̂ ̂
∑ ̂
̂̅ ̂
̂̅ ∑
̂ ̂̅
⁄
∑ ̂
̂̅
⁄
Dan 2.46
̂̅ ∑
̂
Statistik yang telah diubah menjelaskan fakta bahwa residuals untuk subset dari t belum tentu 0 Hoyos Sarafidis, 2006.
2.4.3 Unit Root Tests
Menurut Enders, sebagaimana dikutip oleh Ma’aruf Wihastuti 2008, unit root tests adalah pengujian terhadap serangkaian data ditahap awal yang bertujuan
untuk mengetahui statsioneritas data. Data yang stasioner dibutuhkan agar hasil estimasi tidak bersifat lancung spurious regression.
Menurut Croissant Millo 2008 diketahui model berikut. 2.47
∑
Hipotesis unit root tests adalah . Model dapat ditulis ulang sebagai
berikut. 2.48
∑
Sehingga hipotesis unit root tests sekarang adalah .
Beberapa unit root tests untuk data panel didasarkan pada hasil awal yang diperoleh dari Augmented Dickey Fuller regression.
Pertama, harus menentukan jumlah optimal dari lags untuk setiap time-
series. Beberapa kemungkinan yang tersedia memiliki kesamaan bahwa jumlah maksimum dari lags harus dipilih pertama kali. Kemudian
dapat dipilih dengan menggunakan:
1. Swartz Information Criteria SIC 2. Akaike Information Criteria AIC
3. Hall Method, yang dipilih dengan menghilangkan lags yang tertinggi ketika
nilai tidak signifikan ADF regression berjalan pada observasi
untuk setiap individu, sehingga jumlah seluruh observasi adalah
̃ dimana ̃ , ̅ adalah
rata-rata dari lags. adalah vektor residual.
Estimasi variansi adalah sebagai berikut.
2.49 ̂
∑
2.4.4 Uji Heterokedastisitas
Uji ini digunakan untuk mengetahui apakah matriks struktur variance- covariance residual bersifat homokedastik atau heterokedastisitas. Pengujiannya
sebagai berikut. Greene, 2003. Hipotesis:
struktur variance-covariance residual homokedastik
minimal ada satu struktur variance-covariance residual
heterokedastisitas; Statistik uji yang digunakan merupakan uji LM yang mengikuti distribusi chi-
squared, yaitu 2.50
∑
Keterangan: T = Banyaknya data time series
N = Banyaknya data cross section variance residual persamaan ke-i
variance residual persamaan sistem Jika nilai
atau p-value kurang dari taraf signifikansi maka tolak hipotesis awal
sehingga struktur variance-covariance residual bersifat heterokedastisitas.
2.5 Struktur Variance-Covariance Residual Fixed Effect Model
Jika model yang terpilih atau yang digunakan adalah fixed effect model model efek tetap, maka haruslah dilihat struktur variance-covariance residual
dari modelnya Gujarati, 2004. Ada tiga pembagian model struktur variance- covariance dari residual untuk fixed effect model yaitu struktur homokedastik dan
tidak ada korelasi serial, struktur heterokedastisitas dan tidak ada korelasi serial, dan struktur heterokedastisitas dengan korelasi serial.
