbedaan default antar perangkat.
-
Regresi OLS dan asumsi klasik
FondasiSpesifikasi model, pembacaan koefisien, dan arti konsistensi penaksir pada keluaran perangkat.
Titik rawan
Istilah asumsi klasik dan sifat BLUE tidak muncul sebagai daftar bernomor baku di dokumentasi Stata, EViews, maupun R. Penomorannya konvensi buku ajar, jadi nomor yang kamu sebut wajib mengikuti edisi buku yang benar-benar kamu pegang.
Cara kami mendampingi
Tutor mulai dari hal yang bisa ditunjuk di layar, lalu penomoran asumsinya disamakan dengan buku yang dipakai pembimbingmu supaya istilah di naskah dan di kelas sejalan.
-
Heteroskedastisitas dan tiga nama ujinya
DiagnostikBreusch-Pagan-Godfrey, Harvey, dan Glejser di EViews; estat hettest dan estat imtest di Stata; bptest di R.
Titik rawan
Ketiganya berbeda di variabel terikat regresi bantunya: BPG memakai residu kuadrat, Harvey memakai logaritma residu kuadrat, Glejser memakai nilai absolut residu. Baris Obs*R-squared pada BPG di EViews adalah statistik Koenker, bptest di R memakai versi studentized Koenker sebagai default, sementara default estat hettest masih memuat asumsi galat normal.
Cara kami mendampingi
Satu data dijalankan di dua perangkat sampai kamu bisa menunjuk sendiri versi mana yang sedang dilaporkan, lalu versi itu yang ditulis di catatan tabel.
-
Galat baku robust dan kelasnya
InferensiKelas HC0 sampai HC5, opsi vce(robust), vce(hc2), vce(hc3), serta kovarians HAC Newey-West.
Titik rawan
Default Stata dan default R berbeda kelas, dan laporan yang hanya menyebut kata robust menyembunyikan selisih itu. Opsi hc2 memakai residu dibagi satu kurang leverage, hc3 membagi dengan kuadratnya, sedangkan HC tanpa angka di R setara HC0 yaitu bentuk White.
Cara kami mendampingi
Kelas yang dipakai dipilih sadar, ditulis di catatan tabel, lalu dibandingkan dengan galat baku konvensional supaya besar perubahannya terlihat.
-
Autokorelasi dan batas Durbin-Watson
DinamikaSerial Correlation LM Breusch-Godfrey, pembacaan Obs*R-squared, dan pemilihan orde p.
Titik rawan
Durbin-Watson hanya menguji galat AR(1) dan tidak berlaku bila model memuat dependen terlag; dokumentasi EViews sendiri menganjurkan LM Breusch-Godfrey di atasnya. Di R, bgtest berjalan dengan order sama dengan satu sebagai default, jadi ordenya wajib dinaikkan tangan.
Cara kami mendampingi
Orde p ditentukan dari frekuensi data dan dugaan dinamikanya, lalu hasilnya dibandingkan pada beberapa orde supaya kesimpulan tidak bergantung pada satu angka.
-
Multikolinearitas, VIF, dan GVIF
DiagnostikPerintah estat vif beserta kolom kebalikan VIF, dan car::vif untuk model bersuku kategori.
Titik rawan
Ambang VIF bersifat aturan praktis dengan dua syarat sekaligus, dan VIF terpusat tidak sah untuk model tanpa konstanta. Keluaran car::vif berubah bentuk begitu ada suku berderajat kebebasan lebih dari satu: yang keluar GVIF beserta df dan kolom pembandingnya.
Cara kami mendampingi
Kolom mana yang dibaca ditunjuk langsung di keluaran, dan model tanpa konstanta dijalankan dengan estat vif beropsi uncentered.
-
Logit, probit, dan efek marginal
Pilihan diskretPerbedaan fungsi distribusi kumulatif, opsi or pada logit, perintah logistic, dan margins dydx.
Titik rawan
Koefisien mentah logit dan probit tidak sebanding langsung karena skala CDF-nya berbeda: logit memakai logistik kumulatif, probit memakai normal standar. Satu model juga bisa memulangkan dua angka efek, sebab margins dydx memberi efek marginal rata-rata sementara tambahan atmeans memberi efek pada rata-rata kovariat.
