-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
PANDUAN REGRESI DATA PANEL
Data panel adalah gabungan antara data runtut waktu (time
series) dan data silang (cross section. Menurut Agus Widarjono
(2009) penggunaan data panel dalam sebuah observasi mempunyai
beberapa keuntungan yang diperoleh. Pertama, data panel yang
merupakan gabungan dua data time series dan cross section mampu
menyediakan data yang lebih banyak sehingga akan lebih menghasilkan
degree of freedom yang lebih besar. Kedua, menggabungkan informasi
dari data time seriesdan cross section dapat mengatasi masalah yang
timbul ketika ada masalah penghilangan variabel
(omitted-variabel).
Hsiao (2014), mencatat bahwa penggunaan panel data dalam
penelitian ekonomi memiliki beberapa keuntungan utama dibandingkan
data jenis cross section maupun time series. Pertama, dapat
memberikan peneliti jumlah pengamatan yang besar, meningkatkan
degree of freedom (derajat kebebasan), data memiliki variabilitas
yang besar dan mengurangi kolinieritas antara variabel penjelas, di
mana dapat menghasilkan estimasi ekonometri yang efisien. Kedua,
panel data dapat memberikan informasi lebih banyak yang tidak dapat
diberikan hanya oleh data cross section atau time series saja. Dan
Ketiga, panel data dapat memberikan penyelesaian yang lebih baik
dalam inferensi perubahan dinamis dibandingkan data cross
section.
Menurut Wibisono (2005) k eunggulan regresi data panel antara
lain : Pertama. Panel data mampu memperhitungkan heterogenitas
individu secara ekspilisit dengan mengizinkan variabel spesifik
individu. Kedua. Kemampuan mengontrol heterogenitas ini selanjutnya
menjadikan data panel dapat digunakan untuk menguji dan membangun
model perilaku lebih kompleks. Ketiga, data panel mendasarkan diri
pada observasi cross-section yang berulang-ulang (time series),
sehingga metode data panel cocok digunakan sebagai study of dynamic
adjustment. Keempat, tingginya jumlah observasi memiliki implikasi
pada data yang lebih informative, lebih variatif, dan kolinieritas
(multikol) antara data semakin berkurang, dan derajat kebebasan
(degree of freedom/df) lebih tinggi sehingga dapat diperoleh
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
hasil estimasi yang lebih efisien. Kelima, data panel dapat
digunakan untuk mempelajari model-model perilaku yang kompleks. Dan
Keenam, Data panel dapat digunakan untuk meminimalkan bias yang
mungkin ditimbulkan oleh agregasi data individu.
Model Regresi Panel dari judul diatas sebagai berikut ini:
Y = α + b1X1it + b2X2it +…..+ e
Keterangan:
Y = Variabel dependen (LDR) α = Konstanta X1 = Variabel
independen 1 X2 = Variabel independen 2 b(1,2…) = Koefisien regresi
masing-masing variabel independen e = Error term t = Waktu i =
Perusahaan
Dalam metode estimasi model regresi dengan menggunakan data
panel dapat dilakukan melalui tiga pendekatan, antara lain:
1. Common Effect Model
Merupakan pendekatan model data panel yang paling sederhana
karena hanya mengkombinasikan data time series dan cross section.
Pada model ini tidak diperhatikan dimensi waktu maupun individu,
sehingga diasumsikan bahwa perilaku data perusahaan sama dalam
berbagai kurun waktu. Metode ini bisa menggunakan pendekatan
Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk
mengestimasi model data panel.
2. Fixed Effect Model
Model ini mengasumsikan bahwa perbedaan antar individu dapat
diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data
panel model Fixed Effects menggunakan teknik variable dummy untuk
menangkap
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
perbedaan intersep antar perusahaan, perbedaan intersep bisa
terjadi karena perbedaan budaya kerja, manajerial, dan insentif.
Namun demikian slopnya sama antar perusahaan. Model estimasi ini
sering juga disebut dengan teknik Least Squares Dummy Variable
(LSDV).
3. Random Effect Model
Model ini akan mengestimasi data panel dimana variabel gangguan
mungkin saling berhubungan antar waktu dan antar individu. Pada
model Random Effect perbedaan intersep diakomodasi oleh error terms
masing-masing perusahaan. Keuntungan menggunkan model Random Effect
yakni menghilangkan heteroskedastisitas. Model ini juga disebut
dengan Error Component Model (ECM) atau teknik Generalized Least
Square (GLS)
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Gambar 1 Langkah-Langkah Penelitian Data Panel
Ya
Tidak
Studi Pustaka
(Kerangka Teori dan Studi Terdahulu)
Identifikasi Variabel Penelitian dan Pembentukan Model
Metode Estimasi Data Panel 1. Common Effect 2. Fixed Effect 3.
