Pelatihan Statistik Stata panel
PELATIHAN STATISTIK
STATA
Tangguh Pratysto, S.E., M.S.E.
Hasudungan Hutasoit, SE., M.Ak.
CONTOH PENELITIAN
Seorang peneliti manajemen melakukan
penelitian tentang pengaruh faktor non financial
persentase kepemilikan (UK), komisaris
independen (K_IND), serta ratio (K_AUD)
auditor terhadap nilai perusahaan (NP). Peneliti
mengumpulkan data 5 perusahaan dengan
menggunakan laporan keuangan dari tahun
20082012.
STARTUP STATA
Buka aplikasi STATA
Buka data yang sudah disiapkan di Excell, lalu
copy data
Open Windows > Data Editor
Kemudian paste data > treat first row as
variable name
SETUP DATA
set data ini sebagai data panel dengan cara ketik
sintaks berikut:
xtset no tahun
STATISTIK DESKRIPTIF
statistik deskriptif data ini, bisa dilakukan
dengan mengetik sintaks berikut:
xtsum np uk k_ind k_aud
COMMON EFFECT
Format umum sintaks yang digunakan adalah:
regress vardependen varindep1 varindep2
sintaks untuk data ini adalah:
regress np uk k_ind k_aud
RESIDUAL COMMON EFFECT
Sintaks umum untuk menyimpan residual dari
model common effect adalah:
predict nama_residual, r
Misalnya kita akan member nama residual
model kita tadi sebagai resid, maka sintaksnya:
predict resid, r
FIXED EFFECT
Format umum sintaks yang digunakan adalah:
xtreg vardependen varindep1 varindep2 varindep3, fe
Sehingga sintaks untuk data ini adalah:
xtreg np uk k_ind k_aud, fe
FIXED EFFECT (2)
Sintaks umum untuk menyimpan residual dari
model fixed effect adalah:
estimates store nama_residual
Misalnya kita akan member nama residual
model kita tadi sebagai fixed, maka sintaksnya:
estimates store fixed
RANDOM EFFECT
Format umum sintaks yang digunakan adalah:
xtreg vardependen varindep1 varindep2 varindep3,
re
Sehingga sintaks untuk data ini adalah:
xtreg np uk k_ind k_aud, re
RANDOM EFFECT (2)
Sintaks umum untuk menyimpan residual dari
model random effect adalah:
estimates store nama_residual
Misalnya kita akan member nama residual
model kita estimates store random, maka
sintaksnya:
estimates store random
PEMILIHAN MODEL
CHOW TEST
Jika nilai rho > 0.5 maka model fixed effect lebih
baik daripada model common effect, jika yang
terjadi sebaliknya, maka model common effect
lebih baik daripada model fixed effect
LM TEST
LM Test digunakan untuk membandingkan
antara model common effect dan random effect.
Sintaks yang dipergunakan adalah:
xttest0
LM TEST (2)
Jika nilai prob>chi2 lebih kecil dari tingkat
signifikansi, maka model random effect lebih
baik. Jika sebaliknya, maka common effect lebih
baik.
HAUSMAN TEST
Hausman Test digunakan untuk
membandingkan antara model random effect dan
fixed effect.
Sintaks umum yang dipergunakan adalah:
hausman nama_residual_fixed
nama_residual_random
sehingga sintaks untuk data kita adalah:
hausman fixed random
HAUSMAN TEST (2)
Jika nilai prob>chi2 lebih kecil dari tingkat
signifikansi, maka model fixed effect lebih baik.
Jika sebaliknya, maka random effect lebih baik.
PENGUJIAN ASUMSI
KLASIK
NON MULTIKOLINIERITAS
Sintaksny sangat sederhana, ketik saja:
vif
Apabila tidak terdapat nilai VIF yang lebih besar
dari 10, maka dapat dikatakan bahwa model
memenuhi asumsi non multikolinieritas
HOMOSKEDASTISITAS
Pengujian asumsi ini dapat dilakukan dengan
menggunakan sintaks:
hettest
Jika nilai prob>chi2 lebih kecil dari tingkat
signifikansi, maka mengindikasikan terjadinya
heteroskedastisitas atau pelanggaran asumsi
homoskedastisitas.
NON AUTOKORELASI
Format umum sintaks yang digunakan adalah:
xtserial vardependen varindep1 varindep2 varindep3
Sehingga sintaks untuk data ini adalah:
xtserial np uk k_ind k_aud
NON AUTOKORELASI (2)
Jika nilai prob>chi2 lebih kecil dari tingkat
signifikansi, maka mengindikasikan terjadinya
autokorelasi atau pelanggaran asumsi non
autokorelasi.
NORMALITAS
Format umum sintaks yang digunakan adalah:
summarize nama_residual
ksmirnov nama_residual = normal((nama_residual
r(mean))/r(sd))
Sehingga sintaks untuk data ini adalah:
summarize resid
ksmirnov resid = normal(( residr(mean))/r(sd))
NORMALITAS (2)
Model memenuhi asumsi kenormalan apabila
nilai combined KS lebih besar dari nilai
signifikansi (α).
