Kawasan Timur Indonesia KTI
31 jam kerja, upah pekerja, dan lain-lain. Variabel terikat pengeluaran membeli
rumah akan bernilai nol jika unit observasinya tidak membeli rumah. Begitupula untuk variabel jam kerja atau upah kerja akan bernilai nol jika sampel yang
diobservasi tidak bekerja. Salah satu tujuan dari penelitian ini adalah menganalisis faktor-faktor yang
memengaruhi ketahanan pangan di KTI, dimana variabel terikatnya adalah jumlah rumah tangga dalam bentuk persentase. Masalah yang dihadapi adalah bila dalam
suatu kabupaten tidak terdapat rumah tangga yang tahan pangan, maka data persentase rumah tangga tahan pangan tidak akan tersedia atau bernilai 0.
Dengan demikian sampel dapat dibagi menjadi dua kelompok, yaitu n1, sampel yang mempunyai informasi variabel bebas dan variabel terikat persentase rumah
tangga tahan pangan, dan sisanya n2 adalah sampel yang hanya mempunyai informasi variabel bebas tetapi tidak mempunyai informasi variabel terikat.
Sampel dimana informasi variabel terikat hanya ada untuk beberapa observasi dikenal dengan censored sample atau sampel tersensor yang dikenal dengan
model tobit Gujarati, 2004. Model tobit data panel dapat dituliskan sebagai berikut Maddala, 1987:
∗
= +
= 1, 2, …. ,
3.7
=
∝
+ = 1, 2, …. ,
3.8 ∝
~ 0,
∝
3.9
~ 0,
3.10
=
∗
jika
∗
3.11 Misalkan:
= 1 jika
∗
3.12 = 0 selainnya
Fungsi log kemungkinannya log-likelihood adalah:
=
∑
1
−
d Log
∅
∝ ,
+
∑ −
− −∝ −
,
′ 3.13
Tidak seperti pada model linier, sepanjang jumlah observasi cross section tetap T tetap dan biasanya kecil, hal ini tidak mungkin untuk mengestimasi
secara konsisten fixed effects ∝ dan hal ini juga menyebabkan estimasi dan
32 tidak konsisten Maddala, 1987. Model tobit panel bersyarat belum bisa
diestimasi secara fixed effect karena tidak ada statistik yang mengijinkan fixed effect
dijelaskan oleh fungsi likelihood. Honore telah mengembangkan estimator semiparametrik untuk model tobit fixed effect. Namun, estimasi model tobit fixed
effect sifatnya masih bias. Selain itu, Kalwij 2004 menyatakan alasan utama
pendekatan random effect lebih dipilih dibandingkan fixed effect adalah karena pendekatan random effect menghasilkan model spesifik yang dapat digunakan
untuk menghitung marginal effects.