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 term 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 .
c. Tahap analisis data
Dalam memilih model yang paling tepat untuk digunakan dalam regresi
data panel, terdapat beberapa pengujian yang dapat dilakukan diantaranya :
1 Uji Chow
Uji chow adalah pengujian untuk menentukan model fixed effect atau common effect yang lebih tepat untuk digunakan dalam estimasi data panel. Dalam uji chow
hipotesisnya adalah sebagai berikut :
Ho : Common Effect
H1 : Fixed Effect
Penguji uji chow menggunakan software Eviews adalah dengan menggunakan uji likelihood ratio, lalu yang menjadi dasar penolakan dalam hipotesis diatas adalah
dengan membandingkan perhitungan F hitung dengan F tabel atau membandingkan nilai probabilitasnya dengan
a
= 5. Perbandingan yang dimaksud adalah apabila F hitung pada uji chow lebih besar dari F tabel, atau nilai probabilitas lebih kecil dari
0.05 maka Ho ditolak artinya model yang lebih tepat digunakan adalah Fixed Effect, sebaliknya jika F hitung lebih kecil dari F tabel atau nilai probability lebih besar dari
0.05 maka Ho diterima dan model yang lebih tepat digunakan adalah common effect.
2 Uji Hausman
Uji Hausman adalah uji yang digunakan dalam menentukan model fixed effect atau random effect yang lebih sesuai untuk digunakan dalam estimasi data panel.
Hipotesis dalam uji hausman adalah sebagai berikut :
Ho : Random Effect
H1 : Fixed Effect
Uji ini deikembangkan oleh Hausman dengan didasarkan pada ide bahwa LSDV di dalam model fixed effect dan GLS adalah efisien sedangkan model OLS
adalah tidak efisien, dilain pihak alternatifnya metode OLS efisien dan GLS tidak efisien. Statistik uji Hausman ini mengikuti distribusi statistik chi-squares dengan
degree of freedom sebanyak k, dimana k adalah jumlah variabel independen. Hipotesis null pada uji Hausman adalah model random effect lebih baik, jika nilai
statitstik Hauman lebih besar daripada nilai kritis statistik chi-square, maka hipotesis
null akan ditolak, yang berarti model estimasi yang tepat untuk regresi data panel adalah fixed effect. Sebaliknya apabila nilai statistik hausman lebih kecil dari nilai
kritis Chi-Squares maka hipotesis null diterima yang artinya model yang tepat untuk regresi data panel adalah random effect.
3. Uji Lagrange Multiplier
Uji Lagrange Multiplier digunakan untuk mengetahui apakah model random effect Lebh baik dari model common effect digunakan Lagrange Multiplier LM. Uji
Signifikansi random effect ini dikembangkan oleh Breusch-Pagan. Pengujian didasarkan pada nilai residual dari metode common effect. Uji LM ini didasarkan
pada distribusi Chi-Squares dengan derajat kebebasan df sebesar jumlah variabel independen. Hipotesis null-nya adalah bahwa model yang tepat untuk regresi data
panel adalah Common Effect, dan hipotesis alternatifnya adalah model yang tepat untuk regresi data panel adalah random effect.
4
.
Ho : Common Effect
H1 : Random Effect
Apabila nilai LM hitung lebih besar dari nilai kritis Chi-Squares maka hipotesis null ditolak yang artinya model yang tepat untuk regresi data panel adalah
4
Sopana, “Data Panel. Diakses pada 27 September 2015 dari http:bengkeldata.comdata- panel-pengertian-analisis-regresi-data-panel-fixed-effect-random-effect-serta-cara-olahdata-panel-uji-
chow-uji-hausman-uji-lagrange.
