Seorang mahasiswa S2 ekonomi di Universitas Indonesia sedang menulis tesis tentang dampak program Keluarga Harapan (PKH) terhadap tingkat pendidikan anak di desa tertinggal. Ia mengumpulkan data 2.000 rumahtangga penerima dan non-penerima PKH, menjalankan regresi OLS, dan menemukan koefisien positif yang signifikan: penerima PKH rata-rata menyelesaikan 0,8 tahun lebih banyak sekolah. Ia menulis di kesimpulan: “PKH meningkatkan pendidikan sebesar 0,8 tahun.” Dosen pembimbing memberi catatan merah: “Apakah Anda yakin ini kausal? Mungkin rumahtangga yang menerima PKH memang berbeda dari awal — mereka lebih miskin, lebih termotivasi, atau tinggal di desa dengan akses sekolah lebih baik.” Mahasiswa itu terdiam. Ia baru saja belajar pelajaran paling fundamental dalam ekonometrika modern: korelasi bukan kausalitas, dan regresi OLS biasa jarang memberikan jawaban kausal.

Inilah pertanyaan yang mengubah disiplin ekonomi dalam empat dekade terakhir. Empat Nobel ekonomi terakhir diberikan untuk kontribusi pada inferensi kausal: Clive Granger (2003, kausalitas time series), James Heckman (2000, selection bias), Thomas Sargent & Christopher Sims (2011, macroeconometrics), David Card, Joshua Angrist, dan Guido Imbens (2021, natural experiments dan potential outcomes framework). Yang dahulu dipandang sebagai “teknik statistik” kini menjadi inti dari ekonomi empiris modern. Pertanyaan “apakah X menyebabkan Y?” — bukan sekadar “apakah X berhubungan dengan Y?” — adalah pertanyaan yang membedakan ekonomi yang serius dari jurnalistik data.

Artikel ini adalah pintu masuk ke ekonometrika untuk pembaca stdsquare². Kita akan menurunkan OLS dari nol, menafsirkan koefisien dengan tepat, membedakan tiga lapis signifikansi, mengidentifikasi lima ancaman utama inferensi kausal, dan memetakan lima desain riset kausal modern yang menjadi tulang punggung ekonomi empiris hari ini. Studi kasus Indonesia (PKH, dampak BBM bersubsidi, dan program sekolah gratis) akan menemani setiap konsep. Artikel ini juga menjadi pintu masuk ke direktori /ekonometrika/ stdsquare² yang berisi 30+ artikel mendalam tentang topik spesifik — dari Asumsi Klasik BLUE hingga Modern DiD Callaway-Sant’Anna dan Synthetic Control.

Korelasi vs Kausalitas: Jurang yang Sering Terlupakan

Mulai dari ilustrasi klasik. Antara 2000-2020, di kota-kota Amerika, penjualan es krim dan kasus tenggelam berkorelasi positif kuat (r ≈ 0,8). Apakah es krim menyebabkan tenggelam? Tentu tidak. Keduanya dipengaruhi variabel ketiga: cuaca panas. Saat musim panas, orang makan es krim lebih banyak dan berenang lebih banyak — korelasi muncul tanpa kausalitas.

Dalam statistik, ini disebut spurious correlation (korelasi semu). Masalahnya, mayoritas korelasi yang ditemukan dalam data observasional ekonomi punya struktur serupa: ada confounder (variabel pengganggu) yang menyebabkan kedua variabel sekaligus, menciptakan ilusi kausalitas. Tugas ekonometrika modern adalah mendesain riset yang mengisolasi efek kausal dari confounder.

Kerangka Potential Outcomes

Alat berpikir yang menjadi standar sejak Donald Rubin (1974) dan diwujudkan oleh Nobel 2021 (Card, Angrist, Imbens) adalah potential outcomes framework. Untuk setiap unit $i$ (individu, rumahtangga, desa) dan treatment $D_i$ (1 = diterima, 0 = tidak), definisikan:

  • $Y_i(1)$ = outcome jika $i$ diterima treatment.
  • $Y_i(0)$ = outcome jika $i$ tidak diterima treatment.

Efek treatment individual (individual treatment effect, ITE):

$$\tau_i = Y_i(1) - Y_i(0)$$

Masalah fundamental inferensi kausal: kita tidak pernah mengamati kedua potential outcomes sekaligus. Untuk individu yang diterima treatment, kita amati $Y_i(1)$; untuk yang tidak, kita amati $Y_i(0)$. $Y_i(0)$ bagi yang diterima treatment (dan $Y_i(1)$ bagi yang tidak) adalah counterfactual — outcome yang akan terjadi di dunia paralel. Inilah disebut fundamental problem of causal inference (Holland, 1986).

