1. Mampu mengontrol heterogenitas individu.
2. Banyak memperoleh informasi yang lebih bervariasi, mengurangi
kolinearitas antar variabel, meningkatkan degree of freedom dan lebih efisien.
3. Lebih banyak untuk studi dynamics of adjustment.
4. Mampu lebih baik dalam mengidentifikasi dan mengatur efek secara
sederhana tidak dapat diatasi dalam data cross section murni atau time series murni.
5. Dapat menguji dan mengembangkan model perilaku yang lebih kompleks.
Analisis model data panel terdiri dari tiga macam pendekatan, yaitu common effect model ECM, fixed effect dan random effect. Ketiga pendekatan yang
dilakukan dalam analisis data panel ini akan dijelaskan pada bagian berikut:
3.5.1. Common Effect Model ECM
Common Effect Model merupakan suatu metode pengkombinasian sederhana antara data time-series dan data cross-section dan selanjutnya dilakukan
estimasi model yang mendasar menggunakan Kuadrat Terkecil Sederhana OLS. Metode pooled OLS dapat dispesifikasikan ke dalam model berikut:
Ŷ
it
= α + X
it
................................................................................................... 3.3 dimana i i = 10 menunjukkan urutan individu yang diobservasi pada data cross-
section, sedangkan t = 31 menunjukkan periode pada data time-series. Namun, pada metode ini asumsi yang digunakan menjadi terbatas karena model tersebut
mengasumsikan bahwa intersep dan koefisien dari setiap variabel sama untuk
setiap individu yang diobservasi. Hal ini menyebabkan variabel-variabel yang diabaikan akan membawa perubahan pada intersep time-seris dan cross-section.
3.5.2. Metode Fixed Effect
Masalah yang timbul pada penggunaan metode common effect model yaitu adanya asumsi bahwa intersep dan koefisien dari setiap variabel sama pada setiap
individu yang diobservasi. Untuk memperhitungkan individualitas dari setiap unit cross-section dapat dilakukan dengan cara menjadikan intersep berbeda pada tiap
unit individu. Pada metode fixed effect ditambahkan variabel dummy untuk mengubah intersep, tetapi koefisien-koefisien lainnya tetap sama untuk setiap
individu yang diobservasi. Metode ini dapat dispesifikasikan kedalam model
berikut:
Ŷ
it
= α+
i
X
it
+
2
W
3t
+…+
N
W
NT
+
2
Z
i2
+
3
Z
i3
+...+
T
Z
it
+
it
............................. 3.4 dimana: W
it
= 1 untuk individu ke-i, i = 2,...,N; 0 untuk lainnya Z
it
= 1 untuk individu ke-t, t = 2,...,T; 0 untuk lainnya Variabel dummy N-1 + T-1 ditambahkan ke dalam model dan
penambahan tersebut menghasilkan kolinearitas yang sempurna diantara variabel- variabel penjelas. Koefisien dari variabel dummy akan mengukur perubahan
intersep cross-section dan time-series. Namun, dalam penelitian ini tidak dimasukkan variable dummy karena banyaknya variabel bebas pada model diduga
akan menghasilkan kolinearitas yang sempurna. Terdapat beberapa masalah yang
berhubungan dengan penggunaan metode fixed effect. Pertama, yaitu bahwa
penggunaan variabel dummy yang tidak dapat mengidentifikasikan secara
langsung penyebab perubahan garis regresi pada periode dan individu. Kedua,
yaitu teknik variabel dummy akan mengurangi jumlah derajat bebas Pyndick dan Rubinfeld, 1998.
3.5.3. Metode Random Effect
