Analisis Boxplot Metode Analisis
Pada Common Effect akan sulit dilihat perubahan antarindividu, karena dalam metode ini semua individu dianggap homogen.
2. Metode Individual Effect
Metode estimasi individual effect memperhatikan sifat dari efek individu
α, tanpa memperhatikan struktur kovarian errorterm. Bentuk umum dari model individual effect adalah sebagai berikut:
...................3.11 Keterangan:
α
i
≠ α
j
untuk i ≠ j; i=1,2,3,...n
it
= komponen error =
λ
i
+ µ
t
+ u
it
λ
i
= komponen error individu µ
t
= komponen error waktu
..
u
it
= komponen error gabungan Metode individual effect terdiri dari metode fixed effect dan random effect
Baltagi 2007. Kedua metode tersebut dibedakan berdasarkan ada tidaknya korelasi antara komponen error dengan peubah bebas regresor.
1. Metode Fixed effect
Metode fixed effect muncul ketika antara efek individu dan dan efek waktu memiliki korelasi dengan variabel bebas, atau memiliki pola yang sifatnya tidak
acak. Asumsi ini membuat komponen error dari efek individu dan waktu dapat menjadi bagian dari intersep, sehingga dapat dituliskan:
....................3.12 Dengan asumsi tidak ada pengaruh efek waktu , untuk setiap saat sama sehingga
errorterm dapat dituliskan sebagai berikut:
it
= λ
i
+ u
it
Efek individu λ
i
, akan digabungkan dengan intersep , sehingga
= β
+ λ
i
. Model ini menggunakan variabel dummy, sehingga intersep hanya bervariasi
terhadap individu, sedangkan terhadap waktu konstan. Slope dalam model Fixed effect adalah konstan antar individu dan waktu. Model ini mengasumsikan bahwa
perbedaan antar individu dapat diketahui melalui perbedaan nilai intersep. Kelemahan dari metode ini adalah jika jumlah penggunaan data individu cukup
banyak, maka penggunaan variabel dummy juga banyak, sehingga akan mengurangi derajat kebebasan. Model fixed effect dapat dituliskan dalam
persamaan berikut: ..........3.13
Keterangan: e
it
= u
it
error Nilai
α berbeda untuk setiap individu, sedangkan nilai β sama untuk setiap individu.
2. Metode Random effect
Metode ini memperhitungkan pengganggu yang berasal dari data cross section dan time series, sehingga dapat meningkatkan efisiensi proses pendugaan
kuadrat terkecil. Efek u
i
merupakan nilai gangguan acak pada individu dan konstan sepanjang waktu. Model random effect memenuhi persamaan berikut:
..............................3.14 Keterangan:
it
= λ
i
+ u
it
Secara teoretis dapat dilakukan pemilihan metode estimasi data panel, apakah common effect, fixed effect atau random effect. Apabila secara teoretis
dampak dari gangguan tidak dapat ditentukan, maka metode fixed effect digunakan jika data yang digunakan meliputi semua individu dalam populasi atau
hanya beberapa individu namun tidak diambil secara acak. Sebaliknya, apabila data yang digunakan berasal dari individu yang diambil berdasarkan sampel
secara acak dari populasi yang lebih besar, maka digunakan metode estimasi random effect.
Pemilihan model antara common effect dan individual effect dapat dilakukan dengan melakukan pengujian hipotesis, dengan hipotesis sebagai berikut:
Ho :
α
1
= α
2
= α
3
...= α
n
intersep sama untuk setiap individu H
1
: minimal ada satu intersep yang tidak sama
Pengujian hipotesis ini dapat dilakukan dengan dua cara, yaitu: 1.
Pengujian F Statistik uji yang digunakan adalah
,
… … … … … … . … … … . . 5 Keterangan:
SSE
1
= sum of square error dari model common effect SSE
2
= sum of square error dari model individual effect n
= banyaknya cross section t = banyaknya titik waktu
k = banyaknya variabel bebas Jika F hitung lebih besar dari F tabel, maka tolak Ho terima H
1
, dalam hal ini dapat disimpulkan model yang digunakan adalah model individual effect.
2. Uji Wald
Penggunaan menu pada software eviews, dengan melihat signifikansi distribusi Chi-square. Tolak Ho, jika probabilitas dari estimasi metode individual
effect dengan uji Wald signifikan. Sementara pemilihan model antara metode fixed effect dan random effect
dilakukan dengan pengujian Hausman test. Hipotesis yang akan diuji adalah: Ho : ada gangguan antar individu random effect
H
1
: tidak ada gangguan antar individu fixed effect Sebagai dasar penolakan Ho digunakan statistik Hausman. Adapun bentuk
persamaan Hausman test adalah sebagai berikut: ..........3.16
Keterangan: H = statistik Hausman
= nilai parameter untuk random effect = nilai parameter untuk fixed effect
k = jumlah derajat bebas Jika nilai
- statistik hasil pengujian lebih besar dibandingkan dengan nilai -
tabel, maka cukup bukti untuk melakukan penolakan terhadap Ho sehingga pendekatan yang digunakan adalah fixed effect, begitu juga sebaliknya.