Random Effect
Pemilihan Model Regresi Data Panel 1. Uji Chow 2. Uji Lagrange
Multiplier 3. Uji Hausman
Pengolahan Data Uji Spesifikasi Model dan Uji
Asumsi Klasik
Estimasi Model dan Pengujian Hipotesis
Kesimpulan dan Saran
Memenuhi
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Data GDP, POP, KURS, GFCF, LIR, TR, TRADE dan IVA di 5 Negara
ASEAN
Tahun GDP POP Kurs GFCF LIR TR Trade IVA
IND
ON
ESIA
2000 4,121,726,241,993,900 211,540,428 8,422
1,060,872,288,362,200 18.46 99,643,790,476,190
2,944,432,464,112,750 1,967,791,836,600,200
2001 4,271,899,954,667,000 214,448,301 10,261
1,129,749,087,480,800 18.55 190,614,200,000,000
2,981,495,922,803,340 2,021,590,172,211,700
2002 4,464,113,041,849,300 217,369,087 9,311
1,182,784,395,845,000 18.95 215,467,500,000,000
2,637,374,038,628,250 2,107,764,749,213,200
2003 4,677,514,123,258,600 220,307,809 8,577
1,189,884,726,120,600 16.94 249,404,313,253,852
2,507,919,080,077,860 2,186,913,010,032,200
2004 4,912,833,962,560,100 223,268,606 8,939
1,364,599,072,554,300 14.12 283,093,000,000,000
2,935,973,057,506,130 2,273,100,844,234,100
2005 5,192,500,538,917,800 226,254,703 9,705
1,513,164,999,669,000 14.05 312,488,056,626,926
3,322,573,914,833,110 2,380,026,639,458,400
2006 5,478,137,490,010,100 229,263,980 9,159
1,552,460,084,009,500 15.98 343,625,377,952,311
3,103,755,304,808,870 2,486,855,317,982,500
2007 5,825,726,531,358,900 232,296,830 9,141
1,697,209,598,268,500 13.86 374,762,699,277,696
3,194,202,162,925,520 2,604,234,878,138,900
2008 6,176,068,457,506,700 235,360,765 9,699
1,898,942,099,974,500 13.60 658,701,000,000,000
3,616,792,130,902,920 2,701,585,275,030,700
2009 6,461,950,710,551,600 238,465,165 10,390
1,961,482,072,067,500 14.50 619,922,000,000,000
2,940,970,850,172,160 2,798,525,931,939,900
2010 6,864,133,100,000,000 241,613,126 9,090
2,127,840,682,000,000 13.25 723,307,000,000,000
3,205,637,598,235,500 2,936,192,400,000,000
2011 7,287,635,300,000,000 244,808,254 8,770
2,316,359,104,097,800 12.40 873,874,000,000,000
3,656,936,354,349,880 3,122,633,400,000,000
2012 7,727,083,400,000,000 248,037,853 9,387
2,527,728,790,484,400 11.80 980,518,000,000,000
3,831,311,903,721,210 3,288,298,000,000,000
2013 8,156,497,800,000,000 251,268,276 10,461
2,654,375,036,700,900 11.66 1,077,310,000,000,000
3,967,106,232,237,770 3,431,080,900,000,000
2014 8,566,271,200,000,000 254,454,778 11,865
2,775,733,579,064,600 12.61 1,145,282,928,434,310
4,116,716,178,297,760 3,577,694,800,000,000
2015 8,976,931,500,000,000 257,563,815 13,389
2,916,601,630,562,700 12.66 1,164,554,577,386,610
3,764,719,516,265,140 3,672,595,500,000,000
2016 8,164,934,610,302,790 260,013,489 12,935
2,542,077,573,709,210 11.56 935,748,526,661,157
4,201,921,841,339,830 3,547,268,352,813,750
2017 8,380,512,700,553,410 263,041,350 13,343
2,612,020,756,005,150 11.13 974,202,791,298,637
4,304,178,262,152,610 3,638,770,115,628,690
2018 8,596,090,790,804,030 266,069,210 13,751
2,681,963,938,301,090 10.69 1,012,657,055,936,110
4,406,434,682,965,400 3,730,271,878,443,630
SIN
GA
PO
RE
2000 183,379,000,000 4,027,887 1.72 57,109,300,000 5.83
24,606,000,000 671,297,132,015 49,397,500,000
2001 181,632,700,000 4,138,012 1.79 54,731,200,000 5.65
23,466,000,000 640,707,943,923 45,290,500,000
2002 189,282,500,000 4,175,950 1.79 50,010,400,000 5.35
21,025,000,000 670,586,235,664 47,163,100,000
