Perhitungan Tobit dikemukakan oleh James Tobin pada
1958 ketika ia menganalisa pengeluaran rumah tangga di Amerika Serikat untuk
membeli mobil. Pengeluran di beberapa rumah tangga menjadi nol (karena rumah
tangga tersebut tidak membeli mobil), dan hal ini sangat berpengaruh terhadap
hasil analisa regresi (Suhardi dan Lewelyn, 2001). Ia menemukan bahwa jika
tetap menggunakan OLS, perhitungan parameter akan cenderung mendekati nol juga
dan menjadi tidak signifikan, atau jika menjadi signifikan, nilainya mengalami
bias (terlalu tinggi atau terlalu rendah) dan juga tidak konsisten (jika ada
data baru, hasilnya tidak sama atau tidak sesuai dengan hasil semula).
Untuk mengatasi masalah-masalah tersebut, metode Tobit menggunakan cara maximum likelihood (ML), bukan least squares (LS). Dari pada meminimalisasikan nilai kwadrat dari error (galat) seperti cara OLS, cara ML memaksimalkan nilai dari likelihood function dengan mencari parameter-parameter regresi yang memberikan nilai tertinggi untuk likelihood function tersebut (Suhardi dan Lewelyn, 2001), (Halimin, 2009).
Model Tobit digunakan karena data yang digunakan
dalam penelitian merupakan data tersensor (cencored),
dibatasi dan memiliki nilai antara 0 – 100 (Halimin, 2009).
Model Standar Tobit dapat digambarkan sebagai
berikut (Mc Donald dan Moffitt, 1980; Maddala, 1989; Brokcwell dan Chan, 2004;
Al Malkawi, 2007 dan Islam, 2007):
dimana :
=
i jika
>
0
=
0 jika
£ 0
Fungsi Likelihood (L) dimaksimumkan (maximum
likelihood) untuk mengestimasi parameter β dan σ yang
didasarkan atas observasi (bank) yi dan xi:
Dimana
0 Komentar
Terima kasih telah mengunjungi blog ini. Silahkan masukkan komentar anda