3.4.1. Chow Test
Chow Test atau yang dalam beberapa buku disebut juga sebagai pengujian F Statistics adalah pengujian untuk memilih apakah model yang digunakan
Pooled Least Square atau Fixed Effect. Seperti yang kita ketahui, terkadang asumsi bahwa setiap unit cross section memiliki perilaku yang sama cenderung
tidak realistis mengingat dimungkinkan saja setiap unit cross section memiliki perilaku yang berbeda. Pengujian ini dilakukan dengan hipotesa sebagai berikut:
H : Model Pooled Least Square
H
1
: Model Fixed Effect
Dasar penolakan terhadap hipotesa nol tersebut adalah dengan menggunakan F- Statistik seperti yang dirumuskan oleh Chow:
CHOW = 1
K N
NT URSS
N URSS
RRSS −
− −
− 3.10
dimana: RRSS = Residual Sum Square hasil pendugaan model Pooled Least Square,
URSS = Residual Sum Square hasil pendugaan model Fixed Effect, N = Jumlah data cross section,
T = Jumlah data time series, K = Jumlah variabel penjelas.
Pengujian statistik Chow mengikuti distribusi F-Statistik dengan derajat bebas N-1, NT-N-K. Jika nilai CHOW Statistics F-Stat hasil pengujian lebih
besardari F Tabel, maka cukup bukti untuk melakukan penolakan terhadap hipotesa nol, sehingga model yang digunakan adalah model fixed effect, begitu
juga sebaliknya.
3.4.2. Hausman Test
Hausman Test adalah pengujian statistik sebagai dasar pertimbangan kita dalam memilih antara penggunaan model fixed effect atau model random effect.
Seperti yang kita ketahui bahwa penggunaan model fixed effect mengandung suatu unsur trade off yaitu hilangnya derajat kebebasan dengan memasukkan peubah
boneka dummy. Pengujian ini dilakukan dengan hipotesa sebagai berikut:
H : Model Random Effect
H
1
: Model Fixed Effect
Dasar penolakan terhadap hipotesa nol tersebut adalah dengan menggunakan Statistik Hausman dan membandingkannya dengan Chi square.
Statistik Hausman dirumuskan dengan: m =
β-b’M – M
1 -1
β-b ~ x
2
K 3.11 Dimana
β adalah vektor untuk statistik variabel fixed effect, b adalah vektor untuk statistik variabel random effect, M
adalah matriks kovarians untuk dugaan Fixed Effect Model dan M
1
adalah matriks kovarians untuk dugaan Random Effect Model. Jika nilai m hasil pengujian lebih besar dari x
2
- Tabel, maka cukup bukti untuk melakukan penolakan terhadap hipotesa nol, sehingga
model yang digunakan adalah model fixed effect, begitu juga sebaliknya.
3.4.3. LM Test
Kategori