Karena ITE tidak dapat diobservasi, kita mengestimasi average treatment effect (ATE):

$$\tau_{ATE} = E[Y_i(1) - Y_i(0)] = E[Y_i(1)] - E[Y_i(0)]$$

Sekarang masalahnya jelas: $E[Y_i(1)]$ dan $E[Y_i(0)]$ tidak keduanya dapat diamati. Yang kita amati adalah:

$$Y_i^{obs} = D_i \cdot Y_i(1) + (1-D_i) \cdot Y_i(0)$$

Perbandingan naif rata-rata outcome antara yang diterima dan tidak diterima treatment:

$$E[Y_i | D_i = 1] - E[Y_i | D_i = 0] = \underbrace{E[Y_i(1) | D_i=1] - E[Y_i(0) | D_i=1]}_{\text{ATT (yang kita inginkan)}} + \underbrace{E[Y_i(0) | D_i=1] - E[Y_i(0) | D_i=0]}_{\text{selection bias}}$$

Inilah inti masalah: perbandingan naif sama dengan efek treatment rata-rata bagi yang diterima (ATT) plus selection bias. Selection bias muncul kalau $Y_i(0)$ (counterfactual) berbeda antara kelompok treatment dan control — misalnya, penerima PKH dari awal lebih miskin dan punya akses sekolah lebih buruk daripada non-penerima, sehingga $E[Y_i(0) | D_i=1] < E[Y_i(0) | D_i=0]$.

Mengapa regresi OLS “mengontrol X” tidak cukup? Karena OLS hanya mengontrol confounder yang teramati dan terukur dengan benar. Confounder tak teramati (motivasi rumahtangga, kualitas sekolah lokal, budaya daerah) tetap bias. Inilah mengapa ekonometrika modern mengembangkan desain riset yang tidak bergantung pada “mengontrol semua” — tetapi pada sumber variasi exogen yang secara design mengatasi selection bias.

Regresi OLS: Penurunan dari Nol

OLS (Ordinary Least Squares) adalah pekerja kuda ekonometrika. Walaupun artikel ini fokus pada kausalitas, OLS tetap alat inti — sebagai prediktor, sebagai building block banyak desain kausal, dan sebagai komparator. Mari turunkan dari nol.

Misal model populasi:

$$Y_i = \beta_0 + \beta_1 X_i + u_i$$

di mana $Y_i$ = outcome, $X_i$ = regressor, $u_i$ = error term (faktor lain yang memengaruhi $Y$ tapi tidak masuk model). Kita ingin mengestimasi $(\beta_0, \beta_1)$ dari sampel data $(Y_i, X_i), i = 1, \dots, n$.

Ide OLS: pilih $(\hat{\beta}_0, \hat{\beta}_1)$ yang meminimalkan jumlah kuadrat sisa (sum of squared residuals, SSE):

$$\min_{\hat{\beta}_0, \hat{\beta}_1} \sum_{i=1}^{n} (Y_i - \hat{\beta}_0 - \hat{\beta}_1 X_i)^2 = \sum_{i=1}^{n} \hat{u}_i^2$$

di mana $\hat{u}_i = Y_i - \hat{Y}_i$ adalah residual (sisa) dan $\hat{Y}_i = \hat{\beta}_0 + \hat{\beta}_1 X_i$ adalah nilai prediksi.

Penurunan Koefisien Slope

Turunkan SSE terhadap $\hat{\beta}_1$, sama-dengankan nol (first order condition):

$$\frac{\partial SSE}{\partial \hat{\beta}_1} = -2 \sum_{i=1}^{n} X_i (Y_i - \hat{\beta}_0 - \hat{\beta}_1 X_i) = 0$$

Setelah aljabar (menggunakan juga FOC terhadap $\hat{\beta}_0$ yang memberi $\bar{Y} = \hat{\beta}_0 + \hat{\beta}_1 \bar{X}$):

$$\boxed{\hat{\beta}_1^{OLS} = \frac{\sum_{i=1}^{n}(X_i - \bar{X})(Y_i - \bar{Y})}{\sum_{i=1}^{n}(X_i - \bar{X})^2} = \frac{\text{Cov}(X, Y)}{\text{Var}(X)}}$$$$\hat{\beta}_0^{OLS} = \bar{Y} - \hat{\beta}_1 \bar{X}$$

Inilah estimator OLS. Sederhana, elegan, dan punya properti luar biasa di bawah kondisi tertentu (BLUE — Best Linear Unbiased Estimator, sesuai teorema Gauss-Markov).

