Tugas Stata · ordered probit · data mikro Susenas

Model PMT Ordered Probit : pensasaran penduduk miskin menggunakan data sintetis Susenas 2022–2025

Susunlah model proxy means test menggunakan metode ordered probit terhadap desil kesejahteraan, serta bandingkan dengan model linearnya; lakukan estimasi pada tiga putaran survei, buat prediksi untuk putaran keempat yang belum pernah diproses oleh model tersebut, dan ukur seberapa baik setiap prediksi dalam mengidentifikasi separuh populasi termiskin. Anda diberikan empat do file yang pengerjaannya belum rampung; selesaikanlah do-file tersebut agar dapat berjalan dari awal hingga akhir dan menghasilkan output referensi secara persis.

1. Tugas

proxy means test (PMT) memprediksi kesejahteraan rumah tangga berdasarkan hal-hal yang dapat dilihat atau ditanyakan langsung oleh petugas program di lokasi: kondisi rumah, akses air dan sanitasi, aset yang dimiliki, serta siapa saja penghuninya. Ukuran kesejahteraan itu sendiri—yaitu pengeluaran konsumsi per kapita—hanya dapat diketahui melalui survei. Model PMT diestimasi dengan data survei, kemudian diterapkan pada rumah tangga di luar cakupan survei tersebut.

Dalam tugas ini, survei yang dimaksud adalah Susenas Maret, yang mencakup empat putaran. Anda akan:

• membaca keempat putaran data sebagaimana disediakan oleh BPS (file dBase , beberapa file per putaran) dan menyusun satu file analisis tingkat rumah tangga untuk setiap putaran;
• mengestimasi dua model PMT linear pada data gabungan putaran 2022–2024 dengan fixed effects kabupaten/kota: spesifikasi lengkap BPS/ World Bank yang mencakup tiga puluh sembilan proksi, dan spesifikasi parsimonious yang mencakup delapan variabel dasar;
• mengestimasi kedua spesifikasi yang sama sebagai model ordered probit pada desil kesejahteraan;
• Gunakan masing-masing dari keempat model tersebut untuk memprediksi putaran tahun 2025, pilih separuh populasi bagian bawah hasil prediksi, dan hitung inclusion error dari aturan tersebut (yang dalam hal ini sama dengan exclusion error).

Data ini sintetis: tidak ada satu pun observasi yang berasal dari rumah tangga sebenarnya. Perlakukan data ini sebagaimana Anda memperlakukan data mikro sebenarnya; keterampilan yang diperlukan pun sama.

Keempat putaran data tersebut dibagi menjadi dua bagian. Setiap model diestimasi menggunakan gabungan data tahun 2022, 2023, dan 2024; dalam tugas ini, gabungan tersebut disebut sebagai training sample (sampel pelatihan). Tidak ada model yang diestimasi menggunakan data tahun 2025; putaran tersebut hanya digunakan untuk mengukur kinerja prediksi dan disebut sebagai test sample (sampel uji). Istilah-istilah ini berasal dari literatur mengenai prediksi. Dalam terminologi ekonometrika, training sample merupakan sampel estimasi, sedangkan segala pengukuran yang dilakukan pada test sample merupakan prediksi out-of-sample (di luar sampel). File perintah (do-files) menggunakan penanda (flag) bernama train, sehingga istilah tersebut tetap digunakan di sini.

Pembagian ini dilakukan karena PMT memprediksi tingkat konsumsi rumah tangga yang konsumsinya belum terukur; oleh karena itu, kinerjanya harus diukur menggunakan rumah tangga yang tidak disertakan dalam pembentukan model. Nilai R² yang dihitung berdasarkan sampel estimasi tidak dapat melakukan hal tersebut: nilainya tidak pernah turun saat variabel proksi ditambahkan, dan sebagian nilainya berasal dari noise (variasi acak) dalam sampel tersebut yang tidak akan berulang.

