Ekonometrika Dasar dan Lanjutan

BELI BUKU/E-BOOK

KELAS ONLINE

Ekonometrika adalah jantung dari ilmu ekonomi empiris. Ia adalah jembatan yang menghubungkan teori ekonomi yang abstrak dengan realitas dunia yang terukur, memungkinkan para ekonom untuk tidak hanya merumuskan hipotesis tentang bagaimana dunia bekerja, tetapi juga menguji hipotesis tersebut secara rigorous menggunakan data yang tersedia. Dalam lebih dari satu abad perkembangannya sejak Ragnar Frisch menciptakan istilah “ekonometrika” dan mendirikan Econometric Society pada tahun 1930, disiplin ini telah berkembang dari sekumpulan teknik sederhana untuk mengestimasi hubungan linear menjadi salah satu bidang metodologis yang paling kaya, paling dinamis, dan paling berpengaruh dalam seluruh ilmu sosial.

Buku ini ditulis untuk memenuhi kebutuhan akan sebuah referensi yang komprehensif dan mendalam yang mampu mengantarkan pembaca dari fondasi-fondasi paling dasar ekonometrika hingga ke batas-batas terdepan perkembangan metodologis kontemporer dalam satu kesatuan yang koheren dan sistematis. Perjalanan intelektual yang ditawarkan dalam buku ini dimulai dari konsep-konsep statistika dan aljabar linear yang menopang seluruh bangunan ekonometrika, kemudian bergerak melalui regresi linear sederhana dan berganda yang membentuk inti dari hampir semua analisis empiris, menuju pemahaman yang mendalam atas berbagai pelanggaran asumsi klasik dan cara-cara mengatasinya, hingga topik-topik lanjutan yang semakin penting dalam penelitian ekonomi kontemporer.

Dalam perjalanan tersebut, buku ini membahas secara mendalam metode-metode untuk menangani berbagai jenis variabel dependen yang terbatas—mulai dari model logit dan probit untuk pilihan biner, model multinomial dan ordered untuk pilihan berlapis, model Tobit untuk data tersensor, hingga model Heckman untuk masalah seleksi sampel dan model durasi untuk analisis survival. Estimasi efek kausal—yang merupakan cita-cita tertinggi dalam penelitian ekonometrika empiris—mendapat perhatian yang sangat besar, mencakup variabel instrumental dan interpretasi LATE yang dikembangkan oleh Imbens dan Angrist, berbagai desain kausal quasi-eksperimental termasuk Difference-in-Differences, Regression Discontinuity Design, dan Synthetic Control Method, serta perkembangan terkini dalam DiD dengan staggered treatment yang telah merevolusi cara para peneliti mengestimasi efek kausal dari kebijakan yang diterapkan secara bertahap.

Ekonometrika data panel mendapat pembahasan yang sangat komprehensif, mencakup model Fixed Effects dan Random Effects beserta uji Hausman untuk pemilihan di antara keduanya, estimator First Difference, masalah clustered standard errors dan solusinya, model panel dinamis Arellano-Bond dan Blundell-Bond, model panel nonlinear yang menghadapi masalah incidental parameters, serta topik-topik lanjutan seperti panel heterogen dengan Mean Group Estimator dan penanganan missing data dalam panel yang tidak seimbang. Analisis deret waktu dibahas secara sangat mendalam mulai dari konsep stasionaritas dan uji akar unit, model ARIMA dan metodologi Box-Jenkins, model volatilitas ARCH dan GARCH beserta berbagai ekstensinya, hingga analisis multivariat menggunakan VAR, VECM, dan identifikasi shock struktural dalam SVAR. Nonlinearitas dalam deret waktu mendapat perhatian khusus melalui model TAR, STAR, dan model Markov Switching yang dikembangkan oleh Hamilton.

Bagian yang membahas topik-topik lanjutan mencerminkan perkembangan ekonometrika yang paling dinamis dalam beberapa dekade terakhir. Maximum Likelihood Estimation dibahas secara mendalam termasuk sifat-sifat asimptotik estimator MLE, trinitas uji LR-Wald-LM, dan algoritma EM yang menjadi tulang punggung estimasi model dengan variabel laten. Generalized Method of Moments yang dikembangkan oleh Lars Peter Hansen—pemenang Nobel Ekonomi 2013—mendapat perhatian yang sangat serius mencakup kondisi momen, matriks bobot optimal, uji overidentifying restrictions, dan aplikasinya dalam pengujian model asset pricing. Ekonometrika Bayesian dibahas mulai dari Teorema Bayes hingga implementasi MCMC modern menggunakan algoritma Gibbs Sampling, Metropolis-Hastings, dan Hamiltonian Monte Carlo, termasuk penggunaan BVAR dengan Minnesota prior yang kini menjadi alat standar bank sentral di seluruh dunia.

Metode nonparametrik dan semiparametrik—yang memberikan fleksibilitas modelistik tanpa mengorbankan validitas inferensial—mendapat pembahasan mendalam mencakup kernel density estimation, regresi nonparametrik dengan local polynomial, additive models, partially linear models, single index models, dan regresi kuantil Koenker-Bassett. Persimpangan antara machine learning dan ekonometrika—yang merupakan salah satu perkembangan paling menarik dalam satu dekade terakhir—dibahas secara komprehensif, termasuk Double Selection LASSO, Double/Debiased Machine Learning yang dikembangkan oleh Chernozhukov dan rekan-rekannya, Causal Forest dan estimasi heterogeneous treatment effects. Ekonometrika spasial melengkapi pembahasan dengan mencakup model SAR, SEM, dan SDM beserta pentingnya matriks bobot spasial dan interpretasi efek langsung versus tidak langsung.

Buku ini juga memperhatikan aspek-aspek praktis dari penelitian ekonometrika yang sering diabaikan namun sangat penting: alur kerja penelitian yang baik dan reproducible, implementasi menggunakan berbagai perangkat lunak termasuk R, Stata, Python, dan EViews, simulasi Monte Carlo untuk evaluasi estimator, teknik bootstrap untuk inferensi yang robust, visualisasi hasil yang efektif, serta pentingnya pre-registration dan Open Science dalam membangun kredibilitas penelitian empiris.