Cara kami mendampingi
Angka yang dilaporkan dipilih lebih dulu beserta alasannya, lalu kalimat interpretasinya ditulis dengan satuan yang jelas. Di R, link probit disebut eksplisit karena glm keluarga binomial berjalan dengan logit sebagai default.
-
Data panel, fixed effects, dan random effects
PanelEnam penaksir xtreg, pilihan model plm, uji Hausman, serta keluarga uji LM efek acak.
Titik rawan
Defaultnya terbalik antar perangkat: plm berjalan dengan within yaitu fixed effects, sedangkan xtreg berjalan dengan random effects. Urutan kerja Hausman juga terbalik, sebab Stata menaksir dan menyimpan fixed effects lebih dulu sementara EViews menuntut random effects ditaksir lebih dulu. Nama Breusch-Pagan pun dipakai dua kali, untuk uji heteroskedastisitas dan untuk uji LM efek acak, dan yang kedua hanya sah sesudah xtreg beropsi re.
Cara kami mendampingi
Perintahnya selalu menyebut modelnya secara eksplisit, dan tiap keluaran disimpan dengan nama supaya urutan argumen Hausman tidak tertukar. Batas EViews ikut dicatat: random effects dua arah hanya untuk panel seimbang.
-
Akar unit, kointegrasi, dan ARIMA
Runtun waktuADF, DFGLS, PP, KPSS, ERS, dan NP di EViews; dfuller di Stata; ur.df serta ur.kpss di R; statistik trace dan maximum eigenvalue Johansen; pemilihan orde VAR lewat varsoc.
Titik rawan
Nilai kritis Dickey-Fuller dibaca dari simulasi MacKinnon, dan panjang lag di ur.df tetap satu selama selectlags dibiarkan pada Fixed. Default auto.arima memilih lewat AICc dengan uji KPSS untuk orde diferensi dan pencarian stepwise, sehingga orde yang keluar bisa berbeda dari pemodelan Box-Jenkins tangan.
Cara kami mendampingi
Uji akar unit dijalankan dengan regresor eksogen yang disebut, panjang lag dipilih sadar, dan hasil auto.arima selalu dibandingkan dengan satu kandidat yang kamu rancang sendiri. Pemilihan orde VAR dibaca dari FPE, AIC, BIC, dan HQIC sekaligus.
Apa yang berubah saat ekonometrika dipegang satu tutor penuh?
| Aspek yang dibandingkan | Les Ekonometrika Privat Edubisa Di tempat pilihan Anda, Medan | Kursus Ekonometrika Kelompok | Belajar Ekonometrika Sendiri |
|---|---|---|---|
| Perhatian tutor saat belajar ekonometrika | Tercurah ke satu siswa | Terpecah ke satu kelas | Sendirian saja |
| Materi ekonometrika disesuaikan level siswa | Disusun dari hasil tes awal | Satu materi untuk satu kelas | Ditebak sendiri |
| Latihan praktik ekonometrika terarah | Dipilih dari kelemahan Anda | Seragam | Berburu sendiri |
| Kemajuan dicek di tiap sesi | Dicatat tiap akhir sesi | Sesekali | Tidak tercatat |
| Fokus ke bagian ekonometrika yang paling sulit | Waktu sesi penuh untuk bagian itu | Mengekor tempo kelas | Sekuat disiplin sendiri |
| Belajar ekonometrika di rumah Anda, Medan | Pengajar datang ke alamat Anda | Anda yang datang ke lokasi | Di rumah, tanpa pendamping |
Keunggulan les Ekonometrika Edubisa
-
Sesi berjalan di atas datasetmu sendiri
Variabel, satuan, periode, dan nilai yang hilang dibedah sampai definisi tiap kolom jelas, sebelum model pertama ditaksir.
-
Arah H0 dibaca sebelum p-value
Tiap uji punya hipotesis nolnya sendiri. Di uji panel Hadri arahnya berlawanan dengan Levin-Lin-Chu, dan membaca arahnya lebih dulu menahan kesimpulan yang terbalik.