Interpretasi Koefisien sebagai Derivat Parsial

Koefisien $\hat{\beta}_1$ ditafsirkan sebagai perubahan rata-rata $Y$ ketika $X$ naik satu unit, dengan faktor lain dalam model konstan (ceteris paribus). Secara matematis:

$$\hat{\beta}_1 = \frac{\partial \hat{Y}}{\partial X} \approx \frac{\Delta \hat{Y}}{\Delta X}$$

Inilah mengapa regresi berganda $Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + u$ dapat “mengontrol” $X_2$: $\hat{\beta}_1$ menangkap efek $X_1$ pada $Y$ dengan $X_2$ dipegang konstan. Tapi ingat: ini hanya confounder teramati. Confounder tak teramati tetap di error term dan bisa bias estimasi.

Studi Kasus: Regresi Sederhana Pendidikan vs Pendapatan

Mari terapkan ke data Sakernas (data ilustratif). Misal $Y$ = log pendapatan bulanan, $X$ = tahun pendidikan. Untuk sampel 1.000 pekerja Indonesia, diperkirakan:

$$\widehat{\ln(\text{pendapatan})} = 7{,}5 + 0{,}08 \cdot \text{pendidikan}$$

Interpretasi: setiap tambahan 1 tahun pendidikan berasosiasi dengan kenaikan pendapatan 8 persen (ingat: log semilog, koefisien × 100 ≈ persen perubahan). Seseorang dengan pendidikan 16 tahun (S1) earn sekitar $\exp(7{,}5 + 0{,}08 \times 16) = \exp(8{,}78) \approx Rp \, 6.500.000$; dengan pendidikan 12 tahun (SMA), $\exp(8{,}46) \approx Rp \, 4.700.000$. Selisih besar.

Tapi apakah ini kausal? Tidak otomatis. Orang yang berpendidikan lebih tinggi mungkin juga berasal dari keluarga lebih kaya (confounder tak teramati), punya kemampuan kognitif lebih tinggi, atau tinggal di kota besar dengan upah lebih tinggi. Koefisien 0,08 adalah korelasi kondisional, bukan efek kausal pendidikan. Mencapai interpretasi kausal memerlukan desain riset khusus (instrumental variable, regression discontinuity, dll.) yang akan dibahas nanti.

Tiga Lapis Signifikansi

Salah satu kesalahpahaman paling umum: menyamakan “signifikan” dengan “penting.” Tiga lapis signifikansi yang berbeda:

Signifikansi Statistik (p-value)

p-value adalah probabilitas mengamati koefisien sebesar $\hat{\beta}_1$ (atau lebih ekstrem) jika koefisien populasi sebenarnya nol ($H_0: \beta_1 = 0$). p-value rendah (<0,05) berarti “sangat tidak mungkin hasil ini muncul kebetulan jika tidak ada efek sebenarnya.” Ini adalah pengujian hipotesis klasik (Neyman-Pearson).

t-statistik:

$$t = \frac{\hat{\beta}_1 - 0}{SE(\hat{\beta}_1)}$$

di mana $SE(\hat{\beta}_1)$ adalah standard error koefisien. Aturan praktis: $|t| > 1{,}96$ → signifikan pada 5 persen (asumsi sampel besar, distribusi normal).

Signifikansi Ekonomi (besar efek)

Koefisien bisa signifikan secara statistik (p < 0,001) tetapi tidak signifikan secara ekonomi (sangat kecil). Contoh: dengan sampel 100.000 observasi, koefisien 0,001 mungkin signifikan secara statistik — tetapi “kenaikan 0,1 persen pendapatan per tahun pendidikan tambahan” tidak relevan secara kebijakan. Selalu laporkan besar efek (effect size), bukan hanya p-value.

Signifikansi Praktis (relevansi kebijakan)

Bahwa efek besar secara statistik dan ekonomi belum tentu relevan untuk keputusan. Misal: program pelatihan tenaga kerja “menaikkan pendapatan 5 persen” — signifikan secara statistik (p < 0,01), signifikan secara ekonomi (5 persen bukan trivial), tapi mungkin tidak signifikan praktis kalau biaya program per peserta jauh melebihi nilai 5 persen kenaikan pendapatan seumur hidup. Cost-benefit analysis adalah lapis ketiga yang sering absen.

Aturan praktis membaca tabel regresi. Setiap koefisien yang dilaporkan harus dinilai pada tiga lapis: (1) berapa p-value/t-stat (signifikansi statistik); (2) berapa besar koefisien relatif skala Y (signifikansi ekonomi); (3) apa implikasi untuk keputusan (signifikansi praktis). Skip salah satu lapis berisiko kesimpulan menyesatkan.

