34 Pada contoh model tersebut menggunakan dua peubah bebas X
1
dan X
2
dan terdapat tiga unit individu misalnya A, B, dan C. Pada FEM, subscript i ditambahkan pada intersep yang menunjukkan bahwa adanya perbedaan intersep
pada masing-masing unit individu, karena perbedaan karakteristik, namun intersep masing-masing unit individu tidak berbeda antar waktu time invariant. Jika
diasumsikan intersep tersebut berbeda antar individu dan antar waktu time varian, maka dapat digunakan differential dummy variable, sehingga Persamaan
3.9 dapat ditulis ulang menjadi:
=
1
+
2 2
+
3 3
+
1 1
+
2 2
+ ..........................3.10
Karena terdapat tiga individu, maka digunakan dua dummy D
21
dan D
31
, dimana: D
21
= 1 jika individu A, 0 nol untuk yang lainnya; D
31
= 1 jika individu B, 0 nol untuk yang lainnya.
c. Random Effect Model
Berbeda dengan FEM, pada REM , intersep α
i
tidak lagi dianggap konstan, namun dianggap sebagai peubah random dengan suatu nilai rata-
rata dari α
1
tanpa subscript i. Nilai intersep dari masing-masing individu dapat dinyatakan sebagai:
α
i
= α + e
i
dengan i = 1, 2, ..., N, dimana e
i
adalah sisaan acak error term dengan rata-
rata = 0 nol dan ragam σ
2
. Dengan demikian, maka persamaan REM menjadi sebagai berikut:
= +
1 1
+
2 2
+ +
= +
1 1
+
2 2
+ ............................................................3.11
Komponen terdiri atas dua komponen, yaitu sebagai komponen error
dari masing-masing cross section dan sebagai error yang merupakan gabungan atas error dari data deret waktu dan cross section. Berdasarkan hal tersebut, REM
dikenal juga dengan sebutan Error Components Model ECM.Asumsi umum dari ECM adalah:
e
i
~N 0, σ
2
u
it
~N 0, σ
2
Ee
i
u
it
= 0 Ee
i
, e
j
= 0 i ≠ j
Eu
it
u
is
= Eu
it
u
ij
= Eu
it
u
ijs
= 0 i ≠ j; t ≠ s................................3.12
Komponen error individual tidak berkorelasi satu sama lainnya dan tidak ada autokorelasi baik pada unit data cross section maupun data deret waktu.
Sebagai hasil dari asumsi pada persamaan 3.16 adalah: Ew
it
= 0 varw
it
= σ
2
+ σ
2
Jika σ
2
= 0, maka tidak terdapat perbedaan antara FEM dengan REM. Dalam hal ini kita dapat secara sederhana menggabungkan observasi data deret
waktu dan data cross section dengan pendekatan PLS.
3.4.3.2. Prosedur Pemilihan Model Regresi Data Panel
Dari ketiga model tersebut PLS, FEM, dan REM, selanjunya akan dipilih satu model yang paling tepat untuk mengestimasi parameter Regresi Data Panel
dalam rangka untuk mengetahui faktor-faktor yang berpengaruh terhadap perubahan disparitas regional.
