79
Gambar 4. 1 Hasil uji Normalitas
4 8
12 16
20 24
28 32
-4 -3
-2 -1
1 2
Series: RESID Sample 2012M01 2015M12
Observations 272
Mean -0.181371
Median -0.185901
Maximum 2.436755
Minimum -3.851393
Std. Dev. 1.213039
Skewness -0.264040
Kurtosis 2.940178
Jarque-Bera 3.201075
Probability 0.201788
2. Pemilihan Model Regresi Data Panel
Regresi data panel dapat dilakukan dengan tiga model analisis yaitu dengan common, fiexed, dan random effect. Masing-masing model tergantung
pada asumsi yang diapakai peneliti dan pemenuhan syarat-syarat pengolahan data statistik yang benar. data penelitian yang terdapat penelitian ini diolah untuk
melihat ketiga dari modal regresi data penel tersebut seperti pada tabel di bawah ini :
a. Metode Common Effect atau Pooled Least Square PLS
Pooled Least Square model merupakan metode estimasi model regresi data panel yang paling sederhana dengan asumsi intercept dan koefesien slope
yang konstan atara waktu dan cross sectio common effect. Dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu. Diasumsikan bahwa
perilaku data antar perusahaan sama dalam berbagai kurun waktu.
80
Tabel 4. 4 Hasil Data Panel dengan Model Common Effect
Dependent Variable: LOGROA Method: Panel Least Squares
Date: 072816 Time: 10:57 Sample: 2012M01 2015M12
Periods included: 48 Cross-sections included: 7
Total panel balanced observations: 336 Variable
Coefficient Std. Error t-Statistic
Prob. LOGPM
-1.028053 0.076284
-13.47663 0.0000
LOGPBH 0.369238
0.064826 5.695790
0.0000 LOGTS
2.654084 0.777970
3.411550 0.0007
LOGINF 1.592128
0.438779 3.628539
0.0003 C
26.96651 3.171204
8.503557 0.0000
R-squared 0.390861
Mean dependent var -4.000924
Adjusted R-squared 0.383500
S.D. dependent var 2.429081
S.E. of regression 1.907254
Akaike info criterion 4.143975
Sum squared resid 1204.051
Schwarz criterion 4.200777
Log likelihood -691.1878
Hannan-Quinn criter. 4.166618
F-statistic 53.09759
Durbin-Watson stat 0.362602
ProbF-statistic 0.000000
b. Metode
Fixed Effect Model FEM
Teknik model fixed effect model adalah teknik mengestimasi data panel dengan menggunakan variabel dummy untuk menangkap adanya perbedaan
intersep. Pengertian fixed effect ini didasarkan adanya perbedaan intersep antar perusahaan namun intersepnya sama antar waktu time in variant. Disamping itu,
model ini juga mengasumsikan bahwa intersep adalah berbeda antar perusahaan sedangkan slopenya tetap sama antar perusahaan.
81
Tabel 4. 5 Hasil Regresi Data Panel Model Fixed Effect
Dependent Variable: LOGROA Method: Panel Least Squares
Date: 072816 Time: 10:58 Sample: 2012M01 2015M12
Periods included: 48 Cross-sections included: 7
Total panel balanced observations: 336 Variable
Coefficient Std. Error t-Statistic
Prob. LOGPM
0.803566 0.193072
4.162004 0.0000
LOGPBH 1.846070
0.126497 14.59374
0.0000 LOGTS
-4.760165 0.685174
-6.947379 0.0000
LOGINF 1.295960
0.279354 4.639128
0.0000 C
-86.65200 7.902346
-10.96535 0.0000
Effects Specification Cross-section fixed dummy variables
R-squared 0.768196
Mean dependent var -4.000924
Adjusted R-squared 0.761064
S.D. dependent var 2.429081
S.E. of regression 1.187361
Akaike info criterion 3.213534
Sum squared resid 458.1938
Schwarz criterion 3.338499
Log likelihood -528.8738
Hannan-Quinn criter. 3.263349
F-statistic 107.7048
Durbin-Watson stat 0.676454
ProbF-statistic 0.000000
c.
Metode Random Effect Model REM
Random effect model merupakan metode estimasi regresi data panel dengan asumsi koefisien slope dan intecept berbeda antar individu dan antar
waktu random effect. Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan anta waktu dan antar individu. Model
yang tepat digunakan untuk mengestimasi random effet adalah Generalized Least
82
Square GLS sebagai estimasinya, karena dapat meningkatkan efisiensi dari least square.
Tabel 4. 6 Hasil Regresi Data Panel dengan Random Effect
Dependent Variable: LOGROA Method: Panel EGLS Cross-section random effects
Date: 072816 Time: 10:59 Sample: 2012M01 2015M12
Periods included: 48 Cross-sections included: 7
Total panel balanced observations: 336 Swamy and Arora estimator of component variances
Variable Coefficient Std. Error
t-Statistic Prob.
LOGPM 0.376643
0.176548 2.133373
0.0336 LOGPBH
1.628294 0.120090
13.55900 0.0000
LOGTS -3.393542
0.652836 -5.198154
0.0000 LOGINF
1.367743 0.279080
4.900907 0.0000
C -64.59787
7.158945 -9.023378
0.0000 Effects Specification
S.D. Rho
Cross-section random 1.651959
0.6594 Idiosyncratic random
1.187361 0.3406
Weighted Statistics R-squared
0.420660 Mean dependent var
-0.412856 Adjusted R-squared
0.413659 S.D. dependent var
1.644004 S.E. of regression
1.258861 Sum squared resid
524.5463 F-statistic
60.08506 Durbin-Watson stat
0.596568 ProbF-statistic
0.000000 Unweighted Statistics
R-squared -1.854553
Mean dependent var -4.000924
Sum squared resid 5642.440
Durbin-Watson stat 0.076309
83
3. Pemiliham Model Regresi Data Panel