Lima Ancaman Inferensi Kausal

Sekarang inti masalah. Bahwa Anda menjalankan regresi $Y = \beta X + u$ tidak otomatis membuat $\hat{\beta}$ kausal. Lima ancaman utama:

1. Endogenitas (Omitted Variable Bias)

Variabel yang memengaruhi $Y$ dan berkorelasi dengan $X$ tetapi tidak masuk model akan masuk ke error term $u$. Jika $\text{Cov}(X, u) \neq 0$, OLS bias — secara teknis inkonsisten. Ini disebut omitted variable bias (OVB).

Untuk model sederhana $Y = \beta_0 + \beta_1 X_1 + u$, dengan $u$ mengandung $X_2$ (variabel tak dimasukkan):

$$\text{plim}(\hat{\beta}_1^{OLS}) = \beta_1 + \frac{\text{Cov}(X_1, X_2)}{\text{Var}(X_1)} \cdot \beta_2$$

Bias $= \frac{\text{Cov}(X_1, X_2)}{\text{Var}(X_1)} \cdot \beta_2$. Tanda dan besar bias tergantung arah dan kekuatan korelasi $X_1$ dengan $X_2$, serta efek $X_2$ pada $Y$.

Untuk contoh pendidikan vs pendapatan: $X_2$ = kemampuan kognitif yang tidak terukur. Kalau kemampuan berkorelasi positif dengan pendidikan (orang mampu cenderung sekolah lebih lama) DAN positif dengan pendapatan, maka OVB positif — koefisien 0,08 yang kita estimasi overstate efek kausal pendidikan sebenarnya. Lihat artikel Endogenitas Konsep dan Multikolinearitas.

2. Reverse Causality (Kausalitas Terbalik)

Mungkin bukan $X$ menyebabkan $Y$, tetapi $Y$ menyebabkan $X$. Contoh: regresi “jumlah polisi di kota” ($X$) terhadap “tingkat kejahatan” ($Y$) menunjukkan korelasi positif. Apakah polisi menyebabkan kejahatan? Tentu tidak — kota dengan kejahatan tinggi menempatkan lebih banyak polisi (reverse causality).

Dalam regresi: $Y_i = \beta X_i + u_i$, tapi sebenarnya $X_i = \gamma Y_i + v_i$. $\text{Cov}(X, u) \neq 0$ karena $X$ tergantung $Y$ yang tergantung $u$. OLS bias.

3. Measurement Error (Galat Pengukuran)

Variabel $X$ atau $Y$ diukur dengan error. Klasik: classical measurement error pada $X$ (penghasilan dilaporkan tidak akurat) menyebabkan attenuation bias — koefisien OLS mendekati nol (underestimate efek sebenarnya). Lihat artikel terkait.

4. Sample Selection Bias

Sampel yang kita observasi bukan acak dari populasi. Contoh klasik Heckman: estimasi return pendidikan dari sampel orang yang bekerja mengabaikan orang yang tidak bekerja (yang mungkin berpendidikan rendah dan penghasilan rendah). Bias. Lihat Heckman Selection.

5. Simultaneous Causality

$X$ dan $Y$ saling memengaruhi secara simultan. Contoh klasik: supply-demand equilibrium — harga memengaruhi kuantitas demanded (permintaan) dan kuantitas supplied (penawaran), tetapi kuantitas transaksi juga memengaruhi harga melalui equilibrium. Regresi $Q$ pada $P$ menghasilkan campuran kurva permintaan dan penawaran. Solusi: instrumental variable.

Lima Desain Riset Kausal Modern

Untuk mengatasi ancaman di atas, ekonometrika modern mengembangkan lima keluarga desain riset. Setiap desain punya asumsi identifikasi spesifik yang harus dipenuhi agar inferensi kausal valid.

1. Randomized Controlled Trial (RCT)

Eksperimen acak: unit-unit secara acak ditugaskan ke treatment atau control. Randomisasi menjamin $D_i \perp (Y_i(0), Y_i(1))$ — assignment tidak berkorelasi dengan potential outcomes. Maka:

$$E[Y_i | D_i=1] - E[Y_i | D_i=0] = E[Y_i(1)] - E[Y_i(0)] = \tau_{ATE}$$

Selection bias hilang karena randomisasi. RCT adalah gold standard kausalitas, tetapi sering tidak feasible (biaya, etika, politik). Aplikasi di Indonesia: eksperimen randomisasi PKH awal (Cahyadi et al., 2018), eksperimen conditional cash transfer di berbagai daerah.