Putaran yang disisihkan adalah putaran terbaru, bukan subsampel acak dari keempat putaran tersebut, karena program terkait biasanya mengestimasi rumus satu kali dan menggunakannya selama beberapa tahun. Selama tahun-tahun tersebut, kesejahteraan riil berubah, kuesioner mengalami perubahan, dan hubungan antara variabel proksi dengan konsumsi pun bergeser. Pembagian secara acak akan menempatkan tahun-tahun yang sama di kedua kelompok dan menyembunyikan perubahan-perubahan tersebut; dengan menyisihkan data tahun 2025, perubahan tersebut dapat diukur. Dengan alasan yang sama, desil tahun 2025 dihitung secara khusus berdasarkan data tahun 2025 saja (bagian 4.6): jika peringkat tahun 2025 digabungkan dengan putaran pelatihan, informasi dari periode uji akan masuk ke dalam pemeringkatan pelatihan.

Mulai dari langkah ke-2 dan seterusnya, kedua sampel tersebut berada dalam satu file dengan penanda train: train == 1 untuk baris data tahun 2022–2024, dan train == 0 untuk baris data tahun 2025. Estimasi setiap model dilakukan dengan kondisi if train == 1, prediksi dilakukan untuk setiap baris termasuk baris uji, dan pengukuran kesalahan (error) dilakukan hanya pada bagian train == 0.

2. Paket data

Satu folder per putaran, disusun seperti unduhan Silastik dari BPS:

2022_maret/  2023_maret/  2024_maret/  2025_maret/
    KOR/            the household file (RT) and the individual file(s) (IND), dBase
    KP/             consumption: BLOK43 (household totals) and BLOK42 (three items only)
    kuesioner/      the questionnaires of the round
    metadata_bps/   the BPS variable lists
    Metadata_Synthetic_Susenas_YYYYMM.xlsx
                    the variable list of this release, with value labels
poverty_line_2022_2025.csv
                    the published BPS poverty line by year, province and urban/rural

2.1 Baca kuesioner dan metadata terlebih dahulu

Setiap variabel dalam file-file ini merupakan jawaban atas pertanyaan pada kuesioner. Kebiasaan yang dibentuk oleh latihan ini adalah memeriksa kuesioner terlebih dahulu, baru kemudian datanya. Di dalam folder setiap putaran:

• kuesioner/ memuat dua kuesioner untuk putaran tersebut: VSENyy.K , yaitu kuesioner inti (KOR) yang mencakup blok rumah tangga dan individu, serta VSENyy.KP , yaitu kuesioner konsumsi. Temukan pertanyaan yang Anda butuhkan—baik bloknya (angka Romawi) maupun nomor butir pertanyaan di dalamnya. Nama kolom (field) didasarkan pada pertanyaannya: r1804 adalah blok XVIII, butir 4 ("luas lantai tempat tinggal"); r407 adalah blok IV, butir 7 (usia). Ketika suatu blok berpindah antarputaran, setiap kolom di dalamnya akan berganti nama.
• Buku kerja metadata Metadata_Synthetic_Susenas_YYYYMM.xlsx memuat rincian isi file untuk putaran survei tersebut: lembar kerja variabel ruta (file rumah tangga), variabel individu , Blok 43 , dan Blok 42 menyajikan nama, label, tipe, dan lebar setiap kolom; lembar kerja value label memuat kode jawaban (nilai yang menunjukkan arti "dimiliki", "meteran PLN ", atau "ya"). metadata_bps/ menyimpan daftar variabel asli BPS yang terkait.

Urutan kerja untuk setiap kolom yang Anda gunakan: pertanyaan dalam kuesioner → nama kolom dan kode-kodenya dalam buku kerja (workbook) untuk putaran tersebut → tabulasi kolom di Stata untuk memastikan kode-kodenya sesuai dengan buku kerja → baru kemudian penulisan kodenya. Definisi variabel pada bagian 5 mencantumkan nama kolom untuk tahun 2022; untuk putaran lainnya, buku kerjalah yang menjadi acuan utama, bukan halaman ini.

Keempat file dalam satu putaran memuat unit observasi yang berbeda:

Di mana mendapatkan data tersebut

Paket tersebut berupa satu file zip berukuran 323 MB yang tersedia di halaman rilis repositori mata kuliah:

• synthetic_susenas_2022-2025_stata_release.zip — keempat putaran dalam format file dBase , kuesioner, metadata, garis kemiskinanzip · 323 MB

Ekstrak file tersebut di lokasi mana pun. Folder yang memuat keempat folder YYYY_maret serta file poverty_line_2022_2025.csv merupakan path yang harus dimasukkan pada baris pkg di bagian atas file s0_import.do .

