2. Hausman Test
Hausman Test adalah uji yang digunakan untuk memilih model terbaik
diantara model fixed effect dengan random effect. Dalam Huasman Test dapat dibuat hipotesis sebagai berikut:
H
0 :
Model random effect H
1 :
Model fixed effect Sebagai dasar penolakan H
maka digunakan Statistik Hausman dan membandingkannya dengan Chi-Square. Statistik Hausman dirumuskan sebagai
berikut: M = β - b M
-M
1 -1
β – b ~X
2
K ................................................................10 Dimana:
β : Vektor statistik variabel fixed effect,
b : Vektor statistik variabel random effect,
M : Matriks kovarians untuk dugaan random effect.
Jika nilai M hasil pengujian lebih besar dari x
2
-tabel, maka cukup melakukan penolakan terhadap hipotesa nol sehingga model terbaik yang dapat
digunakan adalah model fixed effect, dan begitu pula sebaliknya.
3. Uji F-statistic
Uji F-statistic dilakukan untuk mengetahui pengaruh variabel independen atau independen secara bersama-sama terhadap variabel dependen atau dependen.
Adapun langkah-langkah untuk menguji hipotesis dengan distribusi F adalah sebagai berikut :
1. Merumuskan hipotesis.
H0 : β1 = β2 = β3 = β4 = β5 = β6 = 0 H1 : minimal ada satu slope β yang ≠ 0
2. Menentukan taraf nyata α atau derajat keyakinan yang digunakan sebesar α = 1, 5, 10
3. Menentukan uji statistik seperti yang disajikan di bawah ini. F hitung =
dfs dfr
⁄
………………………………………………11 dimana :
RSS = jumlah kuadrat regresi, ESS = jumlah kuadrat error,
dfr = derajat bebas regresi, dfs = derajat bebas error.
4. Penentuan kriteria uji. H0 ditolak apabila Fhitung Ftabel dengan derajat bebas pembilang = DF
regression
= v1 = k, dan derajat bebas penyebut = DF
Error
= v2 = n-k-
1 atau α, artinya semua variabel independen secara bersama- sama merupakan penjelas yang signifikan terhadap variabel dependen.
4. Uji t- statistic
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen.
Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual. Adapun langkah-langkah dalam pengujian ini adalah sebagai berikut :
1. Merumuskan hipotesis.
Ho : βi = 0, artinya variabel independen bukan merupakan penjelas yang
signifikan terhadap variabel dependen
Ha : βi ≠ 0, artinya variabel independen merupakan penjelas yang signifikan terhadap variabel dependen.
2. Menentukan taraf nyata α atau derajat keyakinan yang digunakan sebesar α = 1, 5, 10.
3. Menentukan uji statistik seperti yang disajikan di bawah ini. ⁄
…………………………………………………12 dimana :
Sd b1 = simpangan baku dari parameter dugaan, b1 = parameter dugaan.
4. Penentuan kriteria uji. H0 ditolak apabila |thitung| t α 2; n– k-1 atau α,
artinya ada pengaruh antara variabel independen terhadap variabel dependen.
5. R -Squared R
2
Kesesuaian model dihitung dengan nilai koefisien determinasi R2 yang bertujuan untuk mengukur keragaman variabel independen yang dapat
diterangkan oleh variabel dependen. R
2
menunjukkan besarnya pengaruh semua variabel independen terhadap variabel dependen.
⁄ …………………………….…………………………..13
dimana : RSS = jumlah kuadrat regresi,
TSS = jumlah kuadrat total.
Selang R
2
yang digunakan adalah 0 ≤
2
≤ 1.
2
= 1 berarti 100 persen variasi dalam variabel dependen dapat dijelaskan oleh variabel-variabel
independennya. Sedangkan R
2
= 0 berarti tidak satupun variabel dependen tidakdapat dijelaskan oleh variabel- variabel independennya.
Pengujian Asumsi Model
Dalam permasalahan analisis regresi termasuk panel data sering ditemukan masalah yang perlu dilakukan pengujian klasik, antara lain pengujian normalitas,
multikolinearitas, autokorelasi, dan heteroskedastisitas.
1. Normalitas
Uji normalitas ditujukan untuk mengetahui apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah model yang
memiliki nilai residual yang terdistribusi normal. Sehingga uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Dalam
penerapan OLS untuk regresi linier klasik, diasumsikan bahwa distribusi residual memiliki nilai rata-rata yang diharapkan sama dengan nol, tidak berkorelasi dan
mempunyai varian yang konstan. Dengan asumsi ini OLS estimator atau penaksir
akan memenuhi sifat-sifat statistik yang diinginkan seperti unbiased dan memiliki varian yang minimum.
Ada beberapa uji untuk mengetahui normal atau tidaknya nilai residual antara lain dengan menggunakan Jarque-Bera test atau J-B test. Uji ini menggunakan hasil
estiminasi residual dan chisquare probability distribution. Statistik uji J-B test dapat dilihat dibawah ini Gujarati 2006.
Kategori