Linear Probability Model (LPM), Logit Model, dan Probit Model (Normit Model) dengan STATA (2011)

Model dengan variabel dependen yang bersifat diskrit, maka estimasi dengan menggunakan regresi liner akan terasa dipaksakan, karena estimator yang dihasilkan tidak lagi bersifat BLUE (Best Linier Unbiased Estimator). Hal ini disebabkan: varian error-nya tidak terdistribusi normal, estimator tidak efisien akibat heteroskedastis, dan R² tidak dapat digunakan sebagai pengukur Goodness of Fit. 

Oleh karenanya, untuk menghasilkan estimator persamaan yang BLUE, penelitian ini menggunakan qualitative response regression model. Terdapat tiga pendekatan untuk mengembangkan model yang menjelaskan model regresi binary response yaitu: 

1. Linear Probability Model (LPM) 
2. Logit Model 
3. Probit Model (Normit Model) 

Jika dilihat secara grafik perbedaan antara jasil estimasi menggunakan Linear dan Logistik (Probit dan Logit) terhadap model dengan variabel dependen yang bersifat diskrit, maka dapat dilihat seperti berikut:

Dimana terlihat ketika kita melakukan estimasi menggunakan Linear, maka akan ada nilai estimasi yang nilainya lebih dari 1 atau kurang dari nol. Sedangkan dengan melakukan estimasi logistik (baik Probit, maupun Logit), nilai estimasi yang kita dapatkan merupakan nilai antara 0 dan 1. hal itu mengingat yang kita dapatkan adalah nilai probabilita.

Aplikasi melakukan Regresi Probability Model (LPM),  Logit Model, dan Probit Model (Normit Model) dengan STATA dapat dilihat di Modul atau bahan materi Linear Probability Model (LPM),  Logit Model, dan Probit Model (Normit Model) dengan STATA (2011)

Dapat didownload di:

Scribd:

Modul Linear Probability Model (LPM),  Logit Model, dan Probit Model (Normit Model) dengan STATA (2011)

4shared:

Modul Linear Probability Model (LPM),  Logit Model, dan Probit Model (Normit Model) dengan STATA (2011)


-as-