2003 197,677,800,000 4,114,826 1.74 47,501,400,000 5.31
21,173,000,000 756,693,631,255 47,769,000,000
2004 216,554,400,000 4,166,664 1.69 52,075,500,000 5.30
22,563,000,000 879,843,366,239 52,653,700,000
2005 232,772,500,000 4,265,762 1.66 53,477,000,000 5.30
24,627,000,000 983,069,170,288 56,860,200,000
2006 253,396,600,000 4,401,365 1.59 58,541,200,000 5.31
27,940,000,000 1,090,511,558,656 63,055,200,000
2007 276,484,900,000 4,588,599 1.51 67,890,600,000 5.33
34,961,000,000 1,102,228,634,774 67,732,000,000
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Tahun GDP POP Kurs GFCF LIR TR Trade IVA
2008 281,427,400,000 4,839,396 1.41 75,333,000,000 5.38
37,679,000,000 1,237,314,366,668 67,653,400,000
2009 279,729,300,000 4,987,573 1.45 78,111,500,000 5.38
36,584,000,000 1,007,670,883,058 67,881,300,000
2010 322,361,100,000 5,076,732 1.36 84,224,800,000 5.38
41,807,100,000 1,199,503,600,000 84,111,900,000
2011 342,371,500,000 5,183,688 1.26 88,618,400,000 5.38
46,049,300,000 1,282,874,386,498 89,975,600,000
2012 354,937,000,000 5,312,437 1.25 95,931,600,000 5.38
50,081,500,000 1,303,099,571,415 92,002,000,000
2013 371,532,000,000 5,399,162 1.25 101,416,000,000 5.38
51,077,100,000 1,343,427,462,218 94,256,200,000
2014 383,644,000,000 5,469,724 1.27 98,777,300,000 5.35
54,083,600,000 1,380,249,251,424 96,904,600,000
2015 391,349,000,000 5,535,002 1.37 97,756,100,000 5.35
55,639,600,000 1,276,255,855,731 93,605,900,000
2016 378,799,288,506 5,589,202 1.25 98,542,169,425 5.04
50,567,927,816 1,422,227,212,025 94,751,036,782
2017 390,182,949,485 5,687,450 1.23 101,363,281,216 4.99
52,158,273,267 1,466,417,972,886 97,567,786,036
2018 401,566,610,463 5,785,698 1.20 104,184,393,007 4.94
53,748,618,717 1,510,608,733,747 100,384,535,291
MA
LA
YSIA
2000 1,148,003,261,100 51,360,341 3.80 128,089,585,500 7.67
48,709,000,000 2,530,283,567,400 252,963,440,700
2001 1,135,692,216,900 51,627,469 3.80 125,447,962,500 7.13
62,741,041,000 2,309,596,343,100 246,632,941,000
2002 1,234,364,173,200 54,313,322 3.80 126,172,668,100 6.53
66,859,000,000 2,460,785,113,800 256,965,744,900
2003 1,348,896,825,900 57,179,984 3.80 129,760,671,400 6.30
64,891,000,000 2,619,488,710,800 275,957,749,900
2004 1,526,959,233,900 61,743,758 3.80 134,371,788,600 6.05
72,051,000,000 3,212,322,502,500 295,216,014,600
2005 1,750,919,095,800 68,447,143 3.79 141,057,295,500 5.95
80,593,000,000 3,569,326,678,800 304,465,944,800
2006 1,922,297,721,300 72,460,107 3.67 149,892,719,300 6.49
86,630,341,000 3,894,145,623,900 317,580,854,500
2007 2,143,126,674,000 75,138,535 3.44 166,072,117,100 6.41
95,168,389,525 4,124,792,489,400 320,087,395,500
2008 2,480,079,502,800 85,628,170 3.34 170,207,590,500 6.08
112,897,300,469 4,381,521,541,195 317,288,727,200
2009 2,296,183,240,765 82,719,612 3.52 165,973,951,600 5.08
106,504,411,011 3,732,653,603,412 296,120,332,600
2010 2,645,921,057,400 90,575,721 3.22 184,291,000,000 5.00
109,515,185,226 4,179,100,235,400 310,501,000,000
2011 2,936,783,166,300 97,017,891 3.06 195,995,000,000 4.92
134,885,000,000 4,550,187,060,900 317,855,000,000
2012 3,128,496,596,100 99,526,719 3.09 233,202,000,000 4.79
151,643,000,000 4,625,225,806,500 333,553,000,000
2013 3,281,054,334,300 101,224,491 3.15 252,162,000,000 4.61
155,952,200,000 4,682,757,873,600 345,531,000,000
2014 3,564,037,632,600 105,256,037 3.27 264,235,000,000 4.59