2. Instrumental Variable (IV)

Cari instrumen $Z$ yang: (i) berkorelasi dengan $X$ ($\text{Cov}(Z, X) \neq 0$, relevance); (ii) tidak berkorelasi dengan error term $u$ ($\text{Cov}(Z, u) = 0$, exclusion restriction). Instrumen memberikan variasi exogen pada $X$ yang bisa dipakai untuk mengidentifikasi efek kausal.

Estimator IV (dengan instrumen valid):

$$\hat{\beta}^{IV} = \frac{\text{Cov}(Z, Y)}{\text{Cov}(Z, X)}$$

Untuk kasus lebih dari satu instrumen atau endogen, pakai 2SLS (Two-Stage Least Squares): regresi $X$ pada $Z$ (first stage), lalu regresi $Y$ pada $\hat{X}$ (second stage). Lihat Instrumental Variable dan 2SLS Manual.

Contoh klasik Angrist-Krueger (1991): instrumen = quarter of birth (Q1-Q4) untuk mengidentifikasi return pendidikan. Quarter of birth memengaruhi tahun pendidikan (karena aturan usia masuk sekolah) tetapi seharusnya tidak langsung memengaruhi pendapatan (kecuali melalui pendidikan). Hasil: return pendidikan yang lebih rendah dari estimasi OLS naif — konsisten dengan OVB positif.

3. Regression Discontinuity Design (RDD)

Manfaatkan threshold dalam kebijakan: unit-unit di kiri dan kanan threshold diasumsikan sama kecuali status treatment. Contoh: beasiswa untuk siswa dengan nilai ujian $\geq 7{,}0$. Bandingkan outcome siswa dengan nilai 6,9 vs 7,1 — perbedaannya (di local neighborhood threshold) adalah efek kausal treatment.

Asumsi identifikasi: unit tidak bisa memanipulasi posisi mereka relatif terhadap threshold (atau manipulasi terbatas). Lihat Regression Discontinuity.

4. Panel Data dengan Fixed Effects (FE)

Data panel (unit yang sama diamati dalam beberapa periode waktu) memungkinkan mengontrol unobserved time-invariant heterogeneity. Misal $Y_{it} = \beta X_{it} + \alpha_i + \varepsilon_{it}$, di mana $\alpha_i$ adalah efek individual tak teramati yang konstan waktu (misalnya, “motivasi” rumahtangga dalam estimasi return pendidikan).

Fixed Effects estimator: transformasi data dengan mengurangi rata-rata waktu tiap unit (within transformation), yang menghilangkan $\alpha_i$. Estimasi pada transformed data memberikan estimator yang konsisten asalkan $\alpha_i$ memang time-invariant dan tidak ada time-varying unobserved confounder. Lihat Fixed Effect Model dan Panel Data FE-RE.

5. Difference-in-Differences (DiD)

Manfaatkan perbedaan temporal antara kelompok treatment dan control. Misal kebijakan diberlakukan di kelompok A pada tahun $T$, tidak di kelompok B. Bandingkan perubahan outcome di A sebelum vs sesudah $T$, dengan perubahan outcome di B sebelum vs sesudah $T$.

Estimator DiD:

$$\hat{\tau}^{DiD} = (\bar{Y}_A^{post} - \bar{Y}_A^{pre}) - (\bar{Y}_B^{post} - \bar{Y}_B^{pre})$$

Asumsi identifikasi: parallel trends — tanpa treatment, tren outcome di A dan B akan paralel. Lihat DiD Klasik dan Modern DiD Callaway-Sant’Anna.

Contoh Indonesia: evaluasi dampak BOS (Bantuan Operasional Sekolah) dengan membandingkan sekolah penerima vs non-penerima sebelum dan sesudah program (rasio guru-murid, capaian ujian).

Synthetic Control Method

Generalisasi DiD untuk kasus satu unit treated (misal satu provinsi, satu negara). Bangun control sintetis sebagai kombinasi tertimbang unit-unit untreated yang paling mirip dengan unit treated sebelum treatment. Abadie-Diamond-Hainmueller (2010) mempopulerkan metode ini untuk evaluasi kebijakan. Lihat Synthetic Control.

Studi Kasus Indonesia: Dampak PKH terhadap Pendidikan

Mari terapkan kerangka ke studi kasus di awal artikel. Mahasiswa UI ingin mengestimasi efek PKH terhadap tingkat pendidikan anak di desa tertinggal.

Pendekatan naif (OVB): Regresi OLS pendidikan anak pada indikator penerima PKH, mengontrol pendapatan rumahtangga, pendidikan ibu, jumlah anak. Diperkirakan koefisien +0,6 tahun. Tapi ini mungkin bias — motivasi rumahtangga untuk menerima PKH berkorelasi dengan motivasi menyekolahkan anak (unobserved confounder).