-
Default tiga perangkat dibandingkan di tempat
Paket plm berjalan dengan within, perintah xtreg berjalan dengan random effects. Permintaan jalankan panel tanpa menyebut model memulangkan dua taksiran berbeda, dan sesi memperlihatkannya di layar.
-
Keluaran diterjemahkan ke kalimat bab hasil
Koefisien logit diubah menjadi odds ratio dan efek marginal rata-rata, lalu ditulis sebagai kalimat yang bisa dipertahankan saat ditanya penguji.
-
Tiap langkah tersimpan sebagai perintah
Pekerjaan dicatat sebagai baris perintah berurutan, jadi permintaan spesifikasi alternatif dijalankan ulang tanpa mengingat urutan menu yang pernah ditekan.
-
Pemilihan uji dikembalikan ke struktur data
Cross section, panel, atau runtun waktu menentukan uji mana yang sah. Stasioneritas diperiksa sebelum ARIMA atau VAR dirancang.
-
4,9/5
penilaian 1.000+ peserta dan alumni - tutor terverifikasi
500+
- siswa didampingi
2.000+
- fokus ke satu siswa
1-on-1
Pilih tutor Ekonometrika Anda
Setiap tutor lolos seleksi, wawancara, dan uji materi sebelum mengajar di Medan.
-
Grace D.
Matematika · USU -
Nabilah F.
-
Kenjo D.
Matematika · UNIMED -
Tina A.
Apa yang kamu kerjakan di sesi les ekonometrika di Medan?
Sesi les ekonometrika di Medan berjalan di depan satu layar, dan yang terbuka di layar itu datasetmu sendiri.
Tutor datang ke rumah di Kota Medan, Kabupaten Deli Serdang, atau Kota Binjai, lalu pekerjaan dimulai dari bagian yang paling sering dilewati, yaitu definisi tiap kolom. Satuan, periode pengamatan, dan nilai yang hilang diperiksa lebih dulu, sebab taksiran yang rapi di atas data yang kabur tetap kabur.
Sesudah datanya jelas, model pertama ditaksir. Tutor menunjukkan letak tiap angka di keluaran perangkat: koefisien, galat baku, statistik uji, dan derajat kebebasannya. Kamu diminta membaca ulang satu baris keluaran dengan kalimatmu sendiri, sebab kalimat itulah yang nanti masuk ke bab hasil dan yang akan ditanya saat seminar. Pertanyaan paling berguna di bagian ini biasanya sederhana: angka ini menjawab pertanyaan riset yang mana.
Satu sesi juga selalu menyisakan catatan perintah. Setiap langkah ditulis sebagai baris yang bisa dijalankan ulang, jadi ketika pembimbing meminta spesifikasi lain, kamu menjalankan ulang berkas itu dengan satu baris yang diubah.
Dari pertanyaan riset ke spesifikasi model: cross section, panel, atau runtun waktu
Pertanyaan riset yang kabur membuat pemilihan variabel ikut kabur, jadi pekerjaan pertama mempersempitnya sampai satu hubungan benar-benar bisa diuji.
Sesudah itu struktur data yang menentukan jalannya: cross section, data panel, atau runtun waktu. Ketiganya menuntut penaksir yang berbeda, dan memutuskannya di awal menghemat putaran revisi yang panjang.
Pada data panel, pilihan pertamanya fixed effects atau random effects, dan yang menengahi keduanya uji Hausman. Pada runtun waktu, stasioneritas diperiksa sebelum ARIMA atau VAR dirancang, sebab regresi di atas seri nonstasioner memulangkan hubungan yang tampak kuat tanpa dasar. Pada cross section, OLS jadi titik awal dan diagnostiknya yang menentukan apakah inferensinya sah.
Tutor menuliskan rantai putusan itu bersamamu: pertanyaan, struktur data, penaksir, diagnostik, lalu bentuk penyajian. Rantai itu yang membuat bab metode bisa dipertahankan, sebab tiap langkahnya punya alasan yang bisa disebut ulang di depan penguji.