164,204,890,000 4,929,400,721,700 366,742,000,000
2015 3,727,244,327,400 106,369,976 3.91 274,010,000,000 4.59
171,820,174,259 5,000,287,469,400 385,975,000,000
2016 3,312,462,743,639 106,050,403 3.76 240,567,558,210 4.11
148,973,844,049 5,321,087,688,624 391,630,457,386
2017 3,431,095,788,324 109,225,560 3.80 246,963,417,904 3.88
153,844,596,033 5,503,669,636,066 401,523,890,471
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Tahun GDP POP Kurs GFCF LIR TR Trade IVA
2018 3,549,728,833,009 112,400,717 3.84 253,359,277,598 3.65
158,715,348,016 5,686,251,583,508 411,417,323,556
PH
ILIP
HIN
ES
2000 3,580,714,144,600 77,932,247 44.19 22,780,068,912 10.91
657,897,000,000 3,750,076,902,703 1,233,773,328,500
2001 3,684,339,740,200 79,604,541 50.99 28,241,646,217 12.40
698,603,300,000 3,644,141,422,664 1,245,634,218,900
2002 3,818,667,014,300 81,294,378 51.60 32,665,121,487 9.14
777,180,201,653 3,911,654,622,596 1,281,633,984,300
2003 4,008,468,654,600 82,971,734 54.20 32,518,898,694 9.47
914,844,580,454 4,082,598,605,877 1,336,430,145,900
2004 4,276,941,311,300 84,596,249 56.04 31,791,893,213 10.08
1,032,942,517,592 4,389,960,376,553 1,406,338,222,200
2005 4,481,279,173,600 86,141,373 55.09 32,732,240,297 10.18
1,223,016,054,876 4,386,211,041,984 1,465,272,159,600
2006 4,716,230,536,300 87,592,899 51.31 27,782,334,454 9.78
1,313,608,090,000 4,477,628,221,117 1,532,814,099,000
2007 5,028,287,876,800 88,965,508 46.15 27,651,234,906 8.69
1,374,438,470,000 4,355,473,236,639 1,621,226,456,600
2008 5,237,100,460,900 90,297,115 44.32 34,110,276,561 8.75
1,493,400,000,000 3,994,978,933,960 1,699,171,312,900
2009 5,297,239,678,000 91,641,881 47.68 31,149,659,786 8.57
1,370,973,490,000 3,474,479,880,030 1,666,600,706,000
2010 5,701,538,990,500 93,038,902 45.11 40,997,390,701 7.67
1,613,942,200,000 4,072,010,141,559 1,859,515,257,400
2011 5,910,201,356,700 94,501,233 43.31 42,148,492,542 6.66
1,850,017,280,000 4,001,083,182,690 1,893,950,404,200
2012 6,305,228,000,000 96,017,322 42.23 40,341,662,592 5.68
1,908,089,229,239 4,092,057,890,248 2,031,443,000,000
2013 6,750,631,382,800 97,571,676 42.45 51,615,050,648 5.77
2,234,672,960,446 4,066,937,408,096 2,219,068,131,300
2014 7,170,414,383,100 99,138,690 44.40 54,322,486,994 5.53
2,104,916,011,848 4,392,838,913,938 2,391,188,162,800
2015 7,593,828,396,600 100,699,395 45.50 62,528,463,225 5.58
2,226,639,359,382 4,786,807,132,718 2,535,795,730,900
2016 6,709,102,527,567 102,660,095 54.71 48,133,076,269 4.38
2,046,163,554,941 5,090,859,842,252 2,180,660,780,772
2017 6,877,076,533,656 104,218,712 55.79 49,313,829,021 3.86
2,114,772,103,119 5,213,700,151,795 2,232,595,737,294
2018 7,045,050,539,745 105,777,329 56.86 50,494,581,774 3.35
2,183,380,651,297 5,336,540,461,339 2,284,530,693,817
TH
AIL
AN
D
2000 5,254,390,000,000 62,693,322 40.11 1,169,038,000,000 7.83
657,897,000,000 6,373,463,864,778 1,927,493,000,000
2001 5,435,364,000,000 63,415,174 44.43 1,190,489,000,000 7.25
698,603,300,000 6,536,987,066,250 1,972,132,000,000
2002 5,769,578,000,000 64,136,669 42.96 1,264,207,000,000 6.88
777,180,201,653 6,633,269,000,000 2,137,333,000,000
2003 6,184,372,000,000 64,817,254 41.48 1,423,985,000,000 5.94
914,844,580,454 7,216,719,210,212 2,330,706,000,000
2004 6,573,325,000,000 65,404,522 40.22 1,649,896,000,000 5.50
1,032,942,517,592 8,375,209,795,797 2,498,509,000,000
