commit to user 58
Baltagi 1995 dalam Gujarati, 2003 menyatakan bahwa keunggulan data panel dibandingkan dengan data runtun waktu dan
data lintas sektor adalah: a. Estimasi data panel dapat menunjukkan adanya heterogenitas dalam tiap
unit. b. Dengan data panel, data lebih informative, mengurangi kolinearitas antar
variabel, meningkatkan derajat kebebasan dan lebih efisien. c. Data panel lebih cocok digunakan untuk menggambarkan adanya
dinamika perubahan. d. Data panel dapat lebih mampu mendeteksi dan mengukur dampak.
e. Data panel dapat digunakan untuk studi dengan model yang lebih lengkap.
f. Data panel dapat meminimumkan bias yang mungkin dihasilkan dalam agregasi.
2. Estimasi Model Data Panel
a. Pendekatan Kuadrat Terkecil Pooled Least SquareCommon effect
Teknik yang paling sederhana untuk mengestimasi data panel yang merupakan data time series dan cross section dengan
menggunakan metode OLS, dikenal dengan estimasi Common Effect
. Pendekatan tersebut tidak memperhatikan dimensi individu maupun waktu. Perilaku data antar variabel diasumsikan sama
dalam berbagai kurun waktu. Y
it
= α + β
1
X
1it
+ β
2
X
2it
+ е
it
....................................................................... 3.2
commit to user 59
untuk i = 1,2……..N dan t = 1,2………..T di mana i adalah cross-section identifiers dan t adalah time-series
identifier
b. Pendekatan Efek Tetap Fixed Effect
Kesulitan terbesar dalam pendekatan metode kuadrat terkecil biasa adalah asumsi intersep dan slope dari persamaan
regresi yang dianggap konstan baik antar daerah maupun antar waktu. Asumsi ini sangat ketat dan mungkin tidak beralasan. Satu
cara untuk memperhatikan “ke-khas-an” unit cross-section atau unit time-series adalah dengan memasukkan variabel boneka
dummy variable untuk mengizinkan terjadinya perbedaan nilai
parameter yang berbeda-beda, baik lintas unit cross-section maupun unit waktu.
Pendekatan yang paling sering dilakukan adalah dengan mengizinkan intercept bervariasi antar unit cross-section namun
tetap mengasumsikan bahwa slope koefisien adalah konstan antar unit cross-section. Pendekatan dimana ”slope coefficient constant
but intercept varies across individuals” dalam literatur dikenal
dengan sebutan model efek tetap fixed effect modelFEM. Pendekatan tersebut dapat dituliskan dalam persamaan sebagai
berikut: Y
it
= α
i
+ β
1
X
1it
+ β
2
X
2it
+ е
it
..................................................................... 3.3
commit to user 60
Persamaan tersebut kini ditambahkan subscript i pada intersep yang menandakan bahwa intercept antar individu mungkin berbeda.
Istilah fixed effect datang dari kenyataan bahwa walaupun intercept mungkin berbeda antar individu, namun
intercept tersebut tidak bervariasi sepanjang waktu; dengan kata
lain time invariant. Jika menulis intercept sebagai α
it
, berarti intercept
tiap individu adalah time variant. Model tersebut juga mengasumsikan bahwa koefisien regresi slope tetap antar
individu dan antar waktu. Model Fixed Effect dapat diestimasikan dimana intersep
berbeda antar individu digunakan metode teknik variabel dummy untuk menjelaskan perbedaan intersep tersebut. Model estimasi ini
seringkali disebut dengan teknik Least squares Dummy Variabels LSDV. Model Fixed Effect dengan teknik variabel dummy dapat
ditulis sebagai berikut:
it it
it i
i i
it
u X
X D
D D
Y +
+ +
+ +
+ =
3 3
2 2
4 4
3 3
2 2
1
b b
a a
a a
............................... 3.4
dimana : D
2i
= 1 untuk variabel 1 = 0 untuk variabel lainnya
model LSDV juga disebut sebagai model covarian. Ho
: Pooled Least Square PLS Ha
: Fixed Effect Model FEM
commit to user 61
Dasar penolakan terhadap hipotesa nol tersebut adalah
dengan menggunakan F Statistik seperti yang dirumuskan oleh Chow
Aisyah, 2007: 174 sebagai berikut:
K N
R m
R R
F
UR R
UR
- -
- =
1
2 2
2
.................................................................................. 3.5
Jika nilai F Stat hasil pengujian lebih besar dari F Tabel, maka cukup bukti untuk melakukan penolakan terhadap hipotesa nol
sehingga model yang akan digunakan adalah model fixed effect, begitu juga sebaliknya.
3. Uji Hipotesis
