7/23/2019 Analsis Statistik Data Panel http://slidepdf.com/reader/full/analsis-statistik-data-panel 1/28 PANEL DATA REGRESSION A. Pengertian Data Panel Metode panel adalah metode ekonometrika yang menggabungkan penggunaan data cross-section dan data time series. Metode ini telah digunakan secara luas dan terus mengalami perkembangan seiring dengan perkembangan penggunaan data cross-country dalam berbagai rentang waktu, di antaranya untuk meneliti purchasing power parity, konvergensi pertumbuhan ekonomi, international R & D spillover dan sebagainya. Data panel biasa disebut data longitudinal atau data runtun waktu silang ( cross-sectional time series), dimana banyak kasus (orang, perusahaan, Negara dan lainlain) diamati pada dua periode waktu atau lebih yang diindikasikan dengan penggunaan data time series. Data panel dapat men!elaskan dua macam in"ormasi yaitu# in"ormasi cross-section pada perbedaan antar sub!ek, dan in"ormasi time series yang mere"leksikan perubahan pada sub!ek waktu. $etika kedua in"ormasi tersebut tersedia, maka analisis data panel dapat digunakan. Analisis data panel dapat diterapkan pada beberapa bidang keilmuan dan terapan misalnya, pada ilmu ekonomi kita dapat mempela!ari perilaku perusahaan dan system pengga!ian karyawan pada beberapa periode waktu tertentu, dalam ilmu politik kita dapat mempela!ari perilaku parta dan organisasi pada beberapa !angka waktu tertentu, dan dalam bidang pendidikan, peneliti dapat mempela!ari kelaskelas siswa dan lulusan pada beberapa waktu. Dengan pengamatan berulang terhadap data cross section yang cukup, analisis data panel memungkinkan seseorang dalam mempela!ari dinamika perubahan dengan dengan data time series. $ombinasi data time series dan cross section dapat meningkatkan kualitas dan kuantitas data dengan pendekatan yang tidak mungkin dilakukan dengan menggunakan hanya salah satu dari data tersebut (%u!arati, ''). Analisis data panel dapat mempela!ari sekelompok sub!ek !ika kita ingin mempertimbangkan baik dimensi data maupun dimensi waktu. Menurut altagi (*++) ada beberapa keuntungan dari penggunaan data panel# *. $arena data panel berhubungan dengan individuindividu, perusahaan, negara, dan sebagainya, dari waktu ke waktu, maka secara otomatis dapat membuatnya memiliki unobserved heterogeneity pada unitunit tersebut. -eknik yang digunakan dalam mengestimasi data panel bisa mengambil unobserved heterogeneity secara eksplisit dan memasukkannya ke dalam perhitungan dengan membiarkannya untuk variabel spesi"ik
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Metode panel adalah metode ekonometrika yang menggabungkan penggunaan data
cross-section dan data time series. Metode ini telah digunakan secara luas dan terus mengalami
perkembangan seiring dengan perkembangan penggunaan data cross-country dalam berbagai
rentang waktu, di antaranya untuk meneliti purchasing power parity, konvergensi pertumbuhan
ekonomi, international R & D spillover dan sebagainya.
Data panel biasa disebut data longitudinal atau data runtun waktu silang (cross-sectional
time series), dimana banyak kasus (orang, perusahaan, Negara dan lainlain) diamati pada dua
periode waktu atau lebih yang diindikasikan dengan penggunaan data time series. Data panel
dapat men!elaskan dua macam in"ormasi yaitu# in"ormasi cross-section pada perbedaan antar sub!ek, dan in"ormasi time series yang mere"leksikan perubahan pada sub!ek waktu. $etika
kedua in"ormasi tersebut tersedia, maka analisis data panel dapat digunakan.
Analisis data panel dapat diterapkan pada beberapa bidang keilmuan dan terapan
misalnya, pada ilmu ekonomi kita dapat mempela!ari perilaku perusahaan dan system pengga!ian
karyawan pada beberapa periode waktu tertentu, dalam ilmu politik kita dapat mempela!ari
perilaku parta dan organisasi pada beberapa !angka waktu tertentu, dan dalam bidang pendidikan,
peneliti dapat mempela!ari kelaskelas siswa dan lulusan pada beberapa waktu.
Dengan pengamatan berulang terhadap data cross section yang cukup, analisis data panel
memungkinkan seseorang dalam mempela!ari dinamika perubahan dengan dengan data time
series. $ombinasi data time series dan cross section dapat meningkatkan kualitas dan kuantitas
data dengan pendekatan yang tidak mungkin dilakukan dengan menggunakan hanya salah satu
dari data tersebut (%u!arati, ''). Analisis data panel dapat mempela!ari sekelompok sub!ek
!ika kita ingin mempertimbangkan baik dimensi data maupun dimensi waktu.
