Bab 15 model regresi kualitatif (regressand bersifat kualitatif)

istilah interaksi
status perkawinan dan usia. Tabel tersebut menunjukkan 
bahwa probabilitas partisipasi angkatan kerja lebih tinggi sekitar 29 persen untuk wanita-wanita itu 
tidak pernah menikah (dibandingkan dengan kategori dasar) dan lebih kecil sekitar 28 persen untuk 
para wanita yang berusia 65 tahun ke atas (lagi-lagi terkait dengan kategori dasar). Tapi 
kemungkinannya partisipasi wanita yang belum pernah menikah dan berusia 65 atau lebih lebih kecil 
sekitar 20 persen dibandingkan dengan kategori dasar. Ini menyiratkan bahwa wanita berusia 65 tahun 
ke atas tapi tidak pernah menikah cenderung berpartisipasi dalam angkatan kerja lebih dari mereka 
yang berusia 65 tahun atau lebih dan sudah menikah atau jatuh ke dalam kategori “Yang Lain”. 
Dengan mengikuti prosedur ini, pembaca dapat dengan mudah menafsirkan sisa dari koefisien 
yang diberikan pada Tabel 15.3. Dari informasi yang diberikan, mudah untuk mendapatkan estimasi 
probabilitas bersyarat pada partisipasi angkatan kerja dari berbagai kategori. Jadi, jika kita ingin 
menemukan probabilitas untuk wanita yang sudah menikah (lainnya), berusia 22 hingga 54, dengan 
12 hingga 15 tahun bersekolah, dengan tingkat pengangguran 2,5 hingga 3,4 persen, perubahan 
pekerjaan dari 3,5 menjadi 6,49 persen, relatif peluang kerja sebesar 74 persen atau lebih, dan dengan 
FILOW sebesar $ 7.500 atau lebih, kita mendapatkan 
0.4368 + 0.1523 + 0.2231 - 0.0213 + 0.0301 + 0.0571- 0.2455 = 0.6326 
Dengan kata lain, probabilitas partisipasi angkatan kerja oleh wanita dengan karakteristik 
sebelumnya diperkirakan sekitar 63 persen. 

---

Contoh 15.2 
MEMPREDIKSI PERINGKAT IKATAN 
Berdasarkan serangkaian waktu yang dikumpulkan dan data cross-sectional 200 Aa 
(berkualitas tinggi) dan Baa Ikatan (kualitas menengah) selama periode 1961–1966, Joseph Cappelleri 
memperkirakan model prediksi peringkat ikatan. 

---

Setelah mengoreksi heteroskedastisitas dan autokorelasi orde pertama, Cappelleri memperoleh 
hasil berikut 
Catatan: 0,378 E-7 berarti 0,0000000378, dll. 
Semua kecuali koefisien X
4
memiliki tanda-tanda yang benar. Yang tersisa untuk membiayai 
siswa untuk merasionalisasi mengapa koefisien tingkat variabilitas laba memiliki tanda positif, karena 
orang akan berharap bahwa lebih besar variabilitas dalam laba, semakin kecil kemungkinannya adalah 
Moody akan memberikan peringkat Aa, lainnya tetap sama. 
Interpretasi dari regresi itu mudah. Misalnya, 0,0486 terlampir pada X
3 
berarti bahwa, hal-hal 
lain sama, peningkatan 1 poin persentase dalam tingkat keuntungan akan mengarah rata-rata sekitar 
0,05 peningkatan probabilitas ikatan mendapatkan peringkat Aa. Demikian pula, semakin tinggi rasio 
squared leveraged, semakin rendah dari 0,02 adalah probabilitas ikatan diklasifikasi sebagai Aa per 
unit meningkat dalam rasio ini. 
Contoh 15.3 
MEMPREDIKSI IKATAN STANDAR 
Untuk memprediksi probabilitas standar pada kewajiban ikatan mereka, Daniel Rubinfeld 
mempelajari sampel dari 35 kota di Massachusetts untuk tahun 1930, beberapa di antaranya memang 
standar. Model LPM yang ia pilih dan perkirakan adalah sebagai berikut 
Dimana P = 0 jika kotamadya standar dan 1 sebaliknya, PAJAK = rata-rata tahun 1929, 1930, 
dan 1931, tarif pajak: INT = persentase dari anggaran saat ini dialokasikan untuk pembayaran bunga 

---

dalam 1930; AV = persentase pertumbuhan dalam penilaian properti yang dinilai dari tahun 1925 
hingga 1930; DAV = rasio total utang bersih terhadap total penilaian yang dinilai pada tahun 1930; 
dan WELF = persentase Anggaran 1930 dialokasikan untuk amal, pensiun, dan tunjangan tentara. 
Interpretasi (15.3.2) sekali lagi cukup mudah. Jadi, hal lain yang menjadi sama, kenaikan tarif 
pajak $ 1 per seribu akan meningkatkan kemungkinan gagal bayar oleh sekitar 0,03, atau 3 persen. R
2
agak rendah tetapi, seperti disebutkan sebelumnya, dalam LPM, R
2
cumumnya cenderung lebih rendah 
dan penggunaannya terbatas dalam menilai kebaikan model.