2005 6,848,605,000,000 65,863,973 40.22 1,885,491,000,000 5.79
1,223,016,054,876 9,441,069,296,356 2,629,316,000,000
2006 7,188,838,000,000 66,174,486 37.88 1,934,759,000,000 7.35
1,313,608,090,000 9,639,280,718,938 2,766,905,000,000
2007 7,579,558,000,000 66,353,572 34.52 1,968,711,000,000 7.05
1,374,438,470,000 9,843,810,058,786 2,949,715,000,000
2008 7,710,356,000,000 66,453,255 33.31 2,014,697,000,000 7.04
1,493,400,000,000 10,828,190,199,033 3,017,886,000,000
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Tahun GDP POP Kurs GFCF LIR TR Trade IVA
2009 7,653,432,000,000 66,548,197 34.29 1,795,686,000,000 5.96
1,370,973,490,000 9,098,188,909,247 2,958,856,000,000
2010 8,227,953,000,000 66,692,024 31.69 2,003,974,000,000 5.94
1,613,942,200,000 10,429,526,413,952 3,268,640,000,000
2011 8,296,548,000,000 66,902,958 30.49 2,101,553,000,000 6.91
1,850,017,280,000 11,520,956,231,846 3,134,519,000,000
2012 8,896,468,000,000 67,164,130 31.08 2,326,689,000,000 7.10
1,908,089,229,239 12,256,242,432,126 3,362,631,000,000
2013 9,136,861,000,000 67,451,422 30.73 2,303,576,000,000 6.96
2,234,672,960,446 12,129,469,377,752 3,408,964,000,000
2014 9,211,567,000,000 67,725,979 32.48 2,248,499,000,000 6.77
2,104,916,011,848 12,155,262,559,984 3,397,938,000,000
2015 9,472,101,000,000 67,959,359 34.25 2,354,425,000,000 6.56
2,226,639,359,382 12,010,739,741,105 3,473,353,000,000
2016 9,581,084,527,582 70,220,299 38.03 2,239,457,166,099 4.77
2,046,163,554,941 13,100,796,034,461 3,686,402,218,541
2017 9,821,753,731,260 70,740,037 38.40 2,271,216,203,380 4.47
2,114,772,103,119 13,514,300,617,845 3,784,104,999,890
2018 10,062,422,934,937 71,259,775 38.77 2,302,975,240,662 4.17
2,183,380,651,297 13,927,805,201,228 3,881,807,781,239
Sumber : Laporan Bank Dunia
Persamaan Regresi Data Panel :
GDP = f (POP, KURS, GFCF, LIR, TR, TRADE, IVA)
GDPt = α0 + α1 POPt + α2KURSt +α3GFCFt + α4LIRt + α5TRt + α6
TRADEt+ α6IVAt + εt
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Ada 2 cara meregres data panel dalam program eviews, yaitu :
1. Cara Pertama
Cara memindah data dari excel ke eviews sebagai berikut :
a. Buka Excell yang datanya akan kita pindah ke eviews
b. Buka eviews
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Klik File New Workfile
Maka akan muncul dilayar
Pilih Dated-regular frequency
Pilih Frequency Annual
Dan Isi Start Date 2000
End date 2018 tekan OK
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Pilih Object New Object
Muncul dilayar
Isi DATAPANEL
Pilih Pool
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Dilayar akan muncul :
Dan isilah
Kemudian pilih Proc Import Pool Data (ASCI,XLS,WK?)…
Sebanyak Negara yang
dijadikan sampel
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Perhatikan data yang akan kita impor, file tersebut harus
dalam
keadaan tertutup. Dan yang kita ingat adalah letak data
pertama
Dan kita cari posisi file tersebut
Klik Open
Letak data awal yang akan di copy di kursor D3
Pilih Excel (*.xls)
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Klik OK dan akan muncul dilayar
Jika muncul tampilah diatas, maka upload data panel di
eviews
sukses
Lokasi Kursor di awal data
Tulislah semua symbol variabel yang
dijadikan sampel data dan diakhiri
dengan tanda tanya
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Cara melakukan regresi data panel
Klik datapanel
