61
Dimana: i
: 1, 2, ….., N, menunjukkan dimensi cross section t
: 1, 2, ….., T, menunjukkan dimensi deret waktu α
: Koefisien intersep yang merupakan skalar β
: Koefisien slope dengan dimeni K x 1, dimana K adalah banyaknya peubah bebas
Y
it
: Peubah tak bebas untuk unit individu ke-i dan unit waktu ke-t X
it
: Peubah bebas untuk unit individu ke-i dan unit waktu ke-t
a. Pendekatan-pendekatan dalam regresi data panel
Metode estimasi model regresi data panel dapat dilakukan melalui tiga pendekatan Widarjono, 2009 : 231:
a Common Effect Model
Model Common Effect atau Pooled Least Square Model adalah model estimasi yang menggabungkan data time
series dan cross section dengan menggunakan pendekatan OLS Ordinary Least Square untuk mengestimasi
parameternya. Dalam pendekatan ini tidak memperhatikan dimensi waktu maupun individu sehingga perlakuan data
antar perusahaan diiasumsikan sama dalam berbagai kurun waktu. Pada dasarnya, model Common Effect sama seperti
OLS dengan meminimumkan jumlah kuadrat, tetapi data yang digunakan bukan data time series atau cross section
62
saja melainkan data panel yang diterapkan dalam bentuk pooled.
b Fixed Effect Model
Teknik model Fixed Effect adalah teknik mengestimasi data panel dengan menggunakan variabel dummy untuk
menangkap adanya perbedaan intersep. Pengertian Fixed Effect ini didasarkan adanya perbedaan intersep antara
perusahaan namun intersepnya sama antar waktu time in variant. Disamping itu model ini juga mengasumsikan
bahwa koefisien regresi slope tetap antar perusahaan dan antar waktu. Pendekatan dengan variabel dummy ini
dikenal dengan sebutan Fixed Effect Model atau Least Square Dummy Variable LSDV atau juga Covariance
Model.
c Radom Effect Model
Random Effect Model adalah model estimasi regresi data panel dengan asumsi koefisien slope konstan dan intersep
berbeda antar individu dan antar waktu. Dimasukkannya variabel dummy di dalam Fixed Effect Model bertujuan
untuk mewakili ketidaktahuan tentang model yang sebenarnya namun ini juga membawa konsekuensi
berkurangnya derajat kebebasan degree of freedom yang
63
pada akhirnya mengurangi efisiensi parameter. Model Random Effect mengestimasi data panel dimana variabel
gangguan mungkin saling berhubungan antar waktu dan antar individu. Model yang tepat digunakan untuk
mengestimasi Random Effect adalah Generalized least Square GLS sebagai estimatornya, karena dapat
meningkatkan efisiensi dari least square.
b. Pemilihan model regresi data panel