Pemodelan Spatial Autoregressive With Autoregressive Disturbances Dengan Prosedur Generalized Spatial Two Stage Least Squares (GS2SLS)
Daftar Isi:
- Data spasial adalah hasil pengukuran yang memuat informasi tentang lokasi yang berasal dari lokasi berbeda dan mengindikasikan dependensi antara hasil pengukuran dengan lokasi. Pengaruh dependensi spasial digambarkan dengan kemiripan sifat antar lokasi yang saling berdekatan. Beberapa model dependensi spasial yang dapat terbentuk berdasarkan dependensi yang terdapat pada model yaitu Spatial Autoregressive (SAR) dependensi nilai respon antar lokasi, Spatial Error (SEM) dependensi nilai galat antar lokasi dan model Spatial Autoregressive With Autoregressive Disturbances (SARAR) dependensi pada nilai respon dan nilai galat antar lokasi. Pemodelan didasarkan pada pengaruh dependensi spasial, sehingga sebelum dilakukan pemodelan perlu dilakukan pengujian pengaruh spasial yang terkandung dalam data menggunakan statistik uji Lagrange Multiplier (LM). Uji Lagrange Multiplier merupakan salah satu cara dalam pengujian pengaruh spasial. Dalam perkembangan, uji ini sering digunakan karena mudah (hanya memerlukan pendugaan di bawah kebenaran hipotesis nol). Pemodelan SARAR dalam penelitian ini dilakukan karena terdapat dependensi antar nilai respon dan galat. Pemodelan SARAR dilandasi pada prosedur Generalized Spatial Two Stage Least Squares (GS2SLS) sehingga dihasilkan penduga konsisten. Berdasarkan hasil pemodelan SARAR dengan prosedur GS2SLS diketahui bahwa faktor-faktor yang berpengaruh terhadap tingkat kemiskinan adalah rata-rata lama sekolah, angka buta huruf dan angka harapan hidup di kabupaten/kota tersebut serta tingkat kemiskinan di kabupaten/kota tetangga