63
pada akhirnya mengurangi efisiensi parameter. Model Random Effect mengestimasi data panel dimana variabel
gangguan mungkin saling berhubungan antar waktu dan antar individu. Model yang tepat digunakan untuk
mengestimasi Random Effect adalah Generalized least Square GLS sebagai estimatornya, karena dapat
meningkatkan efisiensi dari least square.
b. Pemilihan model regresi data panel
Dari ketiga model yang telah dijelaskan sebelumnya, selanjutnya akan ditentukan model yang paling tepat untuk
mengestimasi parameter regresi data panel. Secara formal terdapat tiga pengujian yang dapat digunakan, diantaranya:
a Pemilihan antara Common Effect Model dan Fixed
Effect Model
Untuk mengetahui apakah Fixed Effect Model lebih baik dibandingkan Common Effect Model dapat dilakukan
dengan melihat signfikansi model Fixed Effect Model dengan uji statstik F. Pengujian seperti ini dikenal juga
dengan istilah Uji Chow Likelihood Test Ratio. Hipotesis nol H
yang digunakan adalah intersep atau slope adalah sama. Adapun uji-F statistknya adalah sebagai berikut:
64
Dimana: n
: Jumlah individu. T
: Jumlah periode waktu. K
: Banyaknya parameter untuk model RSS
1
dan RSS
2
: Residual sum f squares untuk Common Effect Model dan Fixed Effect Model
Dasar penolakan terhadap hipotesis tersebut adalah dengan membandingkan perhitungan F-statistik dengan F-tabel.
Perbandingan dipakai apabila hasil F-hitung lebih besar dari F-tabel, maka H
ditolak yang berarti model yang lebih tepat digunakan adalah Fixed Effect Model. Atau H
ditolak p-value
lebih kecil dari signifikansi α yang digunakan dalam penelitian sebesar 5 atau 0,05 Juanda dan Junaidi,
2012 : 195.
b Pemilihan antara Common Effect model dan Random
Effect Model
Untuk mengetahui apakah Random Effect Model lebih baik dibandingkan Common Effect Model, dapat digunakan Uji
Lagrange Multiplier LM yang dikembangkan oleh
ℎ =
− − 1
− −
65
Bruesch-Pagan. Pengujian ini didasarkan pada nilai residual dari Common Effect Model. Hipotesis nol H
yang digunakan adalah intersep bukan merupakan peubah random atau stokastik. Dengan kata lain, varian dari
residual Random Effect Model bernilai nol. Adapun nilai statistik LM dihitung berdasarkan formula sebagai berikut:
Dimana: n : Jumlah individu
T : Jumlah periode waktu : Residual metode Common Effect Model
Uji LM ini didasarkan pada distribusi chi-square dengan derajat bebas sebesar 1. Jika hasil satistik LM lebih besar
dari nilai kritis statistik chi-square, maka hipotesis nol H akan ditolak, yang berarti estimasi yang tepat untuk regresi
data panel adalah Random Effect Model.
c Pemilihan antara Fixed Effect Model dan Random
Effect Model
Untuk mengetahui apakah Fixed Effect Model lebih baik dari Random Effect Model, digunakan Uji Hausman.
= 2
−
1
∑
[
∑
]
∑ ∑ −
1
66
Dengan mengikuti kriteria Wald, nilai intristik Hausman ini akan mengikuti distribusi chi-square sebagai berikut:
Statistik uji Hausman mengikuti distribusi chi-square dengan derajat bebas degree of freedom sebesar peubah
bebas K. H ditolak jika nilai statistik Hausman lebih
besar dari pada nilai kritis statistik chi-square dan model yang tepat digunakan untuk regresi dari data panel
adalah Fixed Effect Model. Atau H ditolak jika p-value
statistik chi-square lebih kecil dari signifikansi α yang
digunakan dalam penelitian sebesar 5 atau 0,05 Juanda dan Junaidi, 2012 : 197.
2. Uji Asumsi Klasik