33 2
Data panel lebih informatif, lebih bervariasi, mengurangi kolinearitas antar variabel, meningkatkan derajat kebebasan dan lebih efisien.
3 Studi dengan data panel memuaskan untuk menentukan perubahan dinamis
dibandingkan dengan studi berulang dari
cross section
. 4
Data panel lebih mendeteksi dan mengukur efek yang secara sederhana tidak dapat diukur oleh data
time series
atau
cross section
. 5
Data panel membantu studi untuk menganalisis perilaku yang lebih komplek. 6
Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu atau perusahaan karena unit data lebih banyak
3.2.1 PendekatanMetode Estimasi Regresi Data Panel
Ada tiga macam pendekatan di dalam analisis model data panel, yaitu pendekatan
common effect
, efek tetap atau
fixed effect
dan pendekatan efek acak atau
random effect
. 1
Pendekatan
common effect
, yaitu menggabungkan data
croos-section
dengan
time series
dan destimasi dengan menggunakan metode OLS
Ordinary Least Square
. Yit = αo + βi Xit + eit
Keterangan: i
= 1,2.....n t
= 1,2.....t n
= Jumlah
cross section
t = Jumlah periode waktu
34 2
Pendekatan efek tetap
fixed effect
Prosedur data panel memiliki beberapa kesulitan, di antaranya adalah bahwa asumsi intersep dan
slope
yang konsisten sulit terpenuhi. Untuk mengatasi hal tersebut, yang dilakukan adalah dengan memasukkan variabel boneka dan
dummy variabel
supaya perbedaan nilai parameter yang berbeda-beda baik
cross section
maupun
time series
dapat terjadi. Pendekatan dengan menggunakan
dummy
ini terkenal dengan nama model efek atau
fixed effect
atau
Least Square Dummy Variable
LSDV. Yit = αi + αi Dit + βi Xit + uit
Keterangan: i
= 1,2.....n t
= 1,2.....t n
= Jumlah
cross section
t = Jumlah periode waktu
e = Variabel penganggu
3 Pendekatan efek acak
Random effect
Variabel boneka yang dimasukkan dalam model efek tetap akan dapat menimbulkan konsekuensi. Penambahan variabel boneka tersebut dapat
mengurangi banyaknya derajat kebebasan yang padaa akhirnya akan mengurangi efesiensi dari parameter yang diestimasi. Model data panel yang
melibatkan korelasi antar
error term
karena berubahnya waktu yang disebabkan oleh perbedaan observasi dapat diatasi dengan pendekatan model
komponen error atau disebut juga dengan pendekatan model komponen
error
atau disebut juga dengan model efek acak atau
random effect
35 Yit = αi + αi Dit + βi Xit + ɛit
ɛit = ui + vi + wit Keterangan:
ui = komponen
cross section error
vi = komponen
time series error
Wit = komponen kombinasi
error
3.2.2 Uji Hausman
Pengujian ini dilakukan untuk menguji metode yang paling baik digunakan, apakah
fixed effect
atau
random effect
. Uji menggunakan indikator statistik
Chi square
hitung yang untuk selanjutnya dibandingkan dengan
chi square
tabel untuk mengetahui apakah hipotesis null ditolak atau tidak ditolak. Dimana hipotesis
null
dari uji ini adalah tidak adanya hubungan antara
error
yang ada dalam model dengan variabel independen, atau statistik Uji
Hausman
ini mengikuti distribusi statistik
Chi Square
dengan
degree of freedom
sebanyak k, dimana k adalah jumlah variabel independen. Jika nilai statistik Hausman lebih
besar dari nilai kritisnya maka H0 ditolak dan model yang tepat adalah model
Fixed Effect
sedangkan sebaliknya bila nilai statistik Hausman lebih kecil dari nilai kritisnya maka model yang tepat adalah model
Random Effect
3.2.3 Uji Asumsi Klasik