3.2.2 Koefisien Tetap Antar Waktu dan Individu : Ordinary Least Square
Teknik ini tidak ubahnya dengan membuat regresi dengan data cross section atau time series. Akan tetapi untuk data panel, sebelum membuat regresi maka harus
menggabungkan data cross-section dengan data time series pool data. Kemudian data gabungan ini diperlakukan sebagai suatu kesatuan pengamatan untuk
mengestimasi model dengan metode OLS. Metode ini dikenal dengan estimasi Common Effect. Akan tetapi, dengan menggabungkan data, maka kita tidak dapat
melihat perbedaan baik antar individu maupun antar waktu. Atau dengan kata lain, dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu.
Diasumsikan bahwa perilaku data antar perusahaaan sama dalam berbagai kurun waktu.
Bila terdapat asumsi bahwa α dan β akan sama konstan untuk setiap data
time series dan cross section, maka α dan β dapat diestimasi dengan model berikut
menggunakan NxT pengamatan Y
it
= α + β X
it
+ ε
it
; i = 1,2,....,N; t = 1,2,….., T …………….……………3.1
3.2.3 Model Fixed Effects FEM
Model Fixed Effects FEM merupakan metode dengan menggunakan variabel dummy untuk menangkap adanya perbedaan intersep. Metode ini
mengasumsikan bahwa koefisien regresi slope tetap antar perusahaan dan antar waktu, namun intersepnya berbeda antar perusahaan namun sama antar waktu
time invariant. Namun metode ini membawa kelemahan yaitu berkurangnya derajat kebebasan degree of freedom yang pada akhirnya mengurangi efisiensi
parameter.Pendekatan tersebut dapat dituliskan pada persamaan sebagai berikut: Y = βjx + αi + uit ……………………………………………………3.2
dimana: Y
= variabel terikat di waktu t untuk unit cross sectioni α
= intersep yang berubah-ubah antar cross section unit x
= variabel bebas j di waktu t untuk unit cross sectioni β
= parameter untuk variabel ke-j it =
komponen error di waktu t untuk unit cross section
3.2.4 Pemilihan Model Data Panel
Untuk membuat keputusan dalam penggunaan model data panel FEM dan REM maka bisa ditentukan dengan membuat spesifikasi yang dikembangkan
oleh Hausmann. Spefikasi tersebut memberikan penilaian dengan menggunakan chi square statistics atau Uji F. Terdapat tiga pengujian statistik yang digunakan
dalam data panel untuk menentukan model mana yang paling baik untuk dipilih. 1.
Uji F atau chi square statistics Uji Statistik F digunakan untuk memilih antara metode OLS tanpa variabel
dummy atau Fixed Effect. Setelah melakukan regresi dua model yaitu model dengan asumsi bahwa slope dan intersep sama dan model dengan asumsi bahwa
slope sama tetapi beda intersep. Keputusan apakah sebaiknya menambah variabel dummy untuk mengetahui bahwa intersep berbeda antar perusahaan dengan
metode Fixed Effect dapat diuji dengan uji F statistik. Uji F Statistik disini merupakan uji perbedaan dua regresi sebagaimana uji Chow. Sekarang uji F kita
gunakan untuk mengetahui apakah teknik regresi data panel dengan fixed effect lebih baik dari model regresi data panel tanpa variabel dummy dengan melihat
residual sum of squares RSS. Adapun uji F statistiknya adalah sbb: F
= RRSS-URSSN-1 ………………………………..………………… 3.3 URSSNT-N-K
dimana: RRSS = Restricted Residual Sum Square Sum of Square Residual yang diperoleh
dari estimasi data panel dengan metode PLS URSS = Unrestricted Residual Sum Square Sum of Square Residual yang
diperoleh dari estimasi data panel dengan metode FEM N
= Jumlah data cross section T
= Jumlah data time series K
= Jumlah variabel penjelas Apabila nilai Chow Statistics F-Stat hasil pengujian lebih besar dari F-
tabel, maka cukup bukti untuk melakukan penolakan terhadap Ho sehingga model yang digunakan adalah model FEM, begitu juga sebaliknya.
2. Hausmann Test
Hausmaan Test merupakan pengujian statistik sebagai dasar pertimbangan dalam pemilihan model FEM atau REM. Berikut hipotesis pengujian:
Ho : Model REM H1 : Model FEM
Dasar penolakan Ho menggunakan pertimbangan statistic chi square. Hausmann Test dengan bahasa pemrograman EViews sebagai berikut:
Jika hasil dari Hausmann Test signifikan probability dari Hausmann α
maka tolak Ho, artinya model FEM digunakan. 3.
LM Test LM Test atau Breusch-Pagan LM Test merupakan pertimbangan statistic
dalam pemilihan model REM atau PLS. Uji hipotesis:
H : Model PLS
H
1
: Model REM Dasar penolakan Ho yakni dengan cara membandingkan nilai statistic LM
dengan nilai Chi-Square. Jika hasil perhitungan nilai LM lebih besar dari -
tabel maka cukup bukti untuk melakukan tolak H sehingga model yang akan
digunakan adalah model REM, begitu juga dengan sebaliknya.
3.2.5 Koefisien Determinasi
Kategori