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).