3.2.3.1 Uji Chow Test
Chow test uji F-statistik adalah pengujian untuk memilih apakah model
yang digunakan Pooled Least Square atau Fixed Effects. Sebagaimana yang diketahui bahwa terkadang asumsi bahwa setiap unit cross section memiliki
perilaku yang sama cenderung tidak realistis mengingat dimungkinkan setiap unit cross section
memiliki perilaku yang berbeda. Dalam pengujiannya hipotesa sebagai berikut:
H0 : Model Pooled Least Square H1: Model Fixed effects
Dasar penolakan terhadap hipotesa nol adalah dengan menggunakan F statistic seperti yang dirumuskan oleh Chow:
…………………………γ.4
Dimana : ESS
1
= Residual Sum Square hasil pendugaan model pooled least square ESS
2
= Residual Sum Square hasil pendugaan model fixed effect N = Jumlah data Cross section
T = Jumlah data time series K= Jumlah variabel penjelas
Jika nilai CHOW statistics F stat hasil pengujian lebih besar dari F-tabel, maka cukup bukti untuk melakukan penerimaan terhadap hipotesa Nol sehingga
model yang digunakan adalah fixed effects, dan begitu juga sebaliknya. Pengujian ini disebut sebagai Chow Test karena kemiripannya dengan Chow Test yang
digunakan untuk menguji stabilitas parameter.
3.2.3.2 Uji Hausman Test
Hausman test adalah pengujian statistic sebagai dasar pertimbangan dalam
memilih apakah model fixed effects atau model random effects. Seperti yang kita ketahui bahwa penggunaan model fixed effect mengndung suatu unsur trade off
yaitu hilangnya derajat bebas dengan memasukan variabel dummy. Namun, penggunaan metode random effect juga harus memperhatikan ketiadaan
pelanggaran asumsi dasar dari setiap komponen galat. Hausman test dilakukan dengan hipotesa sebagai berikut
H0 : Model Random Effects H1 : Model Fixed Effects
Sebagai dasar penolakan Hipotesa Nol maka digunakan statistic Hausman dan membandingkan dengan Chi-square statistic Hausman dirumuskan dengan :
М= -bM -M
1 -1
-bχ
2
K…………………………………… ..γ.5 Dimana adalah vektor untuk statistic variabel fixed effect, b adalah
vektor statistik variabel random effect, M adalah matriks kovarians untuk dugaan
random effects dan M
i
adalah matriks kovarians untuk dugaan fixed effect model. Jika nilai m hasil pengujian lebih besar dari χ
2
–tabel atau nilai hausman test lebih besar dari taraf nyata maka cukup bukti untuk melakukan penerimaan terhadap
hipotesa nol sehingga model yang digunakan adalah random effects, dan begitu juga sebaliknya.
3.2.4 Evaluasi Model 3.2.4.1 Multikolinearitas