dari waktu ke waktu. Metode data panel dapat memberikan keuntungan dibandingkan hanya dengan menggunakan data time series atau cross section saja
Baltagi 2005, yaitu: 1 Data panel dapat mengendalikan heterogenitas individu.
2 Dapat memberikan informasi yang lebih banyak, mengurangi kolinearitas diantara variabel, memperbesar degree of freedom dan lebih efisien.
3 Dapat lebih baik untuk studi dynamic of adjustment. 4 Dapat diandalkan untuk mengidentifikasi dan mengukur efek yang tidak
dapat dideteksi dalam model time series atau cross section saja. Estimasi model menggunakan data panel dapat dilakukan dengan tiga metode,
yaitu pooled least square, fixed effect, dan random effect.
A. Metode Pooled Least Square
Dalam metode ini dapat dilakukan proses estimasi terpisah untuk setiap unit cross section, maka untuk periode t=1, akan diperoleh persamaan regresi
cross section sebagai berikut :
3.5 Dimana :
= variabel endogen = variabel eksogen
= intersep = slope
i = individu ke-i, t = periode waktu ke-t
= error dari persamaan di atas akan diperoleh parameter dan yang konstan dan efisien
yang melibatkan sebanyak jumlah data cross section N x jumlah data time series T. Model tersebut mengasumsikan bahwa intersep dan koefisien dari setiap
variabel sama untuk setiap objek observasi.
B. Metode Fixed Effect
Adanya asumsi intersep dan slope dari persamaan regresi yang dianggap konstan dapat diatasi dengan memasukkan peubah dummy untuk memungkinkan
perbedaan intersep . Model dengan memasukkan variabel dummy ini dikenal dengan model efek tetap yang dapat dituliskan dalam persamaan berikut :
3.6 Dimana :
= variabel endogen = variabel eksogen
= intersep = slope
D = variabel dummy
i = individu ke-i, t = periode waktu ke-t
= error Penambahan variabel dummy dapat mengurangi jumlah degree of freedom
yang pada akhirnya akan memengaruhi keefisienan parameter yang diestimasi. Pemilihan pendekatan ini dapat dipertimbangkan dengan menggunakan statistik F
yang membandingkan nilai jumlah kuadrat error dari proses pendugaan dengan metode kuadrat terkecil dan efek tetap yang telah dimasukkan variabel dummy ke
dalamnya.
C. Metode Random Effect
Penambahan variabel dummy pada model akan mengurangi degree of freedom
dan efisiensi dari parameter yang diestimasi. Hal tersebut dapat diatasi dengan metode random effect. Parameter yang berbeda antarindividu maupun
antarwaktu dimasukkan ke dalam error seperti pada persamaan berikut: 3.7
3.8 Dimana :
= komponen error data cross section = komponen error data time series
= komponen error gabungan i = individu ke-i, t = periode waktu ke-t
Hubungan antara model random effect dan model fixed effect dapat dilihat dengan memperlakukan komponen-komponen intersep dalam model fixed effect
sebagai dua peubah acak, satu peubah time series dan satu peubah cross section. Penggunaan model random effect dapat menghemat degree of freedom sehingga
parameter hasil estimasi akan menjadi efisien.
3.2.4.1 Uji Kesesuaian Model
A. Chow Test
Chow Test dilakukan untuk memilih model yang lebih baik di antara model Pooled Least Square atau Fixed Effect. Hipotesis dari pengujian ini adalah
sebagai berikut : H
: model pooled least square H
1
: model fixed effect Dasar penolakan terhadap H0 adalah dengan menggunakan F statistik seperti
berikut : F
N-1, NT-N-K
= 3.9
Dimana : = residual sum square hasil pendugaan model pooled least square
= residual sum square hasil pendugaan model fixed effect N
= jumlah data cross section T
= jumlah data time series Jika nilai Chow statistic hasil pengujian lebih besar dari F tabel maka tolak H
sehingga model yang digunakan adalah fixed effect dan sebaliknya.
B. Hausman Test