4.6.3. Pendekatan Pooled Least Square PLS
Pada metode ini, penggunaan data panel dilakukan dengan mengumpulkan semua data cross section dan time series dan selanjutnya dilakukanlah pendugaan.
Pada metode ini, model mengasumsikan bahwa nilai intersep dari masing – masing variabel adalah sama dan slope koefisien dari variabel – variabel yang digunakan
adalah identik untuk semua unit cross section. Persamaan yang digunakan adalah :
Y
1
it it
= α
+ β
1
PAD
it
+ β
2
DAU
it
+ β
3
DAK
3it
+ e
it
4.6.4.Pendekatan Fixed Effect Model FEM
Model ini memiliki intercept persamaan yang tidak konstan atau terdapat perbedaan pada setiap individu data cross section. Sementara itu, slope koefisien
dari regresi tidak berbeda pada setiap individu dan waktu.
Y
it
= α+β
21
X
2
W
2t 3
W
3t
+…+
N
W
Nt
+
2+
Z
12
+
3+….+ T
Z
It+ it
Dimana : Y
it
= variable terikat untuk individu ke –i dan waktu ke-t X
it
= Variabel bebas untuk individu ke-I dan waktu ke-t W
it
Z dan
ai berikut:
it
variabel dummy yang didefenisikan sebag W
it
= 1; untuk individu i; i=1,2,…,N= 0; lainnya
Universitas Sumatera Utara
Z
it
= 1; untuk periode t; t= 1,2,…,N =0 ; lainnya Persamaan Fixed Effect Model atau pendekatan efek tetap adalah :
, maka akan memperoleh estimasi
. Dengan demikian, persamaan r
+ β
3
DAK
it
+E
it
; E
it
= u
i
+v
t
+w
it
Y
it
= α
+ β
1
PAD
it
+ β
2
DAU
it
+ β
3
DAK
3it
+ µ
i
+ e
it
Dari model di atas terlihat bahwa sesungguhnya pendekatan efek tetap adalah sama dengan regresi yang menggunakan Dummy Variabel sehingga dapat
diestimasi dengan Ordinary Least Square OLS yang tidak bias dan konsisten Nachrowi, 2006.
4.6.5. Pendekatan Random Effect Model REM
Pada model ini, perbedaan karakteristik individu dan waktu yang diakomodasikan pada error dari model. Ada dua komponen yang mempunyai
kontribusi pada pembentukan error yaitu individu dan waktu, maka random error pada pendekatan random effect model juga perlu diurai menjadi error untuk
komponen individu, error komponen waktu dan error gabungan andom effect model diformulasikan sebagai berikut:
Y
it
= α
+ β
1
PAD
it
+ β
2
DAU
it
u
i
= komponen error cross section v
t
= komponen error time series w
it
= komponen error gabungan
Universitas Sumatera Utara
error. Nilai R
2
dip ole
u mengasumsikan bahwa komponen error tidak berkorelasi dengan var
el
gunakan dalam data panel. Adapun
ingkan jumlah Ada beberapa hasil terkait output estimasi REM, yaitu :
Penjumlahan dari nilai random effect adalah 0, karena komponen error E
it
merupakan penjumlahan dari time series error dan cross section er
h dari transformasi regresi Generalized Least Square GLS. Oleh karena ada dua metode yang sesuai untuk data panel, maka kita harus
memilih salah satu dari keduanya untuk mencari model yang paling tepat. Masing- masing model memiliki kelebihan. Metode random effect model REM mempunyai
parameter yang lebih sedikit, sehingga model yang dibentuk akan memiliki derajat kebebasan degree of freedom yang lebih banyak dibandingkan model dengan
metode fixed effect model FEM. Sementara itu, metode FEM juga mempunyai keunggulan yaitu metode ini dapat membedakan efek individual dan efek waktu dan
FEM tidak perl iab bebas.
Beberapa pakar ekonometrika membuat pembuktian untuk menentukan metode apa yang paling sesuai untuk di
kesimpulan dari pembuktian tersebut adalah: a.
Jika pada data panel, jumlah runtun waktu lebih besar diband individu, maka disarankan untuk menggunakan metode FEM.
Universitas Sumatera Utara
nel, jumlah runtun waktu lebih sedikit dibandingkan jumlah nkan untuk menggunakan metode REM.
4.7. Pe
Kategori