Tiga perangkat ekonometrika dengan tiga default yang berbeda
Kenapa galat baku yang sama bisa berbeda angkanya di Stata dan R?
Satu model, satu data, dua perangkat, lalu galat bakunya berselisih.
Sebabnya duduk di default masing-masing. Di Stata, vce(robust) memakai koreksi sampel kecil N dibagi N dikurangi k, yaitu kelas HC1. Di R, vcovHC dari paket sandwich berjalan dengan HC3 mengikuti anjuran Long dan Ervin. Keduanya sah dan keduanya robust, dan angkanya tetap berbeda. Begitu selisih itu muncul, yang perlu ditulis di catatan tabel adalah kelas penaksir kovariansnya, misalnya HC1 atau HC3, supaya pembaca tahu angka itu lahir dari pilihan yang disadari.
EViews memecah kovarians robust jadi tiga kelas: HC untuk heteroskedastisitas, CR untuk klaster, dan HAC Newey-West untuk heteroskedastisitas sekaligus autokorelasi. Pilihannya duduk di tab Options pada dropdown Covariance method, dan nama White terkoreksi derajat kebebasan muncul di sana sebagai White-Hinkley. Padanan HAC di Stata perintah newey, dan orde lag maksimumnya wajib kamu sebut sendiri. Sesi dipakai untuk menentukan kelas mana yang cocok bagi datamu, lalu menuliskan pilihan itu di naskah.
Membaca arah H0 sebelum membaca p-value
Kekeliruan yang paling mahal di ekonometrika sering terjadi sebelum angka dihitung, yaitu ketika arah hipotesis nol dibaca terbalik.
Pada xtunitroot di Stata, kelompok Levin-Lin-Chu, Harris-Tzavalis, Breitung, Im-Pesaran-Shin, dan Fisher berangkat dari H0 semua panel mengandung akar unit, sedangkan Hadri berangkat dari H0 semua panel stasioner. Menolak H0 pada dua kelompok itu bermakna berlawanan, dan satu kalimat kesimpulan bisa terbalik hanya karena arahnya tidak diperiksa.
Pola yang sama berulang di luar panel. Lima dari enam uji akar unit di EViews berangkat dari akar unit, sementara KPSS membalik H0 menjadi stasioneritas. Pada kointegrasi persamaan tunggal, Engle-Granger dan Phillips-Ouliaris sama-sama menguji residu regresi statis dengan H0 tidak ada kointegrasi. Sebelum menuliskan adanya hubungan jangka panjang, yang dibaca adalah arah H0 sekaligus statistik mana yang ditampilkan perangkatnya: vecrank di Stata menampilkan trace dan menahan maximum eigenvalue sampai opsi max diminta, sedangkan ca.jo di R memulangkan eigen sebagai default.
Empat kekeliruan yang paling sering muncul di keluaran regresi
-
Menyimpulkan heteroskedastisitas dari uji White
H0 uji White memuat tiga syarat sekaligus: galat homoskedastik, galat bebas dari regresor, dan spesifikasi linear yang benar. Gagalnya salah satu sudah cukup membuat statistiknya signifikan, jadi hasil signifikan belum menunjuk heteroskedastisitas secara khusus.
-
Menganggap OLS batal saat galatnya heteroskedastik
Di bawah heteroskedastisitas, taksiran OLS tetap konsisten; yang batal galat baku konvensionalnya. Obatnya galat baku robust, atau memodelkan heteroskedastisitasnya lewat WLS. Gejala ARCH sendiri juga belum membatalkan inferensi kuadrat terkecil baku, yang hilang efisiensinya.
-
Membandingkan GVIF seperti membandingkan VIF
Begitu ada satu blok dummy berderajat kebebasan lebih dari satu, car::vif memulangkan GVIF beserta df dan GVIF pangkat satu per dua df. Kolom terakhir itulah yang dibandingkan. Ambang VIF sendiri aturan praktis, dan syaratnya dua: VIF terbesar melewati sepuluh, sebagian memilih tiga puluh, dan rata-rata seluruh VIF jauh di atas satu.