Menurut altagi (*++) ada beberapa keuntungan dari penggunaan data panel#
*. $arena data panel berhubungan dengan individuindividu, perusahaan, negara, dan
sebagainya, dari waktu ke waktu, maka secara otomatis dapat membuatnya memiliki
unobserved heterogeneity pada unitunit tersebut. -eknik yang digunakan dalam
mengestimasi data panel bisa mengambil unobserved heterogeneity secara eksplisit dan
memasukkannya ke dalam perhitungan dengan membiarkannya untuk variabel spesi"ik
2ersamaan di atas menun!ukkan dimana terdapat tambahan e"ek waktu yang
dilambangkan dengan deltha yang dapat bersi"at tetap ataupun bersi"at acak antar tahunnya.
Metode Regresi Data 2anel akan memberikan hasil pendugaan yang bersi"at Best inear
!nbiased "stimation #B!"$ !ika semua asumsi %auss Markov terpenuhi diantaranya adalah
non-autcorrelation.
&on-autcorrelation inilah yang sulit terpenuhi pada saat kita melakukan analisis pada
data panel. 5ehingga pendugaan parameter tidak lagi bersi"at BCA. 3ika data panel dianalisis
dengan pendekatan modelmodel time series seperti "ungsi transfer , maka ada in"ormasikeragaman dari unit cross section yang diabaikan dalam pemodelan. 5alah satu keuntungan dari
analisis regresi data panel adalah mempertimbangkan keragamaan yang ter!adi dalam unit cross
section.
-idak seperti regresi biasanya, regresi data panel harus melalui tahapan penentuan model
estimasi yang tepat. erikut diagram tahapan dari regresi data panel#
Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan
melalui tiga pendekatan, antara lain#
*. -o**on E44e5t odel atau Pooled Leat S6uare (PLS)# Merupakan pendekatan
model data panel yang paling sederhana karena hanya mengkombinasikan data time
series dan cross section. 2ada model ini tidak diperhatikan dimensi waktu maupun
individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai
kurun waktu. Metode ini bisa menggunakan pendekatan :rdinary Beast 5uare (:B5)
atau teknik kuadrat terkecil untuk mengestimasi model data panel.
. 7i8ed E44e5t odel (7E)# Model ini mengasumsikan bahwa perbedaan antar individu
dapat diakomodasi dari perbedaan intersepnya. Cntuk mengestimasi data panel modelEi?ed A""ects menggunakan teknik variable dummy untuk menangkap perbedaan intersep
antar perusahaan, perbedaan intersep bisa ter!adi karena perbedaan budaya ker!a,
mana!erial, dan insenti". Namun demikian slopnya sama antar perusahaan. Model
estimasi ini sering !uga disebut dengan teknik Beast 5uares Dummy >ariable (B5D>).
. Rando* E44e5t odel (RE)# Model ini akan mengestimasi data panel dimana variabel
gangguan mungkin saling berhubungan antar waktu dan antar individu. 2ada model
Random A""ect perbedaan intersep diakomodasi oleh error terms masingmasing
perusahaan. $euntungan menggunkan model Random A""ect yakni menghilangkan
heteroskedastisitas. Model ini !uga disebut dengan Arror 8omponent Model (A8M) atau
teknik %eneraliFed Beast 5uare (%B5) .
Cntuk memilih model yang paling tepat terdapat beberapa pengu!ian yang dapat
dilakukan, antara lain#
*. 9i -"ow:tet ( pool effect vs fixed effect )
Cntuk mengetahui model mana yang lebih baik dalam pengu!ian data panel, bisa
dilakukan dengan penambahan variabel dummy sehingga dapat diketahui bahwa
intersepnya berbeda dapat diu!i dengan u!i 5tatistik E. C!i ini digunakan untuk
mengetahui apakah teknik regresi data panel dengan metode 'i(ed "ffect lebih baik dari
regresi model data panel tanpa variabel dummy atau metode )ommon "ffect . Gipotesis
nul pada u!i ini adalah bahwa intersep sama, atau dengan kata lain model yang tepat
untuk regresi data panel adalah )ommon "ffect , dan hipotesis alternati"nya adalah
intersep tidak sama atau model yang tepat untuk regresi data panel adalah 'i(ed "ffect .
Nilai 5tatistik E hitung akan mengikuti distribusi statistik E dengan dera!at
kebebasan (deggre of freedom) sebanyak m untuk numerator dan sebanyak n 6 k untuk
denumerator m merupakan merupakan !umlah restriksi atau pembatasan di dalam model
tanpa variabel dummy. 3umlah restriksi adalah !umlah individu dikurang satu. n
merupakan !umlah observasi dan k merupakan !umlah parameter dalam model 'i(ed
"ffect . 3umlah observasi #n$ adalah !umlah individu dikali dengan !umlah periode,
sedangkan !umlah parameter dalam model 'i(ed "ffect #k$ adalah !umlah variabel
ditambah !umlah individu. 4pabila nilai E hitung lebih besar dari E kritis maka hipotesis
nul ditolak yang artinya model yang tepat untuk regresi data panel adalah model 'i(ed "ffect . Dan sebaliknya, apabila nilai E hitung lebih kecil dari E kritis maka hipotesis nul
diterima yang artinya model yang tepat untuk regresi data panel adalah model )ommon
"ffect .