Opsional: program Stata yang menghasilkan data sintetis tersedia di sini. Tidak diperlukan untuk tugas ini.

• synthetic_susenas_mc_generator_student.zipzip · 29 MB

3. Do file dan bagian yang harus Anda kerjakan

Setiap file sudah lengkap untuk kasus pertama dan berhenti tepat sebelum pola berulang. Bagian tempat Anda harus memasukkan kode ditandai dengan >>> write ... here <<< . Tidak ada file induk; jalankan keempat file tersebut secara berurutan menggunakan perintah do . Setiap file diawali dengan satu atau dua baris jalur (path) yang perlu disesuaikan, serta menghasilkan file log-nya sendiri di dalam folder kerja.

• s0_import.doEdit dua baris path: pkg (lokasi paket data yang telah diekstrak) dan ` work (folder untuk file Stata) . Baca setiap file dBase menggunakan import dbase , appends file-file yang telah dipisahkan oleh BPS berdasarkan rentang provinsi, simpan satu file .dta untuk setiap file, lalu baca data garis kemiskinan.data Maret 2022, garis kemiskinan · data Anda Maret 2023, 2024, 2025
• s1_build.doMembaca basis deflator dari tabel garis kemiskinan, kemudian memproses satu observasi rumah tangga per putaran: collapse file individu menjadi jumlah (counts), reshape BLOK42 dari format long to wide, merge keempat file tersebut, memeriksa hasilnya, serta menyusun variabel-variabel model. Selanjutnya, peringkatkan desil.data Maret 2022 (desil) · data Anda Maret 2023, 2024, 2025
• s2_pmt_ols.doModel 1, PMT dengan fixed effects kabupaten/kota; model 2, model parsimonious dengan fixed effects kabupaten/kota. Keduanya melakukan prediksi untuk setiap rumah tangga, termasuk untuk tahun 2025.berdasarkan sampel tersebut, pengodean ulang · model 1 dan 2 Anda
• s3_pmt_ordered.doModel 3, ordered probit pada desil dengan proksi PMT ; model 4, sama seperti sebelumnya namun dengan perangkat parsimonious set); bagian 5, inclusion error (= exclusion error) pada 50 persen terbawah untuk keempat model tersebut.berdasarkan beban dan komentar bagian tersebut · model 3 dan 4 Anda , serta keseluruhan bagian 5

Pada langkah 0 dan 1, blok tahun 2022 yang diberikan merupakan polanya: ikuti pola tersebut baris demi baris untuk putaran lainnya dan ubah hanya bagian yang memang perlu disesuaikan dengan data. Pada langkah 2 dan 3, tidak ada model yang diberikan; bagian 6 merinci masing-masing model dan bagian 7 menjelaskan aturan pensasaran dengan detail yang cukup untuk penulisan kode. Pertahankan setiap nama variabel sebagaimana ditentukan, karena variabel-variabel tersebut akan digunakan pada langkah-langkah berikutnya.

4. Menyusun file analisis

Setiap putaran menjadi satu file, analysis_YYYY.dta , dengan satu baris untuk setiap rumah tangga. Langkah-langkahnya, sesuai urutan pelaksanaannya dalam blok tahun 2022 tersebut, adalah sebagai berikut:

4.1 Penghitungan orang

Berdasarkan file individu, buatlah indikator 0/1 untuk setiap orang dan collapse (sum) berdasarkan rumah tangga. Kepala rumah tangga adalah orang dengan kode hubungan 1; usia dan ijazah kepala rumah tangga diambil menggunakan fungsi (max) setelah mempertahankan data tersebut hanya pada baris milik kepala rumah tangga. Dua pertanyaan yang diajukan kepada setiap orang—yaitu kepemilikan telepon dan penggunaan internet—diadopsi sebagai karakteristik rumah tangga dengan mengambil data dari anggota yang tercantum pertama. Hitung jumlah anggota menggunakan fungsi (count) ; jumlah ini nantinya akan diverifikasi dengan data pada file rumah tangga.