-
Membaca statistik Dickey-Fuller di tabel t
Di bawah H0 akar unit, statistik Dickey-Fuller tidak mengikuti distribusi t Student, jadi nilai kritis dan p-value-nya dibaca dari simulasi MacKinnon. Uji Dickey-Fuller sederhana juga hanya sah bila serinya memang AR(1); ADF menambahkan suku diferensi terlag sebagai koreksi.
Jadwal sesi ekonometrika saat tenggat riset makin dekat
Tenggat riset mengubah urutan belajar.
Peserta yang sidangnya dekat biasanya memilih sesi panjang, sebab satu putaran penuh dari pembersihan data sampai penulisan tabel menuntut waktu duduk yang lama; tarifnya Rp345.248 per sesi 120 menit. Yang ritmenya lebih longgar memakai sesi pendek dengan tarif Rp211.425 per sesi 60 menit untuk satu topik diagnostik per pertemuan. Pilihan tengah berada di tarif Rp268.778 per sesi 90 menit.
Jadwal sesi ekonometrika disusun dari tanggal yang sudah pasti di kalendermu, lalu dihitung mundur. Satu putaran diagnostik lengkap memuat tiga pekerjaan yang berbeda sifatnya: audit data, penaksiran beserta ujinya, lalu penulisan tabel dan narasinya. Pembagiannya ke dalam pertemuan diputuskan bersama saat pendaftaran, sesudah kamu menyebut hari dan jam yang bisa kamu jaga. Kalau revisi pembimbing datang di tengah jalan, urutannya diulang dari langkah yang tersentuh revisi itu, dan pertemuan berikutnya dipakai untuk itu. Angkanya disampaikan terbuka sebelum sesi pertama, mengikuti paket dan durasi yang kamu pilih sendiri.
Lisensi Stata atau EViews dan apa yang kamu siapkan sendiri
Perangkat lunaknya kamu yang menyiapkan, dan itu bagian dari rencana belajar sejak awal.
Stata dan EViews menuntut lisensi, jadi yang dipakai di sesi adalah lisensi yang sudah kamu pegang, termasuk lisensi kampus bila kamu memilikinya. R dan paketnya diunduh dari CRAN bebas biaya lisensi, dan untuk mayoritas pekerjaan ekonometrika isinya setara: lmtest, sandwich, plm, urca, forecast, serta marginaleffects menutup diagnostik, panel, akar unit, peramalan, dan efek marginal.
Letak fungsinya perlu diketahui lebih awal supaya waktu sesi tidak habis mencari: arima dan ar hidup di paket basis stats, 2SLS pindah dari AER ke ivreg, uji akar unit panel ada di plm, VAR di vars, sementara kointegrasi dibaca lewat urca atau tseries. Himpunan data buku ajar baku tersedia di paket wooldridge, AER, dan Ecdat, jadi latihan ulang bisa dijalankan tanpa menunggu data lapanganmu rampung.
Yang perlu kamu siapkan sendiri cuma dua: laptop yang sanggup menjalankan perangkat lunaknya, dan datamu dalam bentuk yang bisa dibaca mesin. Tutor menyebutkan format berkas yang paling aman beserta struktur kolom yang dibutuhkan sebelum sesi pertama, supaya pertemuan pertama tidak habis untuk memindahkan data dari satu format ke format lain.
Cara mendaftar les ekonometrika di Medan
Semua keraguan soal les ekonometrika, dijawab satu-satu
Apakah Stata, EViews, dan R memulangkan angka yang sama untuk model yang sama?
Sering tidak, dan sebabnya default masing-masing. Galat baku robust di Stata memakai kelas HC1 sementara vcovHC di R memakai HC3. Pada panel, plm berjalan dengan within yaitu fixed effects sedangkan xtreg berjalan dengan random effects. Pada uji Breusch-Pagan, bptest di R memakai versi studentized Koenker sementara default estat hettest masih memuat asumsi galat normal. Sesi dipakai untuk menunjuk selisih itu di layar, lalu menuliskan versi yang kamu pakai di catatan tabel.
