Three different ordinary least squa

Three different ordinary least square specifications with various lag structures for the explanatory variables are reported in Table 2. As expected, positive relationships were found
between regional incomes and employment opportunities, educational ser-vices, transportation and water supply facilities, and information network variables in terms of their spatial distribution. Also, the per capita GDP and the urbanization trend were found to have a negative impact on regional income inequality.
The signs of coefficients in the regression equations (Models 1–3) were broadly consistent with previous empirical studies on the impact of regional policy variables on regional disparity. Most variables were statistically accepted at the 5–10% significance level, and they showed no problems with multicollinearity in the sense that the values of the Variance Inflation Factor
(VIF) for all independent variables were lower than the critical value of 10. For example, the maximum VIF values were 1.8704 for educational services in Model 1, and were 2.4510 and 2.4897 for per capita GDP in Models 2 and 3, respectively. Relatively high levels of coefficient of determination implied that a considerable share of the trend in regional income inequality
was explained by the spatial dispersion of the policy instruments and national economic development with varying lag effects. The coeffient for per capita GDP in Model 1 was estimated as
4.0343, which indicates that regional income inequality exhibited a downward trend as national economic growth proceeded. In terms of marginal changes in regional income
inequality, the educational services variable was highest, followed by the variables of transportation and water supply facilities, information networks, and employment opportunities. This result could be translated to providing main supports for education policy in the lagging regions and in rural areas under the constraints of the government budget. In Model 1, the Gini coefficient of regional income disparity would be reduced by 1.3237% point at the end of three years if there were a decrease of 1% point in the Gini coefficient of the educational services, holding other variables constant. In relative terms, the information policy was shown to have a short-run effect on

Hasil (Bahasa Indonesia) 1:

Tiga berbeda biasa setidaknya persegi specifications dengan berbagai struktur lag untuk variabel penjelasan dilaporkan dalam tabel 2. Seperti yang diharapkan, hubungan positif ditemukan
antara daerah pendapatan dan kesempatan kerja, pendidikan ser-keburukan, Fasilitas transportasi dan pasokan air dan informasi jaringan variabel dalam hal distribusi spasial mereka. Juga, GDP per kapita dan tren urbanisasi yang ditemukan memiliki dampak negatif pada pendapatan daerah ketidaksetaraan.
tanda-tanda koefisien dalam persamaan regresi (model 1-3) yang luas konsisten dengan studi empiris yang sebelumnya pada dampak dari kebijakan regional variabel pada kesenjangan daerah. Kebanyakan variabel statistik diterima di tingkat significance 5-10%, dan mereka menunjukkan tidak ada masalah dengan Multikolinearitas dalam arti bahwa nilai-nilai Inflation Factor
(VIF) varians untuk semua variabel independen yang lebih rendah dari nilai kritis 10. Sebagai contoh, nilai-nilai VIF maksimum 1.8704 untuk pelayanan pendidikan dalam Model 1, dan 2.4510 dan 2.4897 untuk GDP per kapita di model 2 dan 3, masing-masing. Tingkat yang relatif tinggi koefisien penentuan tersirat yang cukup besar bagian dari tren di ketidaksetaraan pendapatan daerah
dijelaskan oleh pembubaran spasial dan instrumen kebijakan pembangunan ekonomi nasional dengan berbagai efek lag. Coeffient untuk PDB per kapita di Model 1 diperkirakan sebagai 4.0343, yang menunjukkan bahwa ketidaksetaraan pendapatan daerah dipamerkan tren menurun sebagai melanjutkan pertumbuhan ekonomi nasional. Dalam hal perubahan pendapatan daerah marjinal
ketidaksetaraan, Variabel pelayanan pendidikan adalah tertinggi, diikuti oleh variabel fasilitas transportasi dan pasokan air, jaringan informasi dan kesempatan kerja. Hasil ini dapat diterjemahkan untuk menyediakan dukungan utama untuk kebijakan pendidikan di daerah lagging dan di daerah pedesaan di bawah kendala anggaran pemerintah. Dalam Model 1, Koefisien Gini kesenjangan pendapatan daerah akan berkurang dengan titik 1.3237% pada akhir tiga tahun jika ada penurunan 1% Point koefisien Gini layanan pendidikan, memegang konstan variabel lainnya. Relatif istilah, informasi kebijakan ditunjukkan untuk memiliki efek jangka pendek pada

Hasil (Bahasa Indonesia) 2:

Tiga berbeda least square spesifikasi-spesifikasi biasa dengan berbagai struktur lag untuk variabel penjelas dilaporkan pada Tabel 2 Seperti yang diharapkan, hubungan positif ditemukan
antara pendapatan daerah dan kesempatan kerja, pendidikan ser-kejahatan, transportasi dan fasilitas air bersih, dan variabel jaringan informasi di hal distribusi spasial mereka. Juga, PDB per kapita dan tren urbanisasi ditemukan memiliki dampak negatif pada ketimpangan pendapatan daerah.
Tanda-tanda koefisien dalam persamaan regresi (Model 1-3) secara luas konsisten dengan studi empiris sebelumnya tentang dampak variabel kebijakan regional pada kesenjangan daerah. Sebagian besar variabel yang secara statistik diterima pada signifikan fi tingkat cance 5-10%, dan mereka menunjukkan tidak ada masalah dengan multikolinearitas dalam arti bahwa nilai-nilai Variance Dalam inflasi Factor
(VIF) untuk semua variabel independen yang lebih rendah dari nilai kritis 10 Misalnya , nilai VIF maksimum adalah 1,8704 untuk pelayanan pendidikan di Model 1, dan 2,4510 dan 2,4897 untuk PDB per kapita di Model 2 dan 3, masing-masing. Tingkat yang relatif tinggi koefisien determinasi tersirat bahwa pangsa yang cukup besar dari tren ketidaksetaraan pendapatan daerah
dijelaskan oleh dispersi spasial instrumen kebijakan dan pembangunan ekonomi nasional dengan berbagai efek lag. The coeffient untuk PDB per kapita di Model 1 diperkirakan sebagai? 4,0343, yang menunjukkan bahwa ketimpangan pendapatan daerah dipamerkan tren menurun karena pertumbuhan ekonomi nasional melanjutkan. Dalam hal perubahan marjinal dalam pendapatan daerah
ketimpangan, variabel pelayanan pendidikan tertinggi, diikuti oleh variabel transportasi dan pasokan air fasilitas, jaringan informasi, dan kesempatan kerja. Hasil ini dapat diterjemahkan untuk menyediakan dukungan utama untuk kebijakan pendidikan di daerah-daerah tertinggal dan di daerah pedesaan di bawah kendala anggaran pemerintah. Dalam Model 1, koefisien Gini ketimpangan pendapatan daerah akan berkurang sebesar 1,3237 poin% pada akhir tiga tahun jika ada penurunan dari angka 1% dalam koefisien Gini layanan pendidikan, memegang variabel lain konstan. Secara relatif, kebijakan informasi terbukti memiliki efek jangka pendek pada