daerah baik dari segi wilayahnya jelas berbeda. Persamaan regresinya dapat dirumuskan sebagai berikut :
y
ti
= a + bx
1 it
+ e
it
Untuk i = 1,2 ..,N dan t = 1,2....,T, dimana N adalah jumlah daerah cross section dan T adalah jumlah periode waktunya. Dari common effects
model ini akan dapat dihasilkan N+T persamaan, yaitu sebanyak T persamaan cross section dan banyaknya N persamaan time series.
2. Fixed Effects Model FEM
Fixed Effects merupakan metode dengan menggunakan variabel dummy untuk menangkap adanya perbedaan intersep. Metode ini
mengasumsikan bahwa koefisien regresi slope tetap antar daerah dan antar waktu, namun intersepnya berbeda antar daerah namun sama antar
waktu time invariant. Namun metode ini membawa kelemahan yaitu berkurangnya derajat kebebasan degree of freedom yang pada akhirnya
mengurangi efisiensi parameter. Persamaan regresinya sebagai berikut :
y
it
= a
it
+ bX
it
+ gi∑ D
i
+ e
it
untuk i = 1,2....,N dan t = 1,2...,T, dimana N adalah jumlah daerah cross section dan T adalah jumlah periode waktunya.
3. Random Effects Model REM
Model Random Effects ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu.
Pada model Random Effect perbedaan intesep diakomodasi oleh error terms masing-masing perusahaan. Keuntungan menggunakan model
Random Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model ECM atau teknik Generalized
Least Square GLS.
H. Uji Metode Estimasi Data Panel
Sebelum menentukan metode estimasi data panel yang akan digunakan dalam penelitian ini, maka harus dilakukan beberapa pengujian.
Untuk menentukan apakah model panel data dapat diregresi dengan metode common effect model, metode Fixed Effect FE atau metode
Random Effect RE, maka dilakukan uji-uji sebagai berikut: 1. Uji Chow
Untuk mengetahui model mana yang lebih baik dalam pengujian data panel, bisa dilakukan dengan penambahan variabel dummy sehingga
dapat diketahui bahwa intersepnya berbeda dapat di uji dengan uji statistik F. Uji ini digunakan untuk mengetahui apakah teknik regresi data panel
metode Fixed Effect lebih baik dari regresi model data panel tanpa variabel dummy atau metode Common Effect. Adapun hipotesis dari Uji Chow
sebagai berikut : H0 = Model Common Effect
H1 = model Fixed Effect Untuk membuktikan apakah terbukti atau tidak antara Common Effect dan
Fixed Effect. Apabila hasil uji spesifikasi ini menunjukkan probabilitas Chi-Square lebih dari 0,05 maka model yang dipilih adalah Common
Effect. Sebaliknya dipakai adalah fixed effect. Ketika model yang terpilih
adalah fixed effect maka perlu dilakukan uji lagi, yaitu Uji Hausman untuk mengetahui apakah sebaiknya memakai fixed effect model FEM atau
random effect model REM. 2. Uji Hausman
Uji Hausman digunakan untuk memilih antara metode Fixed Effect FE dan Random Effect RE lebih baik dari metode Cammon Eiffect. Uji
Hausman ini didasarkan pada ide bahwa Least Squares Dummy Variables LSDV dalam metode Fixed Effect dan Generalized Least Square GLS
dalam metode Random Effect adalah efisien sedangkan Ordinary Least Square OLS dalam metode Common Effect tidak efisien. Adapun
hipotesis Uji Hausman sebagai berikut : H0 = Random Effect
H1 = Fixed Effect Untuk membuktikan apakah terbukti atau tidak antara Random Effect dan
Fixed Effect. Uji spesifikasi hausman membandingkan model Fixed, Common, dan Random di bawah hipotesis nol yang berati bahwa efek
individual tidak berkolerasi dengan regresi dalam model Hausman. Jika tes Hausman tidak menunjukkan perbedaan yang signifikan p 0,05 itu
mencerminkan bahwa random estimator tidak aman bebas dari bias, dan karena itu lebih dianjurkan kepada fixed effect disukai daripada efek
estimator tetap.