Dilayar akan muncul
Pilih Estimate
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Isilah Variabel terikatnya dan variabel bebasnya dan
diakhiri
setiap variabel dengan tanda tanya
Dalam meregres data panel akan dihasilkan 3 Model : 1. Model
Common Effect 2. Model Fixed Effect 3. Model Random Effect
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Model Common Effect
Karena muncul tanda E
berarti perbedaan nilai antar
variabel sangat besar,
sehingga perlu kita kecilkan
dengan model logaritma
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Setelah semua variabel kita log kan (kecuali LIR karena dalam
persen)
didapat hasil sebagai berikut :
Menunjukan
angka elastisitas
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Model Fixed Effect
Hasil Regresi
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Model Random Effect
Hasil Regresi
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Pemilihan Metode Pengujian Data Panel Uji Chow (Uji likelihood)
Uji Chow merupakan uji untuk menentukan model terbaik antara Fixed
Effect Model dengan Common/Pool Effect Model. Jika hasilnya
menyatakan menerima hipotesis nol maka model yang terbaik untuk
digunakan adalah Common Effect Model. Akan tetapi, jika hasilnya
menyatakan menolak hipotesis nol maka model terbaik yang digunakan
adalah Fixed Effect Model, dan pengujian akan berlanjut ke uji
Hausman. Chow test yakni pengujian untuk menentukan model Common
Effect atau Fixed Effect yang paling tepat digunakan dalam
mengestimasi data panel. Hipotesis dalam uji chow adalah: H0 :
Common Effect Model atau pooled OLS H1 : Fixed Effect Model
Uji Hausman
Hausman test yakni pengujian untuk menentukan model Fixed Effet
atau Random Effect yang paling tepat digunakan dalam mengestimasi
data panel. Hipotesis dalam uji chow adalah:
H0 : Random Effect Model H1 : Fixed Effect Model
Jika dari hasil Uji Hausman tersebut menyatakan menerima
hipotesis nol maka model yang terbaik untuk digunakan adalah
model Random Effect. Akan tetapi, jika hasilnya menyatakan menolak
hipotesis nol maka model terbaik yang digunakan adalah model Fixed
Effect.
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Uji Chow
Regres Model Fixed Effect
Klik View Fixed/Random Effect Testing
Hasilnya sebagai berikut :
Karena nilai prob. 0.000 < dari nilai α = 0.05 maha Ho
ditolak,
sehingga model terbaik adalah Model Fixed Effect
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Uji Hausman
Regres Model Random effect
Hasil Uji Hausman
Karena nilai prob. 0.000 < dari nilai α = 0.05 maha Ho
ditolak,
sehingga model terbaik adalah Model Fixed Effect
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Dari hasil Uji Chow dan Uji Hauman memutuskan model terbaik
adalah Model Fixed Effect, sehingga Uji LM tidak perlu kita
lakukan.
Uji Asumsi Klasik
Uji asumsi klasik yang digunakan dalam regresi linier dengan
pendekatan Ordinary Least Squared (OLS) meliputi uji Linieritas,
Normalitas, Multikolinieritas, Heteroskedastisitas dan
Autokorelasi. Walaupun demikian, tidak semua uji asumsi klasik
harus dilakukan pada setiap model regresi linier dengan pendekatan
OLS (Gujarati, 2003)
a. Uji linieritas hampir tidak dilakukan pada setiap model
regresi linier. Karena sudah diasumsikan bahwa model bersifat
linier. Kalaupun harus dilakukan semata-mata untuk melihat sejauh
mana tingkat linieritasnya.
