Efek Tetap Efek Acak

lebih akurat jika dibandingkan dengan regresi biasa, karena dalam panel berarti menggabungkan data cross section dan time series bersama sama sehingga memiliki jumlah observasi data yang lebih banyak. Kelemahan dalam metode ini adalah tidak terlihatnya perbedaan baik antar individu karena data yang semakin berkurangnya degree of freedom akibat adanya penambahan variabel dummy pada persamaan, dan terntunya akan memengaruhi keefisienan parameter yang diduga. Pendugaan metode ini dinyatakan dalam persamaan 2.5. Yit = αi + βj xjit + it …................................................................................... 2.5 dimana : yit = variabel terikat di waktu t untuk unit cross section i αi = intersep yang akan berbeda antar individu cross section i xjit = variabel bebas j di waktu t untuk unit cross section i βj = parameter untuk variabel ke j it = komponen error di waktu t untuk unit cross section i

2.5.2. Efek Tetap

Metode pooled least square memiliki kekurangan, yaitu tidak terlihatnya perbedaan baik antar individu, sehingga asumsi intersep dan slope dari persamaan regresi yang dianggap konstan. Sedangkan untuk generalisai secara umum, dapat dilakukan dengan memasukkan variabel dummy untuk menghasilkan nilai parameter yang berbeda beda pada setiap unit cross section. Metode dengan memasukkan variabel dummy disebut dengan metode Fixed Effect atau Least Square Dummy Variable. Metode fixed effect akan menghasilkan intersep yang berbeda beda antar unit cross section. Kelemahan pada metode ini adalah semakin berkurangnya degree of freedom akibat adanya penambahan variabel dummy pada persamaan, dan terntunya akan memengaruhi keefisienan parameter yang diduga. Pendugaan metode ini dinyatakan dalam persamaan 2.6. Yit = αi + βj xjit + it ....................................................................................... 2.6 dimana : yit = variabel terikat di waktu t untuk unit cross section i αi = intersep yang akan berbeda antar individu cross section i xjit = variabel bebas j di waktu t untuk unit cross section i βj = parameter untuk variabel ke j it = komponen error di waktu t untuk unit cross section i

2.5.3. Efek Acak

Pada metode efek acak random effect karakteristik antar individu terlihat pada komponen error yang ada pada model. Hal ini tidak akan mengurangi derajat bebas degree of freedom akibat penambahan variabel, sehingga efisiensi dalam pendugaan parameter juga tidak berkurang. Bentuk model efek acak ini adalah : Yit = α + βj xjit + wit ....................................................................................... 2.7 dimana : yit = variabel terikat di waktu t untuk unit cross section i α1i = α1 + it , dengan nilai intersep yang akan berbeda antar individu cross section i akibat random error it antar individu tersebut O x jit = variabel bebas j di waktu t untuk unit cross section i β j = parameter untuk variabel ke j w it = it + τ i , yaitu it : error dan τ i : individual effect Dalam pengolahan data panel, terdapat pilihan untuk menggunakan kriteria pembobotan yang berbeda beda, yakni: 1. No Weighting : semua observasi diberi bobot yang sama. 2. Cross Section Weight : Generalized Least Square GLS dengan menggunakan estimasi varians residual cross section. Digunakan apabila ada asumsi bahwa terdapat cross section heteroskedasticity. 3. SUR seemingly unrelated regression : GLS menggunakan estimasi residual covariance matrix cross section. Metode ini mengoreksi baik heteroskedastisitas maupun autokorelasi antar unit cross section.

2.6. Penelitian Terdahulu