Dasar penolakan terhadap Hipotesa Nol H adalah dengan menggunakan F-
statistik seperti yang dirumuskan oleh Chow:
CHOW =
K N
NT ESS
N ESS
ESS
2 2
1
1 ....................................................3.6
Dimana:
1
ESS = Residual Sum Square hasil pendugaan model pooled least square
2
ESS = Residual Sum Square hasil pendugaan model fixed effect
N = Jumlah data cross section
T = Jumlah data time series
K = Jumlah variabel penjelas
Statistik Chow Test mengikuti distribusi F-statistik dengan derajat bebas
K N
NT N
, 1
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 model fixed effect, dan begitu juga sebaliknya. Pengujian ini disebut sebagai Chow Test karena
kemiripannya dengan Chow Test yang digunakan untuk menguji stabilitas parameter stability test.
3.2.3.2. Hausman Test
Hausman Test adalah pengujian statistik sebagai dasar pertimbangan kita dalam memilih apakah menggunakan model fixed effect atau model random effect.
Seperti yang kita ketahui bahwa penggunaan model fixed effect mengandung suatu unsur trade-off yaitu hilangnya derajat bebas dengan memasukan variabel dummy.
Namun, penggunaan metode random effect juga harus memperhatikan ketiadaan pelanggaran asumsi dari setiap komponen galat.
Hausman Test dilakukan dengan hipotesa sebagai berikut: H
: Model Fixed Effect H
1
: Model Random Effect Sebagai dasar penolakan Hipotesa Nol maka digunakan Statistik Hausman dan
membandingkannya dengan Chi-Square. Statistik Hausman dirumuskan dengan: m
=
b M
M b
1 1
~
K
2
......................................3.7
Dimana adalah vektor untuk statistik variabel fixed effect, b adalah vektor statistik variabel random effect,
M adalah matriks kovarians untuk dugaan fixed effect model
dan
1
M adalah matriks kovarians untuk dugaan random effect model. Jika nilai m hasil pengujian lebih besar dari
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 model fixed effect, dan begitu pula sebaliknya.
3.2.3.3. LM Test
LM Test atau lengkapnya The Breusch-Pagan LM Test digunakan sebagai
pertimbangan statistik dalam memilih model Random Effect atau Pooled Least Square
. LM Test dilakukan dengan hipotesa sebagai berikut: H
: Model Pooled Least Square
H
1
: Model Random Effect Dasar penolakan terhadap H
adalah dengan menggunakan statistik LM yang mengikuti distribusi dari Chi-Square.
Statistik LM dihitung dengan menggunakan residual OLS yang diperoleh dari hasil estimasi model Pooled, dimana:
2 2
2 2
1 1
2
it i
T T
NT LM
~
2
3.8
Jika nilai LM hasil perhitungan lebih besar dari
2
- Tabel, maka cukup bukti untuk melakukan penolakan terhadap hipotesa nol, sehingga model yang
digunakan adalah model random effect, dan begitu pula sebaliknya.
3.2.4. Evaluasi Model 3.2.4.1. Multikolinearitas
Indikasi multikolinearitas tercermin dengan melihat hasil t dan F-statistik hasil regresi. Jika banyak koefisien parameter dari t-statistik diduga tidak
signifikan sementara dari hasil F-hitung signifikan, maka patut diduga adanya multikolinearitas. Multikolinearitas dapat diatasi dengan menghilangkan variabel
yang tidak signifikan.
