First-difference GMM FD-GMM Data Panel Dinamis
49
N = 99 ;
T = 24
l = jumlah lag
α = konstanta ;
∆MP = perubahan BI Rate
∆ ln GDP = laju pertumbuhan PDB riil Inflasi
= tingkat inflasi x
i,t-1
= lag karakteristik bank ke-i ; x
i,t-1
∆MP = interaksi karakteristik bank dengan perubahan BI Rate x
i,t-1
∆ ln GDP = interaksi karakteristik bank dengan pertumbuhan PDB riil x
i,t-1
inflasi = interaksi karakteristik bank dengan inflasi ɛ
it
= error term Model 3.31 akan diestimasi dengan memasukkan tiga variabel
karakteristik bank secara terpisah maupun secara bersama-sama. Hal tersebut dilakukan untuk melihat siginifikansi dari masing-masing karakteristik maupun
dari ketiga karakteristik secara bersamaan yang dapat menjelaskan karakteristik mana yang paling berpengaruh dalam pertumbuhan kredit bank. Spesifikasi model
3.31 diestimasi dengan masing-masing karakteristik bank tanpa variabel pertumbuhan PDB dan inflasi, yaitu :
1. Karakteristik ukuran aset size. ∆ ln L
i,t
= α
+ ∑ β ∆ ln
,
+ ∑ γ ∆
+ μ size
i,t-1
+ ∑
θ
,
∆ + ɛ
it
3.32 2. Karakteristik likuiditas liquidity.
∆ ln L
i,t
= α
+ ∑ β ∆ ln
,
+ ∑ γ ∆
+ ω liq
i,t-1
+ ∑
θ
,
∆ + ɛ
it
3.33 3. Karakteristik kapital capitalisation.
∆ ln L
i,t
= α
+ ∑ β ∆ ln
,
+ ∑ γ ∆
+ τ cap
i,t-1
+ ∑
θ
,
∆ + ɛ
it
3.34 4. Karakteristik ukuran aset size, likuiditas liquidity, kapital capitalisation.
∆ ln L
i,t
= α + ∑
β ∆ ln
,
+ ∑ γ ∆
+ μ size
i,t-1
+ ∑
θ
,
∆ +
ω liq
i,t-1
+ ∑
θ
,
∆ +
τ cap
i,t-1
+ ∑
θ
,
∆ + ɛ
it
3.35 Spesifikasi model 3.31 diestimasi dengan masing-masing karakteristik
bank dengan variabel pertumbuhan PDB dan inflasi, yaitu : 1. Karakteristik ukuran aset size.
∆ ln L
i,t
= α
+ ∑
β ∆ ln
,
+ ∑
γ ∆ +
∑ δ ∆ ln
+ ∑ ∂
+ μ size
i,t- 1
+ ∑
θ
,
∆ +
∑ θ
,
∆ ln +
∑ θ
,
+ ɛ
it
3.36 2. Karakteristik likuiditas liquidity.
∆ ln L
i,t
= α
+ ∑
β ∆ ln
,
+ ∑
γ ∆ +
∑ δ ∆ ln
+ ∑ ∂
+ ω liq
i,t-1
+ ∑
θ
,
∆ +
∑ θ
,
∆ ln +
∑ θ
,
+ ɛ
it
3.37 3. Karakteristik kapital capitalisation.
∆ ln L
i,t
= α
+ ∑
β ∆ ln
,
+ ∑
γ ∆ +
∑ δ ∆ ln
+ ∑ ∂
+ τ cap
i,t-1
+ ∑
θ
,
∆ +
∑ θ
,
∆ ln +
∑ θ
,
+ ɛ
it
3.38 4. Karakteristik total aset size, likuiditas liquidity, kapital capitalisation.
51
∆ ln L
i,t
= α
+ ∑ β ∆ ln
,
+ ∑ γ ∆
+ μ size
i,t-1
+ ∑
θ
,
∆ + ∑
θ
,
∆ ln +
∑ θ
,
+ ω
liq
i,t-1
+ ∑
θ
,
∆ + ∑
θ
,
∆ ln +
∑ θ
,
+ τ
cap
i,t-1
+ ∑
θ
,
∆ + ∑
θ
,
∆ ln +
∑ θ
,
+ ɛ
it
3.39 Untuk memperkaya analisis dengan menggunakan data yang ada maka
selain mengestimasi model dinamis dengan metode GMM, penelitian ini juga akan mengestimasi model pooled dengan metode pooled regression. Dengan
pooled regression, restriksi semua koefisien adalah sama untuk semua unit individu tidak lagi diberlakukan. Pooled regression mengasumsikan bahwa
koefisien konstanta, karakteristik bank, perubahan BI rate dan interaksi karakteristik bank dengan perubahan BI rate adalah berbeda antar individu bank.
Model yang diestimasi merujuk pada model yang digunakan oleh Ehrmann et al. 2001, yang menggunakan model pooled regression untuk menganalisis tiap
negara yang termasuk dalam zona Euro. Model Ehrmann et al.2001 untuk pooled regression adalah sebagai berikut :
∆ ln L
i,t
= α
i
+ β
1
∆ ln
,
+ ∑ γ ∆
,
+ ∑ δ ∆ ln
,
+ ∑
∂
,
+ μx
i,t-1
+ ∑
θ
,
∆
,
+ ∑
θ
,
∆ ln
,
+ ∑
θ
, ,
+ ∑
ω ∆
+ ω
2j
c
c
x
i,t-1
+ ∑ ω
,
∆
,
+ ɛ
it
3.40 dengan :
∆ ln L
i,t
= pertumbuhan kredit bank ke-i triwulan ke-t ; i = 1,2,....,N ; t=1,2,....,T T
= 24 l
= jumlah lag α
i
= konstanta ; intersep spesifik bank ∆MP
= perubahan BI Rate ∆ ln GDP = laju pertumbuhan PDB riil