Pendekatan IV: Cahyadi et al. (2018, Jurnal BSP) memakai randomisasi geografis: PKH diperluas ke kecamatan tertentu secara acak (bukan rumahtangga tertentu). Kecamatan yang dapat PKH lebih awal adalah “treatment”; kecamatan yang dapat nanti adalah “control.” Randomisasi geografis menjamin tidak ada perbedaan sistematis antar kecamatan di awal. Hasil: efek PKH pada tingkat pendidikan sekitar 0,3 tahun — lebih kecil dari estimasi OLS naif, konsisten dengan OVB positif.

Pelajaran: Tanpa desain riset yang ketat, kita akan overstate efek PKH. Ini bukan akademik semata — angka 0,3 vs 0,6 tahun adalah perbedaan efektivitas yang masuk akal atau tidak untuk program multi-miliar dollar.

Membaca Tabel Regresi dengan Literasi Penuh

Tabel regresi khas ekonomi terlihat seperti ini (output Stata/R yang disederhanakan):

------------------------------------------------------------------------------
   pendidikan |   Coef.   Std.Err.   t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
   pkh_dummy |   0.312    0.085    3.67   0.000       0.145      0.479
  log_income |   0.450    0.067    6.72   0.000       0.318      0.582
    edu_mom  |   0.125    0.024    5.21   0.000       0.078      0.172
       _cons |   3.500    0.890    3.93   0.000       1.754      5.246
------------------------------------------------------------------------------
    R-squared = 0.342    N = 2000    F(3, 1996) = 347.2

Membaca dengan literasi penuh:

  • Koefisien pkh_dummy = 0,312: penerima PKH berasosiasi dengan 0,312 tahun pendidikan lebih banyak, ceteris paribus.
  • Standard Error = 0,085: ketidakpastian estimasi. Interval kepercayaan 95 persen: [0,145; 0,479] — kita 95 persen yakin efek populasi ada di rentang ini.
  • t-stat = 3,67 (= koef/SE): lebih besar dari 1,96 → signifikan pada 5 persen.
  • p-value = 0,000: probabilitas mengamati koefisien sebesar ini jika efek sebenarnya nol. <0,001 → sangat signifikan secara statistik.
  • R-squared = 0,342: model menjelaskan 34,2 persen variasi pendidikan. Bukan indikator kausalitas — hanya goodness of fit.
  • N = 2000: ukuran sampel. Sampel besar membuat SE kecil dan mudah signifikan secara statistik walau efek ekonomi kecil — kembali ke tiga lapis signifikansi.

Yang TIDAK ada di tabel regresi. Tabel tidak memberi tahu: (1) apakah asumsi klasik OLS terpenuhi (cek Asumsi Klasik BLUE); (2) apakah ada endogenitas/OVB (desain riset yang menentukan); (3) apakah efeknya kausal atau hanya korelasi; (4) signifikansi praktis (biaya vs manfaat). Tabel adalah titik awal analisis, bukan kesimpulan.

Asumsi Klasik Gauss-Markov

Untuk OLS menjadi BLUE (Best Linear Unbiased Estimator), lima asumsi harus terpenuhi (lihat detail di Asumsi Klasik BLUE):

  1. Linearitas: hubungan $Y$ dan $X$ linear dalam parameter.
  2. Random sampling: data diambil acak dari populasi.
  3. No perfect multicollinearity: tidak ada variabel yang kombinasi linear sempurna variabel lain.
  4. Exogenitas: $E(u_i | X_i) = 0$ — error bersyarat pada X memiliki mean nol. Ini asumsi paling sulit dan paling sering dilanggar dalam data observasional. Pelanggaran = endogenitas.
  5. Homoskedastisitas: $\text{Var}(u_i | X_i) = \sigma^2$ konstan. Pelanggaran = heteroskedastisitas (SE bias; solusi: robust standard errors). Lihat Heteroskedastisitas dan Robust Standard Errors.

Pelanggaran asumsi 1-3 umumnya membuat OLS bias atau tidak terdefinisi. Pelanggaran asumsi 4 (endogenitas) adalah masalah kausalitas yang menjadi topik utama artikel ini. Pelanggaran asumsi 5 dan non-normalitas umumnya hanya mempengaruhi standard error dan inferensi, bukan konsistensi koefisien.

Jebakan Klasik Ekonometrika

1. Menyamakan korelasi dengan kausalitas. Pelajaran paling mendasar dan paling sering diabaikan. Setiap klaim kausalitas memerlukan desain riset kausal, bukan sekadar regresi dengan “banyak kontrol.”

