dilakukannya pembobotan ini adalah untuk mengurangi heterogenitas antar unit cross section.
3.4.1 Pooled Least Square PLS
Pendekatan yang paling sederhana dalam pengolahan data panel adalah dengan menggunakan metode gabungan kuadrat terkecil, ditetapkan dalam data
yang berbentuk pool. Misalkan terdapat persamaan berikut ini : Y
it
= α + x
j it
β
j
+ ε
i
untuk i = 1, 2, ...., N dan t = 1, 2, ..., T Dimana N adalah jumlah unit cross section individu dan T adalah jumlah
periode waktunya. Dengan mengasumsi komponen error dalam pengolahan metode gabungan kuadrat terkecil, dapat dilakukan proses estimasi secara terpisah
untuk setiap unit cross section. Untuk periode t = 1, akan diperoleh persamaan regresi cross section sebagai berikut :
Y
it
= α + x
j it
β
j
+ ε
it
untuk i = 1, 2, ...., N Pada akhirnya akan berimplikasi diperolehnya persamaan sebanyak T
persamaan yang sama. Begitu juga sebaliknya, persamaan deret waktu time series
dapat diperoleh sebanyak N persamaan untuk setiap T observasi. Namun, untuk mendapatkan parameter
α dan β yang konstan dan efisien dapat diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak NT observasi.
3.4.2 Fixed Effects Model FEM
Kesulitan terbesar dalam pendekatan metode gabungan kuadrat terkecil adalah asumsi intersep konstanta dan slope dari persamaan regresi yang
dianggap konstan baik antar daerah maupun antar waktu yang mungkin tidak beralasan. Generalisasi secara umum sering dilakukan dengan memasukan
variabel dummy untuk mengizinkan terjadinya perbedaan nilai parameter yang berbeda-beda baik lintas cross section maupun time series.
Pendekatan dengan memasukkan variabel dummy dikenal dengan sebutan model efek tetap fixed effect atau Least Square Dummy Variable LSDV atau
disebut juga Covariance Model. Pendekatan tersebut dapat ditulis dalam persamaan berikut ini :
Y
it
= α
i
- x
j it
β
j
– ε
it
- Σ - a
i
D
i
- e
it
dimana : Y
it
= variabel terikat di waktu t untuk unit cross section i α
it
= intercept yang berubah-ubah antar cross section unit x
j it
β
j
= variabel bebas j di waktu t untuk unit cross section i β
j
= parameter untuk variabel ke j ε
it
= komponen error di waktu t untuk unit cross section i Setelah menambahkan sebanyak N-1 variabel dummy D
i
ke dalam model dan menghilangkan sisanya untuk menghindari kolinearitas sempurna antar
variabel penjelas, pendekatan ini akan terjadi degree of freedom sebesar NT-N-K. Keputusan memasukkan variabel buatan ini harus didasarkan pada pertimbangan
statistik. Tidak dapat dipungkiri penambahan variabel dummy ini akan mengurangi banyaknya degree of freedom yang pada akhirnya akan memengaruhi
koefisien dari parameter yang diestimasi.
3.5 Pemilihan Model Terbaik Chow Test
Kategori