antara residual didalam persamaan maka metode OLS tidak bisa digunakan untuk mendapatkan estimasi yang efisien. Metode yang tepat untuk mengestimasi
model random effect adalah Generalized Least Square GLS.
3.2.4. Pengujian Model
Data panel dapat diestimasi dengan tiga teknik, yaitu model OLS common, model Fixed Effect dan model Random Effect. Pengujian yang
digunakan dalam mengestimasi model terdiri dari, pertama uji statistik F digunakan untuk memilih antara metode OLS tanpa variabel dummy atau Fixed
Effect. Kedua, uji Langrange Multiplier LM digunakan untuk memilih antara OLS tanpa variabel dummy atau Random Effect. Terakhir, untuk memilih antara
Fixed Effect atau Random Effect digunakan uji yang dikemukakan oleh Hausman.
1. Uji F atau Uji Chow
Pemilihan model yang baik, dapat diketahui dengan menggunakan restricted F-test. Persamaan yang diestimasi dengan OLS adalah persamaan
restricted sedangkan yang diestimasi dengan LSDV adalah unrestricted Gujarati, 2003. PLS adalah restricted model dimana menerapkan intersep yang sama untuk
seluruh individu. Pada dasarnya asumsi bahwa setiap unit cross section memiliki perilaku yang sama cenderung tidak realistis karena dimungkinkan setiap unit
cross section memiliki perilaku yang berbeda. Untuk mengetahuinya dengan menggunakan restricted F-test untuk menguji hipotesis:
H : Model PLS Restricted
H
1
: Model Fixed Effect Unrestricted
k n
R m
R R
F
UR R
UR
− −
− =
1
2 2
2
dimana,
2 UR
R = koefisien determinasi untuk unrestricted model LSDV model
2 R
R = koefisien determinasi untuk restricted model OLS model m = jumlah “restrictions”
n = jumlah sampel k = total jumlah koefisien regresi termasuk konstanta
Jika F-hitung F-tabel m, n-k maka OLS model invalid sehingga LSDV atau FEM adalah valid.
2. Uji Langrange Multiplier LM
Uji LM Lagrange Multiplier digunakan jika estimasi model hasilnya harus menggunakan fixed effect. LM digunakan untuk pemilihan estimator
struktur heteroskedastik dan homoskedastik. Hipotesa dinyatakan sebagai berikut:
Hipotesis: H
o
=
i 2
= Homoskedastik Pooled Least Square H
1
=
i
=
2
= Heteroskedastik Random Effect Dimana
i
adalah varian residual persamaan ke i pada persamaan yang lebih retriksi dan
2
adalah sum square residual persamaan. Apabila dalam
2 2
2 1
1 2
− =
∑
=
σ σ
i t
T LM
penelitian hasil estimasi model disimpulkan menggunakan Fixed Effect Model serta terjadi heterokedastik, maka cara untuk mengatasi heterokesdastik dapat
dilakukan dengan model kuadrat terkecil tertimbang weighted least square atau Generalized Least Square GLS.
3. Uji Hausman
Uji Hausman digunakan untuk mengetahui apakah menggunakan model fixed effect atau random effect. Model data panel dengan uji Hausman dapat
digunakan untuk melihat kelayakan penggunaan model panel. W
= X
2
[k] = b- [ Var b- Var ] Nilai W merupakan nilai tes Chi-square hitung. Apabila nilai berada di
bawah nilai Chi-square tabel, maka terima H bahwa efek individu tidak
berkorelasi dengan variabel bebas tidak dapat ditolak, sehingga model efek random adalah pilihan terbaik.
Hipotesis : H
= ada gangguan antar individu random effect H
1
= tidak ada gangguan antar individu fixed effect Statistik uji Hausman ini mengikuti ditribusi statistik Chi Square dengan
degree of freedom sebanyak k dimana k adalah jumlah variabel independen. Jika nilai statistik Hausman lebih besar dari pada nilai kritisnya atau hasil dari
Hausman test signifikan p-value signifikan, maka H ditolak, yang berarti model
yang tepat adalah fixed effect, sebaliknya apabila nilai statistik Hausman lebih kecil dari nilai kritisnya maka model yang tepat random effect.
3.2.5. Uji Hipotesis 1. Uji F
