Regresi Kuantil Bayesian Dengan Penalti Adaptif Lasso Untuk Estimasi Pengaruh Pendidikan Terhadap Pendapatan Di Provinsi Sulawesi Selatan

Zablin, . (2016) Regresi Kuantil Bayesian Dengan Penalti Adaptif Lasso Untuk Estimasi Pengaruh Pendidikan Terhadap Pendapatan Di Provinsi Sulawesi Selatan. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1314201713-Master-Thesis.pdf - Published Version

Download (8MB) | Preview

Abstract

Pendidikan diharapkan dapat mendorong peningkatan produktivitas yang pada akhirnya bermuara pada peningkatan pendapatan masyarakat. Hubungan antara pendidikan dan pendapatan dapat dianalisis dengan persamaan Mincer. Studi ini bertujuan untuk meneliti hubungan antara lama sekolah (variabel yang mewakili pendidikan) dan potensi pengalaman (umur - lama sekolah) terhadap pendapatan. Pengaruh pendidikan terhadap pendapatan digambarkan oleh koefisien dari variabel lama sekolah yang umumnya dikenal sebagai return pendidikan. Regresi kuantil digunakan dalam penelitian ini untuk melihat efek pendidikan terhadap pendapatan pada berbagai tingkatan kuantil, bukan hanya pada ukuran pemusatan distribusi dari pendapatan. Persamaan Mincer ditaksir menggunakan tiga pendekatan, yaitu: (i) Quantile Regression (QR), (ii) Bayesian Quantile Regression (BQR), dan (iii) Bayesian Adaptive Lasso Quantile Regression (BALQR). Metode BALQR ini adalah perluasan dari metode BQR dengan memberikan penalti yang berbeda pada setiap koefisien regresi. Invers gamma digunakan sebagai distribusi prior untuk parameter penalti. Data yang digunakan untuk penelitian ini adalah hasil survei angkatan kerja nasional (SAKERNAS) 2014 di Provinsi Sulawesi Selatan. Hasil studi menunjukkan bahwa metode BALQR relatif lebih baik dibanding dengan dua metode lainnya berdasarkan hasil backtesting dan perbandingan nilai standar error. Selain itu, terdapat perbedaan plot garis regresi kuantil untuk sektor pertanian dan jasa-jasa. Return pendidikan pada sektor pertanian relatif sama antar kuantil sementara pada sektor jasa return pendidikan antar kuantil sebagian besar berbeda secara signifikan. ================================================================================================================== Education plays an important role toward the increasing in productivity and earning. Using so-called mincer earning function, we investigated the effect of education and earning. This study using years of schooling (interpretation of education) and potensial experience as predictor variables. Effect of education represented by coefficient of variable years of schooling, commonly known as return to education. With quantile regression, allowing to specify the effect of covariate at different quantile levels not only at the center of its distribution, but also at its spread. We employed three methods to estimate parameters in mincer equation: (i) Quantile Regression (QR), (ii) Bayesian Quantile Regression (BQR) and (iii) Bayesian Adaptive Lasso Quantile Regression (BALQR). The latter method extends the bayesian Lasso penalty term by employing different penalty function with an adaptive tuning parameter accomodated in the inverse gamma prior distribution. Data used in this paper is samples from workers in agricultural and services sectors in South Sulawesi. Empirical results showed that BALQR relative outperformed over BQR and QR because it resulted better in backtesting and smaller standart error (SE). In addition, there are different pattern quantile regression line for agricultural and services sectors. Return to education in agricultural sector in most of quantile of earning are not different. More over, return to education in services different in most of quantile of earning.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.536 Zab r
Uncontrolled Keywords: adaptif lasso, persamaan mincer, regresi kuantil, regresi kuantil Bayesian.
Subjects: L Education > L Education (General)
Divisions: Faculty of Mathematics and Science > Statistics > (S2) Master Theses
Depositing User: Users 13 not found.
Date Deposited: 15 Jun 2017 06:57
Last Modified: 27 Dec 2018 04:30
URI: http://repository.its.ac.id/id/eprint/41696

Actions (login required)

View Item View Item