b. Uji normalitas pada dasarnya tidak merupakan syarat BLUE
(Best Linier Unbias Estimator) dan beberapa pendapat tidak
mengharuskan syarat ini sebagai sesuatu yang wajib dipenuhi.
c. Multikolinieritas perlu dilakukan pada saat regresi linier
menggunakan lebih dari satu variabel bebas. Jika variabel bebas
hanya satu, maka tidak mungkin terjadi multikolinieritas.
d. Heteroskedastisitas biasanya terjadi pada data cross section,
dimana data panel lebih dekat ke ciri data cross section
dibandingkan time series.
e. Autokorelasi hanya terjadi pada data time series. Pengujian
autokorelasi pada data yang tidak bersifat time series (cross
section atau panel) akan sia-sia semata atau tidaklah berarti.
Sehingga dalam data panel cukup di uji Multikolinearitas dan Uji
Heteroskedastisitas.
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Uji Multikolinearitas
Salah satu asumsi regresi linier klasik adalah tidak adanya
multikolinearitas sempurna (no perfect multicolinearity) tidak
adanya hubungan linier antara variabel penjelas dalam suatu model
regresi. Istilah ini multikoliniearitas itu sendiri pertama kali
diperkenalkan oleh Ragner Frisch tahun 1934. Menurut Frisch, suatu
model regresi dikatakan terkena multikoliniearitas bila terjadi
hubungan linier yang sempurna (perfect) atau pasti (exact) di
antara beberapa atau semua variabel bebas dari suatu model regresi.
Akibatnya akan kesulitan untuk dapat melihat pengaruh variabel
penjelas terhadap variabel yang dijelaskan (Maddala, 1992:
269-270).
Untuk menguji multikolinearitas bisa dibandingkan R kuadrat
regresi variabel bebas terhadap variabel terikat dengan R kuadrat
regresi antar variable bebasnya. Jika R2 regresi variabel bebas
terhadap variabel terikat lebih besar dari R2 regresi antar
variable bebasnya, maka dapat disimpulkan bahwa model tersebut
tidak mengandung multikolinearitas.
Karena model terbaik adalah Fixed Effect Model, maka model
inilah yang akan kita uji apakah model tersebut memenuhi asumsi
klasik. Lakukan regres seperti dibawah ini dan lihar R21 :
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Didapat R21 = 0.999774
Lakukan regres seperti dibawah ini dan lihar R22 :
Didapat R22 = 0.941266
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Lakukan regres seperti dibawah ini dan lihar R23 :
Didapat R23 = 0.995060
Lakukan regres seperti dibawah ini dan lihar R24 :
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Didapat R24 = 0.999547
Lakukan regres seperti dibawah ini dan lihar R25 :
Didapat R25 = 0.997681
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Lakukan regres seperti dibawah ini dan lihar R26 :
Didapat R26 = 0.999616
Lakukan regres seperti dibawah ini dan lihar R27 :
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Didapat R27 = 0.964295
R21 = 0.999774 Lebih besar
R22 = 0.941266
R23 = 0.995060
R24 = 0.999547
R25 = 0.997681
R26 = 0.999616
R27 = 0.964295
Kesimpulan karena R21 > R22, R
23, R
24, R
25, R
26, R
27 maka model fixed
effect tidak mengandung multikolinearitas.
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Uji Heteroskedastisitas
Heteroskedastisitas tidak merusak sifat kebiasan dan konsistensi
dari penaksir OLS, tetapi penaksir tadi tidak lagi efisien yang
membuat prosedur pengujian hipotesis yang biasa nilainya diragukan.
Oleh karena itu jika suatu model terkena heteroskedastisitas
diperlukan suatu tindakan perbaikan pada model regresi untuk
menghilangkan masalah heteroskedastisitas pada model regresi
tersebut.
