Price to Book Value X

50 effect tetap. Efek tetap disini maksudnya adalah bahwa suatu objek, memiliki konstanta yang tetap besarnya untuk berbagai periode waktu. Demikian juga dengan koefisien regresinya, tetap besarnya dari waktu ke waktu time invariant. 16 Untuk membedakan satu objek dengan objek lainnya, digunakan variabel semu dummy. Oleh karena itu, model ini sering juga disebut dengan Least Squares Dummy Variables dan disingkat LSDV. Persamaan model ini adalah sebagai berikut : Y it = β 0i + βX it + ε it , Dengan : Y it = Variabel dependen pada unit observasi ke-i dan waktu ke-t X it = Variabel independen pada unit observasi ke-i dan waktu ke-t β = Koefisien slope atau koefisien arah β 0i = Intersep model regresi pada unit observasi ke-i ε it = komponen error pada unit observasi ke-i dan waktu ke-t Perhatikan bahwa konstanta β 0i sekarang diberi subskrip 0i, i menunjukkan objeknya. Dengan demikian masing-masing objek memiliki konstanta yang berbeda. Variabel semu d 1i =1 untuk objek pertama dan 0 untuk objek lainnya. Variabel d 2i =1 untuk objek kedua dan 0 untuk objek lainnya. Variabel semu d 3i =1 untuk objek ketiga dan 0 untuk objek lainnya. 17 16 Wing Wahyu Winarno, Analisis Ekonometrika dan Statistika dengan Eviews, h. 9.14-9.15 17 Ibid., h. 9.15 51

c. Pendekatan Efek Random Random Effect

Efek random digunakan untuk mengatasi kelemahan model efek tetap yang menggunakan variabel semu, sehingga model mengalami ketidakpastian. Tanpa menggunakan variabel semu, metode efek random menggunakan residual, yang diduga memiliki hubungan antarwaktu dan antarobjek. Tidak seperti pada model efek tetap β dianggap tetap, pada model ini β diasumsikan bersifat random, sehingga dapat dituliskan dalam persamaan : β = β + u i , i = 1,...., n sehingga persamaan model yang digunakan adalah Y it = β 0i + βX i,t + u i + ε it dengan : Y it = Variabel dependen pada unit observasi ke-i dan waktu ke-t X it = Variabel independen pada unit observasi ke-i dan waktu ke-t β = Koefisien slope atau koefisien arah β 0i = Intersep model regresi u i = komponen error pada unit observasi ke-i ε i = komponen error pada unit observasi ke-i dan waktu ke-t