2. Mengandalkan R-squared tinggi sebagai bukti model bagus. R² mengukur goodness of fit, bukan kausalitas atau relevansi variabel. Model dengan R² 0,95 bisa salah spesifikasi; model dengan R² 0,05 bisa kausal. Lihat Functional Forms.

3. Mengabaikan clustered standard errors. Pada data dengan struktur cluster (siswa dalam sekolah, rumahtangga dalam desa), observasi tidak independen. SE konvensional underestimate ketidakpastian. Solusi: clustered SE. Lihat Clustered SE.

4. P-hacking dan multiple testing. Mencoba banyak spesifikasi dan melaporkan hanya yang signifikan. Inflasi false positive rate. Solusi: pre-registration, melaporkan semua spesifikasi, koreksi Bonferroni.

5. Overfitting dengan banyak variabel kontrol. “Lebih banyak kontrol lebih baik” keliru. Menambah variabel yang berkorelasi dengan $X$ tapi tidak dengan $Y$ meningkatkan SE tanpa mengurangi bias. Pilih kontrol berdasarkan teori, bukan asal tambah.

6. Interpreting koefisien tanpa cek unit. Koefisien 0,5 berbeda artinya untuk $Y$ dalam Rupiah vs log Rupiah vs persen vs z-score. Selalu laporkan satuan dan interpretasi ekonomi.

Dipakai di Dunia Nyata

  • Bank Indonesia dan Bappenas. Model ekonometrika dipakai untuk proyeksi PDB, inflasi, dan dampak kebijakan moneter/fiskal. Tim ekonometrika BI membangun model VAR/VECM, DSGE, dan regresi panel untuk mendukung keputusan suku bunga.
  • Kementerian Keuangan (Fiskal Policy Agency / BKF). Evaluasi program (PKH, BLT, BOS, BBM subsidi) lewat desain kausal (DiD, RDD, IV). Hasil riset empiris menjadi dasar reformasi program.
  • Jurnal ekonomi Indonesia (BIES, Buletin Ekonomi Moneter dan Perbankan, Jurnal Ekonomi dan Pembangunan Indonesia). Publikasi riset ekonometrika tentang Indonesia, sebagian besar dengan fokus inferensi kausal.
  • Lembaga riset internasional (World Bank, J-PAL, IPA, SMERU). RCT dan quasi-experiments untuk evaluasi program pembangunan di Indonesia. Cahyadi, Hanna, Olken (J-PAL) banyak mengevaluasi program Indonesia.
  • Konsultan ekonomi dan litigasi. Analisis anti-trust (KPPU), damage calculation di pengadilan, dan penilaian dampak kebijakan — semua memakai kerangka ekonometrika.
  • Industri (perbankan, e-commerce). Credit scoring (regresi logit/probit), churn prediction, A/B testing (RCT digital) — semua aplikasi ekonometrika di konteks bisnis. Lihat Logit-Probit-Tobit.

Keterkaitan dengan Artikel Ekonometrika Lain

Artikel ini adalah pintu masuk ke direktori /ekonometrika/ stdsquare² yang berisi 30+ artikel mendalam. Untuk mendalami:

Cek Pemahaman

1. Anda menjalankan regresi: $\text{pendapatan} = \beta_0 + \beta_1 \text{pendidikan} + u$. Diperkirakan $\hat{\beta}_1 = 800.000$ (Rupiah per tahun pendidikan), $SE = 100.000$, $N = 500$. (a) Hitung t-statistik dan uji signifikansi pada 5 persen. (b) Interpretasikan koefisien secara ekonomi. (c) Apakah Anda bisa menyimpulkan kausalitas “pendidikan meningkatkan pendidikan sebesar Rp 800.000 per tahun”? Mengapa?

Lihat jawaban

(a) $t = 800.000 / 100.000 = 8{,}0$. Karena $|t| = 8{,}0 > 1{,}96$, signifikan pada 5 persen (p-value mendekati nol).

(b) Setiap tambahan 1 tahun pendidikan berasosiasi dengan kenaikan pendapatan Rp 800.000 per bulan (asumsi satuan). Seseorang dengan S1 (16 tahun) earn Rp 3,2 juta lebih banyak per bulan dibanding yang tidak sekolah sama sekali (0 tahun).

