hukum, seperti perdagangan obat-obatan terlarang dan sebagainya Dornbusch dan Fischer, 1997.
2.4. Data Panel
Data panel atau yang disebut juga longitudinal data adalah data yang yang memiliki keterkaitan antara dimensi ruang cross section dan dimensi waktu
time series. Data cross section dalam data panel diobservasi menurut waktu. Setiap data cross section memiliki unit observasi time series yang sama, maka
disebut balanced panel. Sebaliknya, setiap data cross section memiliki unit observasi time series yang berbeda, maka disebut unbalanced panel. Aplikasi
metode estimasi menggunakan data panel bertujuan untuk mengatasi kelemahan yang tidak mampu dijawab oleh metode cross section dan time series murni.
Dengan menggunakan data panel, banyak keuntungan yang akan didapatkan, diantaranya sebagai berikut:
1. Mampu mengontrol heterogenitas individu. Data panel secara eksplisit mampu memasukkan unsur heterogenitas yang
dimiliki antar individu. Data panel memberikan peluang perlakuan setiap unit-unit individu yang dianalisis adalah heterogen.
2. Memberikan data informatif, mengurangi adanya kolinearitas antar peubah, meningkatkan derajat kebebasan serta panggunaannya lebih
efisien. Data time series memiliki tingkat kolineritas yang tinggi. Data panel yang
memasukkan dimensi waktu dapat menambah informasi pada variabel.
Dengan demikian, data panel mampu menghasilkan estimasi yang lebih akurat.
3. Lebih baik untuk studi dynamics of adjustment. Dalam data panel, setiap unit cross section memiliki dimensi waktu.
Sehingga membuat data panel mampu mempelajari perubahan dinamis terhadap waktu.
4. Mampu lebih baik dalam mengatasi dan mengukur efek yang secara sederhana tidak dapat diatasi oleh metode estimasi data cross section saja
ataupun time series saja. Pada kenyataannya, indikator-indikator dalam perekonomian sebagian
besar bersifat dinamis. Hubungan dinamis dapat diketahui dengan adanya lag variabel endogen yang terdapat pada variabel eksogen. Dalam panel dinamis y
it
adalah fungsi dari µ
i
, maka y
i,t-1
juga merupakan fungsi dari µ
i
. Untuk mengestimasi panel dinamis, digunakan pendekatan Generalized method of
moment GMM. Alasan yang melatarbelakangi digunakannya pendekatan GMM
diantaranya, GMM merupakan common estimator yang akan memberikan manfaat baik dalam penilaian maupun perbandingan, serta GMM menawarkan alternatif
yang lebih sederhana terutama untuk maximum likelihood. Pada umumnya, dalam pendekatan GMM terdapat dua jenis metode, yaitu:
1. First-difference GMM FD-GMM atau Arrellano-Bond GMM AB- GMM.
Penduga yang dihasilkan dari FD-GMM dapat mengandung bias apabila memiliki ukuran contoh yang terbatas, terutama ketika periode
pengamatan yang digunakan relatif kecil. Dengan demikian diperlukan
pertimbangan sebelum mengestimasi model autoregresif dengan periode waktu yang relatif kecil. Selain itu, dalam model AR1 yang
menggunakan pendekatan least square akan menghasilkan estimasi yang bias ke atas dan fix effect akan menghasilkan estimasi yang bias ke bawah.
2. System GMM SYS-GMM Pendekatan SYS-GMM digunakan untuk menjawab kelemahan dari
pendekatan FD-GMM, yang mendasari penggunaan metode ini adalah untuk mengestimasi persamaan baik dalam level maupun dalam first-
differences . Instrumen yang digunakan dalam level adalah lag first-
differences dari deret.
2.5. Penelitian Terdahulu
Kategori