Metode OLS Pendekatan Kuadrat Terkecil

143

4.6.1. Metode OLS

Metode Least Square merupakan metode yang sering digunakan dalam analisis regresi. Pengolahan data dengan metode OLS harus memenuhi asumsi Best Linear Unbiased Estimator BLUE. Oleh sebab itu, terbentuklah asumsi-asumsi dasar yang harus dipenuhi untuk menjaga agar OLS dapat menghasilkan estimator yang paling baik pada model regresi. Asumsi-asumsi tersebut adalah sebagai berikut : 1. Model korelasi merupakan model korelasi linear, linear pada parameter-parameternya, terspesifikasi secara benar seperti : Y 1 = β 1 + β 2 X i + u 2. Nilai rata-rata atau nilai yang diharapkan dari variabel disturbance atau error term adalah nol, seperti : i EU i |X i 3. Covarian antara variabel disturbance, U = 0 i , dengan variabel X i CovU = Nol i |X i 4. Varian dari variabel residu, disturbance adalah sama atau homoskedastisitas = 0 Var = U i |X i = E[U i – EU i |X i ] 2 = EUi 2 |X i = σ 5. Tidak terdapat autokorelasi antar disturbance pada pengamatan satu dengan pengamatan yang lain 2 CovU i ,U j |X i ,X j 6. Variabel error term memiliki distribusi normal = 0

4.6.2. Pendekatan Kuadrat Terkecil

144 Misalkan ada empat perusahaan dengan periode waktu 20 tahun, maka dapat dikatakan N jumlah individu adalah empat dan T periode waktu adalah dua puluh. Sehingga diperoleh jumlah observasi sebanyak N.T = 80 observasi. Hal ini dapat menjadikan suatu parameter menjadi konstan dan efisien. Dengan melakukan pooling seluruh observasi sebanyak N.T, permasalahan fungsi dapat ditulis sebagai berikut : Yit = α + β 1 X 1it + β 2 X 2it + ε Dalam pengujian sebuah hipotesis, sebuah statistik sampel harus dihitung sehingga memungkinkan hipotesis nol H it Untuk i = 1,2,...,N = 4 dan t = 1,2,...,T = 20 Di mana i adalah cross section identifier dan t adalah time series identifier. Pendekatan yang paling sederhana dilakukan adalah dengan mengabaikan dimensi cross section dan time series dari data panel dan mengestimasi data dengan menggunakan metode kuadrat terkecil biasa OLS yang diterapkan dalam data yang berbentuk Pool. Model mengasumsikan bahwa slope koefisien dari dua variabel adalah identik untuk semua perusahaan. Tentu ini merupakan asumsi yang sangat ketat. Sehingga walaupun metode PLS menawarkan kemudahan, model mendistorsi gambaran yang sebenarnya dari hubungan antara Y dan X antar empat perusahaan tersebut.

4.6.3. Aturan Keputusan Pengujian Hipotesis