(c) Tidak bisa menyimpulkan kausalitas langsung. Ada beberapa ancaman: (1) omitted variable bias — kemampuan kognitif, latar belakang keluarga, kualitas sekolah, lokasi geografis, semua berkorelasi dengan pendidikan DAN pendapatan; (2) reverse causality — orang berpendapatan tinggi mampu melanjutkan pendidikan lebih lama; (3) sample selection — orang yang tidak bekerja tidak masuk sampel. Untuk klaim kausal, perlu desain riset kausal (IV, RDD, panel dengan FE, dll) yang mengatasi confounder.

2. (Transfer.) Dalam studi PKH di artikel ini, asumsikan randomisasi geografis dilakukan: 100 kecamatan dipilih secara acak untuk PKH awal (treatment), 100 kecamatan lainnya control. Setelah 5 tahun, rata-rata pendidikan anak di kecamatan treatment = 9,2 tahun; di control = 8,9 tahun. (a) Apa efek rata-rata treatment (ATE) pada pendidikan? (b) Mengapa ini lebih kredibel kausal daripada regresi OLS pada rumahtangga? (c) Apa asumsi identifikasi yang membuat kesimpulan kausal valid?

Lihat jawaban

(a) $\hat{\tau}_{ATE} = 9{,}2 - 8{,}9 = \mathbf{0{,}3}$ tahun. PKH meningkatkan pendidikan rata-rata sebesar 0,3 tahun.

(b) Karena randomisasi geografis menjamin assignment PKH tidak berkorelasi dengan potential outcomes — kecamatan yang dapat PKH awal dan yang tidak, secara statistik setara di awal (dalam expectation). Selection bias hilang. Regresi OLS pada rumahtangga (yang self-select menjadi penerima) mengandung OVB karena rumahtangga yang menerima PKH berbeda secara sistematis dari non-penerima.

(c) Asumsi identifikasi RCT: independence of assignment and potential outcomes, yaitu $D_i \perp (Y_i(0), Y_i(1))$. Randomisasi menjamin ini. Tambahan: SUTVA (Stable Unit Treatment Value Assumption) — tidak ada spillover antar kecamatan (penerima PKH tidak mempengaruhi non-penerima di kecamatan sebelah). Kalau SUTVA dilanggar (misalnya, ada migrasi antar kecamatan), estimasi bisa bias.

3. (Kritis.) Mengapa “mengontrol semua variabel observasi” dalam regresi OLS tidak menyelesaikan masalah inferensi kausal? Diskusikan dengan contoh konkret.

Lihat jawaban

Karena confounder tak teramati tetap di error term dan bisa bias estimasi. Bahkan jika kita mengontrol 100 variabel observasi, masih ada unobserved factors yang berkorelasi dengan $X$ dan mempengaruhi $Y$.

Contoh konkret: dampak pelatihan kerja ($X$) terhadap pendapatan ($Y$). Kita mengontrol: pendidikan formal, usia, jenis kelamin, pengalaman kerja sebelumnya, industri, lokasi, status perkawinan, jumlah anak. 100 persen observasi. Tetapi kita tidak mengontrol: motivasi intrinsik individu. Orang yang sangat termotivasi lebih mungkin mengikuti pelatihan DAN lebih mungkin mendapat pekerjaan baik / kenaikan gaji. Motivasi berkorelasi positif dengan $X$ dan $Y$ → OVB positif → koefisien OLS overstate efek pelatihan sebenarnya.

Solusi yang tidak bergantung pada “kontrol semua”: desain riset yang mencari sumber variasi exogen. Misalnya: randomisasi penawaran pelatihan (orang tidak self-select), atau IV dengan instrumen seperti jarak ke pusat pelatihan (asalkan exclusion restriction terpenuhi). Inilah inti revolusi kausalitas di ekonomi modern: bukan menambah kontrol, tetapi mendesain riset yang mengisolasi variasi exogen.

Lanjutan

Menguasai ekonometrika sebagai alat inferensi kausal berarti memahami bahwa data tidak berbicara sendiri — cara kita mengumpulkan dan menganalisisnya menentukan apa yang bisa kita katakan tentang dunia. Empat dekade terakhir ekonomi empiris bergerak dari “estimasi koefisien” ke “desain riset kausal,” dari menambah variabel kontrol ke mencari variasi exogen. Setiap klaim kausalitas — apakah PKH efektif, apakah kenaikan BBM menyebabkan inflasi, apakah pendidikan meningkatkan pendapatan — memerlukan kerangka potential outcomes, pemahaman asumsi identifikasi, dan desain riset yang mengisolasi efek treatment dari selection bias. Bagi mahasiswa, analis, dan pembuat kebijakan di Indonesia, literasi ekonometrika bukan kemewahan akademik — ia adalah kondisi minimum untuk membaca bukti empiris dengan kritis, dan untuk menghasilkan bukti yang bisa dipercaya.