STATA
Tangguh Pratysto, S.E., M.S.E.
Hasudungan Hutasoit, SE., M.Ak.
CONTOH PENELITIAN
Seorang peneliti manajemen melakukan
penelitian tentang pengaruh faktor non financial
persentase kepemilikan (UK), komisaris
independen (K_IND), serta ratio (K_AUD)
auditor terhadap nilai perusahaan (NP). Peneliti
mengumpulkan data 5 perusahaan dengan
menggunakan laporan keuangan dari tahun
20082012.
STARTUP STATA
Buka aplikasi STATA
Buka data yang sudah disiapkan di Excell, lalu
copy data
Open Windows > Data Editor
Kemudian paste data > treat first row as
variable name
SETUP DATA
set data ini sebagai data panel dengan cara ketik
sintaks berikut:
xtset no tahun
STATISTIK DESKRIPTIF
statistik deskriptif data ini, bisa dilakukan
dengan mengetik sintaks berikut:
xtsum np uk k_ind k_aud
COMMON EFFECT
Format umum sintaks yang digunakan adalah:
regress vardependen varindep1 varindep2
sintaks untuk data ini adalah:
regress np uk k_ind k_aud
RESIDUAL COMMON EFFECT
Sintaks umum untuk menyimpan residual dari
model common effect adalah:
predict nama_residual, r
Misalnya kita akan member nama residual
model kita tadi sebagai resid, maka sintaksnya:
predict resid, r
FIXED EFFECT
Format umum sintaks yang digunakan adalah:
xtreg vardependen varindep1 varindep2 varindep3, fe
Sehingga sintaks untuk data ini adalah:
xtreg np uk k_ind k_aud, fe
FIXED EFFECT (2)
Sintaks umum untuk menyimpan residual dari
model fixed effect adalah:
estimates store nama_residual
Misalnya kita akan member nama residual
model kita tadi sebagai fixed, maka sintaksnya:
estimates store fixed
RANDOM EFFECT
Format umum sintaks yang digunakan adalah:
xtreg vardependen varindep1 varindep2 varindep3,
re
Sehingga sintaks untuk data ini adalah:
xtreg np uk k_ind k_aud, re
RANDOM EFFECT (2)
Sintaks umum untuk menyimpan residual dari
model random effect adalah:
estimates store nama_residual
Misalnya kita akan member nama residual
model kita estimates store random, maka
sintaksnya:
estimates store random
PEMILIHAN MODEL
CHOW TEST
Jika nilai rho > 0.5 maka model fixed effect lebih
baik daripada model common effect, jika yang
terjadi sebaliknya, maka model common effect
lebih baik daripada model fixed effect
LM TEST
LM Test digunakan untuk membandingkan
antara model common effect dan random effect.
Sintaks yang dipergunakan adalah:
xttest0
LM TEST (2)
Jika nilai prob>chi2 lebih kecil dari tingkat
signifikansi, maka model random effect lebih
baik. Jika sebaliknya, maka common effect lebih
baik.
HAUSMAN TEST
Hausman Test digunakan untuk
membandingkan antara model random effect dan
fixed effect.
Sintaks umum yang dipergunakan adalah:
hausman nama_residual_fixed
nama_residual_random
sehingga sintaks untuk data kita adalah:
hausman fixed random
HAUSMAN TEST (2)
Jika nilai prob>chi2 lebih kecil dari tingkat
signifikansi, maka model fixed effect lebih baik.
Jika sebaliknya, maka random effect lebih baik.
PENGUJIAN ASUMSI
KLASIK
NON MULTIKOLINIERITAS
Sintaksny sangat sederhana, ketik saja:
vif
Apabila tidak terdapat nilai VIF yang lebih besar
dari 10, maka dapat dikatakan bahwa model
memenuhi asumsi non multikolinieritas
HOMOSKEDASTISITAS
Pengujian asumsi ini dapat dilakukan dengan
menggunakan sintaks:
hettest
Jika nilai prob>chi2 lebih kecil dari tingkat
signifikansi, maka mengindikasikan terjadinya
heteroskedastisitas atau pelanggaran asumsi
homoskedastisitas.
NON AUTOKORELASI
Format umum sintaks yang digunakan adalah:
xtserial vardependen varindep1 varindep2 varindep3
Sehingga sintaks untuk data ini adalah:
xtserial np uk k_ind k_aud
NON AUTOKORELASI (2)
Jika nilai prob>chi2 lebih kecil dari tingkat
signifikansi, maka mengindikasikan terjadinya
autokorelasi atau pelanggaran asumsi non
autokorelasi.
NORMALITAS
Format umum sintaks yang digunakan adalah:
summarize nama_residual
ksmirnov nama_residual = normal((nama_residual
r(mean))/r(sd))
Sehingga sintaks untuk data ini adalah:
summarize resid
ksmirnov resid = normal(( residr(mean))/r(sd))
NORMALITAS (2)
Model memenuhi asumsi kenormalan apabila
nilai combined KS lebih besar dari nilai
signifikansi (α).