4.2 BLOK42 dari long to wide

BLOK42 memiliki satu baris per rumah tangga untuk setiap jenis barang. Pertahankan ketiga item tersebut, masukkan kuantitas listrik serta nilai pulsa telepon dan paket internet ke dalam tiga variabel, lalu collapse (max) berdasarkan rumah tangga. Rumah tangga yang tidak membeli satu pun dari ketiga item tersebut tetap memiliki satu baris berisi angka nol di dalam modul; pertahankan baris tersebut agar rumah tangga ini tetap tercatat dengan nilai nol, bukannya hilang dari data.

4.3 Merge

Mulailah dengan file rumah tangga, ubah nama kolom perumahan dan aset agar sesuai dengan penamaan umum di Bagian 5, lalu merge one-to-one berdasarkan variabel urut dengan: BLOK43 (pertahankan food nonfood expend kapita wert weind ), jumlah anggota rumah tangga, serta variabel-variabel BLOK42. Selanjutnya, merge data garis kemiskinan menggunakan metode many-to-one berdasarkan tahun, provinsi, dan klasifikasi perkotaan/perdesaan. Setiap merge harus mencocokkan seluruh rumah tangga; kode yang diberikan hanya mempertahankan baris yang cocok, sedangkan pemeriksaan di bagian bawah akan mendeteksi kegagalan merge.

4.4 Periksa kembali terlebih dahulu

Ukuran rumah tangga dapat diperoleh dengan tiga cara: round(expend / kapita) , variabel ` r301 pada file rumah tangga, dan jumlah baris individu. Ketiganya menunjukkan hasil yang sama dalam data ini. Kode yang diberikan memeriksa hal tersebut dengan assert, serta memastikan bahwa food + nonfood = expend dan weind = wert × hhsize . Jika pemeriksaan (assert) gagal pada putaran (round) yang Anda tulis, kesalahan terletak pada merge atau collapse untuk putaran tersebut.

4.5 Ukuran kesejahteraan

Pengeluaran per kapita bulanan disesuaikan (dideflasi) menggunakan garis kemiskinan yang sesuai dengan tahun, provinsi, serta kategori perkotaan/perdesaan rumah tangga tersebut, lalu dinyatakan kembali dalam tingkat harga satu kategori acuan: perkotaan DKI Jakarta pada Maret 2022, dengan garis kemiskinan sebesar Rp 738.955 (nilai tersebut diambil oleh do file dari tabel garis kemiskinan, bukan diketik secara manual). Dengan demikian, pemeringkatan desil yang sama mencerminkan standar hidup yang setara di setiap provinsi dan setiap tahun.

4.6 Desil

Ada dua aturan. Putaran training tahun 2022, 2023, dan 2024 digabungkan dan diperingkat bersama menjadi sepuluh desil rpcexp yang diberi bobot, sehingga desil 1 memiliki makna yang sama pada setiap tahunnya. Putaran tahun 2025 diperingkat secara terpisah : putaran ini merupakan putaran test , dan data darinya tidak boleh dimasukkan ke dalam pemeringkatan training . Desil-desil tersebut diberi bobot menggunakan weind (bobot individu), sehingga satu desil mencakup sepersepuluh dari jumlah individu , bukan rumah tangga. weind dibulatkan menjadi bilangan bulat terlebih dahulu karena xtile menggunakan bobot frekuensi.

5. Definisi variabel

Nama kolom adalah nama dari file bulan Maret 2022. Variabel yang sama mungkin memiliki nama berbeda pada putaran lain, namun definisinya tidak berubah. Variabel kategorikal dimasukkan ke dalam model sebagai variabel faktor ( i. ) dengan kode aslinya.

5.1 File rumah tangga (RT)

5.2 Penghitungan dari file individu (IND)

5.3 Konsumsi (BLOK43, BLOK42)

5.4 Variabel hasil transformasi

Penambahan +0.1 di dalam setiap logaritma mempertahankan rumah tangga dengan nilai nol dalam sampel; tanpanya, ln(0) menjadi missing (tidak terdefinisi) dan rumah tangga tersebut akan tereliminasi dari setiap model.