Bagaimana cara membaca arah hipotesis nol pada uji akar unit panel?
Dibaca per kelompok uji. Levin-Lin-Chu, Harris-Tzavalis, Breitung, Im-Pesaran-Shin, dan Fisher berangkat dari H0 semua panel mengandung akar unit, sedangkan Hadri berangkat dari H0 semua panel stasioner. Menolak H0 di dua kelompok itu bermakna berlawanan. Karena itu nama ujinya ditulis bersama arah H0-nya di catatan kerjamu, sebelum p-value dipakai menyusun kalimat kesimpulan.
Kenapa uji White yang signifikan belum membuktikan heteroskedastisitas?
Karena hipotesis nolnya memuat tiga syarat sekaligus: galat homoskedastik, galat bebas dari regresor, dan spesifikasi linear yang benar. Gagalnya salah satu sudah cukup membuat statistiknya signifikan, jadi hasil signifikan menunjuk ada yang keliru tanpa menyebut bagian mana. Di EViews, uji ini punya saklar Include cross terms; tanpa cross terms yang disertakan hanya kuadrat regresornya.
Apa bedanya dua uji yang sama-sama bernama Breusch-Pagan?
Keduanya uji yang berbeda dengan nama penulis yang sama. Yang satu uji heteroskedastisitas, dijalankan dengan estat hettest. Yang lain uji LM untuk efek acak pada panel, dijalankan dengan xttest0 dan hanya sah sesudah xtreg beropsi re. Penamaan ini ikut berbeda antar perangkat: plmtest di R berjalan dengan tipe honda sebagai default, jadi hasilnya tidak otomatis setara xttest0 sampai tipenya disebut tangan.
Kenapa car::vif memulangkan tiga kolom, dan angka mana yang dibandingkan?
Begitu model memuat suku berderajat kebebasan lebih dari satu, misalnya satu blok dummy kategori, keluarannya menjadi GVIF, df, dan GVIF pangkat satu per dua df. Kolom ketiga itulah yang dibandingkan dengan ambang, bukan GVIF mentahnya. Di Stata, estat vif menampilkan VIF beserta kebalikannya, dan untuk model tanpa konstanta opsi uncentered wajib dipakai.
Berapa lama sampai saya bisa menjalankan seluruh diagnostik sendiri?
Edubisa tidak memegang angka lama waktu yang bisa ditunjuk sumbernya, dan dokumentasi ketiga perangkat juga tidak membuat klaim sejenis. Yang bisa disebut urutan kerjanya: audit data, penaksiran, diagnostik, lalu penyajian. Kecepatanmu melewatinya bergantung pada kerapian data dan seberapa sering kamu mengulang prosedurnya di dataset yang sudah kamu kenal.
Apakah ada sertifikasi resmi ekonometrika yang bisa diikuti sesudah les?
Sampai pemeriksaan 13 Oktober 2026, tidak ditemukan. Halaman pelatihan resmi Stata memuat NetCourses, webinar, video tutorial, dan konferensi penggunanya tanpa menyebut sertifikat, dan program sertifikasi resmi EViews juga tidak ditemukan. Ekonometrika terdokumentasi sebagai mata kuliah dan sebagai perangkat lunak, jadi yang jadi bukti kemampuanmu naskah dan keluaran yang bisa kamu pertahankan.
Kalau serinya ternyata nonstasioner, apa yang dikerjakan selanjutnya?
Ada beberapa jalan, dan pilihannya disebut sadar. Diferensiasi dipakai bila yang dicari hubungan jangka pendek. Uji kointegrasi dipakai bila dugaanmu ada hubungan jangka panjang, dan di sini Engle-Granger serta Phillips-Ouliaris sama-sama berangkat dari H0 tidak ada kointegrasi. Untuk sistem, Johansen memberi dua statistik, trace dan maximum eigenvalue, yang tampil berbeda di Stata dan di R sehingga mana yang dilaporkan perlu disebut.
Rencana belajar ekonometrika-mu, rapikan bareng kami
Ceritakan targetmu, kami susun les ekonometrika Medan sesuai kebutuhanmu. Tanpa komitmen di awal.