Lakukan regres terhadap model fixed effect, kemudian klik
Proc
Make Residuals
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Akan muncul dilayar
Resid ini otomatis akan tersimpan
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Lakukan regresi ulang klik Estimate
Gantilah Log(GDP?) dengan Log(abs(resid?)) lalu tekan OK,
dan
akan muncul dilayar
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Model diatas tidak mengandung heteroskedastisitas
Tidak
Signifikan
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
2. Cara Kedua
Copy data yang ada di excel
Dari GDP sampai IVA
Buka Eviews
Pilih File New Workfile
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Pilih Balanced Panel dan isi Panel specification
Akan muncul tampilan
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Klik Quick Empty Group (Edit Series)
Copy data di Excell
Dan Pastekan di sini
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Sehingga muncul tampilan sebagai berikut :
Cara Meregres dengan cara kedua ini
Klik Proc Make Equation
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Ganti
gdp pop kurs gfcf lir tr trade iva c
Dengan
log(gdp) log(pop) log(kurs) log(gfcf) lir log(tr) log(trade)
log(iva)
c
Klik Panel Options
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Untuk Regresi Common Effeck pilih
Dan hasil regresinya
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Untuk Regresi Fixed Effeck pilih
Dan hasil regresinya
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Untuk Regresi Random Effeck pilih
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Dan hasil regresinya
Untuk pemilihan Model terbaik
Uji Chow
Estimate Regresi Model Fixed Effect
Pilih View Fixed/Random Effect Testing Redundan
Fixed Effect – Likelihood Ratio
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Muncul Hasil Uji Chow
Kesimpulan :
Ho ditolak artinya Model Fixed Effect adalah model terpilih
Uji Hausman
Estimate Regresi Model Random Effect Effect
Pilih View Fixed/Random Effect Testing Correlated
Random Effect – Hausman Test
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Hasil Uji Hauman
Kesimpulan :
Ho ditolak artinya Model Fixed Effect adalah model terpilih
Berdasarkan Uji Chow dan Uji Hausman Model Terpilih adalah
Model Fixed Effect
Uji Asumsi Klasik
Uji Normalitas
Pilih View Residual Diagnostics Histogram – Normality
Test
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Hasil Uji Normalitas
Karena nilai probabilitas < 0,05 maka data tidak
berdistribusi normal
Uji Multikolinearitas
Klik gdp pop kurs gfcf lir tr trade iva
Kemudian klik kanan dan klik Copy
Kemudian klik Quick Group Statistics Correlation
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Maka akan muncul
Klik OK
Klik Yes
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Ceck apakah ada nilai > 0.85
Atau untuk uji multikolinearitas gunakan cara dengan
membandingkan
R2 hasil regres variabel bebas terhadap variabel dengan R2 hasil
regres
antar variabel bebasnya.
Uji Heteroskedastisitas
Buka hasil regresi Model Fixed Effect Model
Pilih Proc Make Residual Series
Akan muncul tampilan
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Pilih OK
Kemudian klik Estimate
Ganti
log(gdp) log(pop) log(kurs) log(gfcf) lir log(tr) log(trade)
log(iva) c
Dengan
log(abs(resi01)) log(pop) log(kurs) log(gfcf) lir log(tr)
log(trade)
log(iva) c
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Dan hasilnya
Tidak signifikan
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
Hasil Analisis
Interpretasi Regresi Data Panel Model Fixed Effect
Variable Coefficient Std. Error
C -2.823947 1.889121
LOG(POP?) 0.215406*** 0.016576
LOG(KURS?) 0.197261** 0.082540
LOG(GFCF?) -0.095415*** 0.019391
LIR? -0.030963*** 0.007783
LOG(TR?) -0.035275 0.069587
LOG(TRADE?) 0.918337*** 0.043936
LOG(IVA?) 0.150876** 0.072395
R-squared 0.999774
Keterangan :
*** signifikan pada α = 1 % ** signifikan pada α = 5 % *
signifikan pada α = 10 %
Hasil regresi tersebut dapat kita susun menjadi persamaan
regresi
sebagai berikut :
LOG(GDP) = - 2.8239 + 0.2154 LOG(POP) + 0.1972 LOG(KURS) -
0.0309 LIR - 0.0954 LOG(GFCF) - 0.0352 LOG(TR) + 0.9183 LOG(TRADE)
+ 0.1509 LOG(IVA)
-
Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah
Yogyakarta
Bahan Ajar Rgresi Data Panel Agus Tri Basuki, SE., M.Si.
DAFTAR PUSTAKA
Gujarati, D. N. (2003). Basic Econometrics” fourth edition
McGraw-Hill. New York.
Hsiao, C. (2014). Analysis of panel data (No. 54). Cambridge
university press.
Maddala, G. S., & Lahiri, K. (1992). Introduction to
econometrics(Vol. 2). New York:
Macmillan.
Wibisono, Y. (2005). Metode statistik. Gajah Mada University,
Yogyakarta.
Widarjono, A. (2009). Ekonometrika pengantar dan aplikasinya.
Yogyakarta: Ekonisia.