5.5 Missing value struktural

Empat variabel memiliki nilai kosong karena alasan tertentu, bukan secara acak: h_closet dan h_sewage jika rumah tangga tidak memiliki toilet, h_epower jika penerangan tidak menggunakan meteran PLN , serta hd_edu untuk kepala rumah tangga yang tidak memiliki catatan ijazah. Variabel faktor dengan nilai kosong akan menyebabkan rumah tangga tersebut dikeluarkan dari analisis regresi tanpa memunculkan pesan pemberitahuan. Langkah 2 melakukan pengodean ulang (recoding) terhadap keempat variabel tersebut ke dalam kategori eksplisit 99 dan menampilkan jumlah rumah tangga yang dipertahankan dari setiap pengodean ulang; jumlah tersebut merupakan bagian dari output referensi.

6. Spesifikasi model

Bagian ini merupakan spesifikasi yang menjadi acuan Anda dalam menulis kode. Tidak ada informasi lain yang diberikan dalam langkah 2 dan 3 selain contoh perakitan dan kode-kode ulang tersebut.

6.1 Sampel dan variabel yang umum bagi keempat model

• Sampel estimasi: gabungan putaran training tahun 2022, 2023, dan 2024 — yaitu rumah tangga dengan train == 1 dalam file yang disusun pada langkah 2: 1.024.865 rumah tangga. Putaran tahun 2025 ( train == 0 , 343.460 rumah tangga) tidak digunakan dalam estimasi.
• Prediksi: setiap model melakukan prediksi untuk setiap rumah tangga dalam file data, termasuk putaran tahun 2025. Di Stata, predict setelah perintah estimasi akan melakukan hal ini secara otomatis; jangan membatasinya hanya pada sampel estimasi.
• dummy perkotaan: urban masuk ke dalam setiap model sebagai regresor.
• Fixed effects kabupaten/kota: setiap model memuat intersep terpisah untuk masing-masing dari 514 kabupaten/kota, yang dimasukkan sebagai variabel faktor i.kode_kab (satu dummy per kabupaten/kota, dengan kabupaten pertama sebagai acuan). Komponen ini merupakan bagian dari model maupun hasil output yang ditampilkan.
• Variabel faktor: variabel perumahan yang bersifat kategorikal ( h_house h_roof h_wall h_floor h_toilet h_closet h_sewage h_water h_light h_fuel h_epower ) dimasukkan sebagai variabel faktor, i. dengan kode aslinya serta kode 99 yang telah dikodekan ulang sebagai kategori tersendiri. Semua variabel penjelas (regresor) lainnya dimasukkan sebagaimana adanya.
• Output: biarkan Stata menampilkan output lengkap untuk setiap model, sebagaimana yang terjadi saat perintah estimasi tidak disembunyikan. Output referensi menampilkannya secara lengkap, termasuk koefisien kabupaten/kota .

6.2 Dua himpunan regresor

PMT — tiga puluh sembilan proksi (global $baseline_39 , yang tercantum dalam do file). Empat variabel kontinu, sebelas variabel faktor, tiga belas variabel dummy aset, enam variabel jumlah anggota rumah tangga, empat variabel pendidikan dan status pernikahan, serta tiga karakteristik kepala rumah tangga:

ln_hhsize ln_hhsize_2 ln_h_luaslantai ln_h_luaslantai_2
i.h_house i.h_roof i.h_wall i.h_floor i.h_toilet i.h_closet i.h_sewage
i.h_water i.h_light i.h_fuel i.h_epower
h_asset_a h_asset_b h_asset_c h_asset_d h_asset_e h_asset_f h_asset_g
h_asset_h h_asset_i h_asset_j h_asset_k h_asset_l h_asset_m
n_age04 n_age519 n_age2064 n_age65up n_female n_worker
h_married h_widowed h_neverschool h_stillschool
head_female hd_age hd_edu

Model yang parsimonious — lima belas variabel dari delapan variabel dasar ( global $predictors_7): ukuran rumah tangga, penggunaan listrik per kapita dan pengeluaran telekomunikasi per kapita beserta nilai kuadrat masing-masing; dua dummy kapasitas meteran dan interaksinya dengan penggunaan listrik; tiga aset; serta luas lantai beserta nilai kuadratnya:

ln_hhsize ln_elec_kwh_pc ln_telecom_cons_pc
ln_hhsize_2 ln_elec_kwh_pc_2 ln_telecom_cons_pc_2
h_epower2 h_epower3 ln_elec_kwh_pc_h_epower2 ln_elec_kwh_pc_h_epower3
h_asset_car h_asset_computer h_asset_land
ln_h_luaslantai ln_h_luaslantai_2