Terdapat tiga metode pada teknik estimasi model panel data, yaitu :
1. Pooled OLS
Metode pooled OLS merupakan suatu metode pengkombinasian sederhana antara data time series dan cross section, selanjutnya dilakukan estimasi model
yang mendasar menggunakan OLS. Spesifikasikan model yaitu: Y
it
= α + X
it
Dimana i adalah urutan kabupatenkota yang diobservasi pada data cross section, t menunjukkan periode pada data time series. Namun, pada metode ini intersep dan
koefisien setiap variabel sama untuk setiap kabuaptenkota yang diobservasi.
2. Fixed Effect Model
Masalah yang timbul pada penggunaan metode pooled OLS yaitu adanya asumsi bahwa intersep dan koefisien dari setiap variabel sama pada setiap
kabupatenkota yang diobservasi. Untuk memperhitungkan individualitas dari setiap unit cross section dapat dilakukan dengan cara menjadikan intersep berbeda
pada tiap kabupatenkota. Pada metode fixed effect ditambahkan variabel dummy untuk mengubah intersep, tetapi koefisien-koefisien lainnya tetap sama bagi setiap
kabupatenkota yang diobservasi. Spesifikasikan model yaitu: Y
it
= α +
i
X
it
+
2
W
2t
+
3
W
3t
+ ...+
N
W
NT
+
2
Z
i2
+
3
Z
i3
+... +
T
Z
it
+ it Dimana Wit = 1 untuk kabupatenkota ke-i, i = 2,…, N
0 untuk lainnya Zit = 1 untuk kabupatenkota ke-t, t = 2,…, T
0 untuk lainnya Penambahan variabel dummy N-1+T-1 dalam model menghasilkan
kolienaritas yang sempurna di antara variabel-variabel penjelas. Koefisien dari variabel dummy akan mengukur perubahan intersep cross section dan time series.
3. Random Effect Model
Terdapat masalah dalam fixed effect yaitu dengan dimasukannya dummy akan menyebabkan berkurangnya derajat bebas sehingga mengurangi efisiensi
parameter. Masalah ini dapat diatasi menggunakan model random effect yang dapat mengamati individual effect di semua unit observasi karena dilakukan
dengan pengambilan sampel dari populasi. Dalam model ini individual effect tidak berkorelasi dengan regressor atau individual effect yang mempunyai pola acak
sehingga pada model individual effect terpisah dengan error term. Y
it
= α
i
+ X
it
+ U
it
, dimana α
i =
α + τ
i
sehingga model pertama menjadi Y
it
= α + X
it
+ U
it
+ τ
i
Dari model tersebut diketahui random effect mempunyai galat kombinasi, yaitu : W
it
= U
it
+ τ
i ,
dimana τ
i
merupakan error dari unobserved variable. Metode analisis dalam random effect menggunakan Generalized Least
Square GLS untuk mengendalikan keragaman error agar lebih homogen karena ragam error selalu berubah-ubah. Dengan metode ini model ditransformasi dengan
memberikan bobot pada data asli lalu menerapkan metode OLS pada model yang telah ditransformasi. Penduga GLS lebih konsisten dan efisien daripada OLS.
3.3 Metode Pemilihan Model 3.3.1 Uji Chow
Kategori