EVIEWS: Analisis Data Keuangan untuk Penelitian Mahasiswa Ekonomi

Hari ini, para peneliti telah difasilitasi dengan berbagai macam software statistik untuk mempermudah proses analisis data dari penelitian yang dilakukan. Salah satunya adalah software Eviews (Econometric Views) yang dapat digunakan untuk analisis berbagai model data penelitian, seperti data time series, cross-sectional, maupun data panel. Buku ini disusun sebagai petunjuk bagi para peneliti dan akademisi, khususnya mahasiswa bidang ekonomi yang memanfaatkan Eviews sebagai salah salah software pengolahan data. Selain proses penggunaan Eviews, kami juga memberikan tambahan informasi berupa ‘intepretasi’ dari hasil analisis data yang diperoleh sehingga mempermudah para peneliti untuk membaca dan memaknai hasil analisisnya.
Buku ini terdiri dari 8 Bab yang saling berkaitan yang secara garis besar berisi tentang:
Bab 1 membahas tentang ekonometrika dan software Eviews. Bab ini juga dilengkapi dengan contoh data ekonomi yang dapat diuji menggunakan Eviews.
Bab 2 membahas tentang operasional dasar software Eviews. Dimulai dari proses membuat workfile, input data, menampilkan data, mengubah data, dan proses membuat grafik.
Bab 3 membahas tentang analisis pendahuluan sebelum analisis ekonometrika dilakukan. Diantaranya adalah analisis deskriptif data penelitian, pengujian normalitas data, pengujian linearitas, dan pengujian stasioneritas.
Bab 4 membahas tentang model regresi linier, baik sederhana maupun berganda. Model ini disebutkan juga Ordinary Least Square (OLS) jika diterapkan pada software Eviews.
Bab 5 membahas tentang pengujian asumsi klasik yang berupa pengujian multikolinearitas, heteroskedastisitas, dan autokorelasi sehingga model yang dibangun menghasilkan estimator yang BLUE (Best, Linear, Unbiased, Estimator).
Bab 6 membahas tentang regresi respon kualitatif. Analisis yang dilakukan adalah pengujian Linear Probability Model (LPM), model probit dan model logit.
Bab 7 membahas tentang regresi data panel. Analisa diawali dengan uji kesesuaian model melalui pengujian Chow, Hausman, dan LM Test.
Bab 8 membahas tentang Autoregressive Distributed Lag (ARDL). Analisa diawali dengan uji kesesuaian model, uji stasioneritas, uji kointegrasi, dan estimasi ARDL.
Buku ini ditulis dengan bantuan banyak pihak, baik dalam bentuk diskusi maupun memberi masukan atas naskah dalam buku. Oleh karena itu, kami mengucapkan terima kasih kepada seluruh pihak yang telah meluangkan pikiran dan waktu untuk membantu penyusunan buku ini.
Tentu saja, karena keterbatasan pengetahuan dan wawasan penulis, buku ini masih memiliki banyak kekurangan. Penulis juga berharap feedback dari pembaca untuk perbaikan pada edisi berikutnya. Semoga bermanfaat.