8how test adalah pengu!ian untuk menentukan model Ei?ed A""et atau Random
A""ect yang paling tepat digunakan dalam mengestimasi data panel.
4pabila Gasil#
G'# 2ilih 2B5
G*# 2ilih EA
#. 9i ;au*an
Gausman telah mengembangkan suatu u!i untuk memilih apakah metode 'i(ed
"ffect dan metode *andom "ffect lebih baik dari metode )ommon "ffect . C!i Gausman
ini didasarkan pada ide bahwa east +,uares Dummy ariables (B5D>) dalam metode
metode 'i(ed "ffect dan %enerali.ed east +,uares (%B5) dalam metode *andom "ffect
adalah e"isien sedangkan Ordinary east +,uares (:B5) dalam metode )ommon "ffect
tidak e"isien. Dilain pihak, alternati"nya adalah metode :B5 e"isien dan %B5 tidak
e"isien. $arena itu, u!i hipotesis nulnya adalah hasil estimasi keduanya tidak berbeda
sehingga u!i Gausman bisa dilakukan berdasarkan perbedaan estimasi tersebut.
5tatistik u!i Gausman mengikuti distribusi statistik )hi-+,uares dengan dera!at
kebebasan #df$ sebesar !umlah variabel bebas. Gipotesis nulnya adalah bahwa model yang
tepat untuk regresi data panel adalah model *andom "ffect dan hipotesis alternati"nya
memperkirakan nilai yang sebenarnya. $orelasi yang kuat antara variabel bebas dinamakan
multikolinieritas.Menurut 8hatter!ee dan 2rice dalam Nachrowi (''), adanya korelasi antara variabel
variabel bebas men!adikan intepretasi koe"isienkoe"isien regresi me!adi tidak benar lagi.
Meskipun demikian, bukan berarti korelasi yang ter!adi antara variabelvariabel bebas tidak
diperbolehkan, hanya kolinieritas yang sempurna ( perfect collinierity) sa!a yang tidak
diperbolehkan, yaitu ter!adinya korelasi linier antara sesama variabel bebasnya. 5edangkan untuk
si"at kolinier yang hampir sempurna (hubungannya tidak bersi"at linier atau korelasi mendekati
nol) masih diperbolehkan atau tidak termasuk dalam pelanggaran asumsi.4da beberapa cara untuk mengidenti"ikasi adanya multikolinieritas, dan cara yang paling
mudah adalah dengan mencari nilai koe"isien korelasi antar variabel bebas. $oe"isien korelasi
antara dua variabel yang bersi"at kuantitati" dapat menggunakan coefficient correlation pearson,
dengan rumus sebagai berikut#
Dimana 0 i dan 1 i adalah variabel bebas yang akan dicari nilai koe"isien korelasinya dan n
adalah !umlah data dari kedua variabel bebas tersebut. Nilai mutlak dari koe"isien korelasi
besarnya dari nol sampai satu. 5emakin mendekati satu, maka dapat dikatakan semakin kuat
hubungan antara kedua variabel tersebut dan artinya semakin besar kemungkinan ter!adinya
multikolinieritas.
• 9i ;eterokedatiita
Regresi data panel tidak sama dengan model regresi linier, oleh karena itu pada model
data panel perlu memenuhi syarat BCA ( Best inear !nbiased "stimator ) atau terbebas dari
pelanggaran asumsiasumsi dasar (asumsi klasik). 3ika dilihat dari ketiga pendekatan yang
dipakai, maka hanya u!i heteroskedastisitas sa!a yang relevan dipakai pada model data panel.
C!i heteroskedastisitas digunakan untuk melihat apakah residual dari model yang
terbentuk memiliki varians yang konstan atau tidak. 5uatu model yang baik adalah model yang
memiliki varians dari setiap gangguan atau residualnya konstan. Geteroskedastisitas adalah
keadaan dimana asumsi tersebut tidak tercapai, dengan kata lain dimana adalah ekspektasi dari
eror dan adalah varians dari eror yang berbeda tiap periode waktu.
Dampak adanya heteroskedastisitas adalah tidak e"isiennya proses estimasi, sementara
hasil estimasinya tetap konsisten dan tidak bias. Aksistensi dari masalah heteroskedastisitas akan
menyebabkan hasil C!it dan C!iE men!adi tidak berguna (miss leanding ).