ESTIMATOR TWO STAGE LEAST SQUARES (2SLS) PADA MODEL PERSAMAAN STRUKTURAL DENGAN VARIABEL LATEN

MIFTAHULKHAIRAH, Dr. Abdurakhman, M.Si.

2014 | Tesis | S2 Matematika

Model persamaan struktural atau (Structural Equation Model) SEM dengan variabel laten merupakan alat yang cukup kuat untuk penelitian sosial dan perilaku, karena menggabungkan banyak materi psikometrik dan ekonometrik ke dalam kerangka tunggal. Estimator yang sering digunakan dalam SEM adalah Maximum Likelihood Estimator (MLE). Saat diinginkan sifat yang tinggi, MLE dan estimator dengan informasi penuh yang lain akan memiliki kekurangan. Jika terdapat ketidaksesuaian model, bias dapat menyebar pada bagian model yang sesuai, hal ini disebabkan karena pendugaan parameter model dilakukan secara simultan. Dengan alasan seperti ini, penelitian alternatif yang bisa menjadi pilihan adalah estimator informasi yang terbatas kontinu, yaitu estimator Two Stage Least Squares (2SLS). Estimator 2SLS dapat digunakan pada sampel kecil dan tidak memerlukan asumsi distribusi untuk variabel independen di sisi kanan, sehingga dapat diterapkan pada data yang non normal ataupun biner. Selain itu dalam konteks persamaan multi non-rekursif estimator 2SLS mampu mengisolasi kesalahan spesifik untuk persamaan tunggal, serta termasuk komputasi sederhana dan tidak memerlukan penggunaan algoritma optimasi numerik. Dalam penelitian ini diuraikan langkah-langkah estimator 2SLS dan penerapannya pada SEM dengan variabel laten.

Structural Equation Model (SEM) with latent variable is a powerful tool for social and behavioral scientists, because it combines a lot of psychometrics and econometrics into a single framework. The estimator often used in SEM is Maximum Likelihood Estimator (MLE). When the high properties desired, the MLE and the other full information estimators will otherwise remain lacked. The main thing is that when a part of the model misspecified, almost always the case. The bias can be spread on the specific model, because the model parameter estimation is conducted simultaneously. With these reasons, the optional alternative study is continuous limited information estimator; Two Stage Least Squares (2SLS) estimator. It can be used on a small sample and does not require the assumption of distribution for the independent variables on the right side, so it can be applied to non-normal or binary data. In addition, in the context of multi non-recursive equation, 2SLS estimator is able to isolate specific errors for a single equation, including simple computing and it does not require the use of numeric optimization algorithms. In this study expound the steps 2SLS estimator and its application in the SEM with latent variable.

Kata Kunci : 2SLS, SEM, Variabel Laten