Integrasi Ekonomi The impact of Trade Facilitation on Trade Flows in ASEAN+3.

waktu dalam bulan, triwulan, tahun atau yang lainnya = 1,2, … , . Jika � menyatakan jumlah peubah penjelas independent variable yang masing-masing diberi indeks antara 1, 2,…,K maka notasi � ′ menyatakan nilai variabel penjelas ke-j untuk unit ke-i pada waktu ke-t. Untuk mempermudah dalam mengorganisir data panel maka dapat dituliskan ke dalam bentuk matriks sebagai berikut: = � � ; � = � � … � � � … � ⋱ � � … � ; � = � � � � � 3.1 dimana � menyatakan gangguan acak error term untuk unit ke- pada waktu ke- . Struktur data dengan jumlah peubah bebas sebanyak K variabel. Penulisan notasi matrik dalam persamaan 3.1 dapat disederhanakan dalam bentuk: = � � ; � = � � � � � ; � = � � � � � 3.2 adalah matriks berukuran NTx1, � adalah martiks berukuran NTxK dan � adalah matriks berukuran NTx1. Model standar regresi data panel linier dapat dituliskan sebagai: = � ′ + � � � = � ′ + � 3.3 β merupakan matriks berukuran NT x1 yang dapat diekspresikan sebagai: = � � 3.4 Terdapat beberapa metode yang dapat digunakan untuk mengestimasi parameter dalam model regresi data panel statis, yakni pooled least square estimator PLS, metode efek tetap fixed effects model dan metode efek random random effects model. Metode yang paling sederhana digunakan adalah pooled least square PLS atau dikenal sebagai metode least square yang umumnya digunakan pada model cross section dan time series murni. Kemudian metode efek tetap fixed effects model dan metode efek random random effects model. Dalam bentuk umum persamaan regresi data panel = � ′ + � , maka pada one way error component model, komponen error atau gangguan acak dispesifikasikan dalam bentuk: � = + 3.5 Untuk two way error components model, komponen error atau gangguan acak dispesifikasikan dalam bentuk: � = + + 3.6 Error term dalam pendekatan one way error component model hanya mencakup komponen error dari efek dari individu . Pada two way error components model , komponen error term juga mencakup atau memasukkan efek dari waktu . Perbedaan antara fixed effects model FEM dan random effects model REM terletak pada ada atau tidaknya korelasi antara dan dengan � . Untuk menentukan metode yang sesuai untuk digunakan FEM atau REM dapat dilakukan dengan menggunakan uji Hausman.

3.2.3.1 Fixed Effect Model FEM

Sebagian aplikasi empiris data panel umumnya melibatkan memasukkan asumsi mengenai efek individu. Apabila efek individu pada Persamaan 3.5 diperlakukan sebagai parameter tetap atau konstanta dan nilainya bervariasi untuk setiap individu ke-i i= 1, 2,…, N, maka model ini disebut sebagai Fixed Effects Model FEM. Pendekatan FEM mengasumsikan efek individu dan peubah penjelas variabel bebas memiliki korelasi atau memiliki pola yang sifatnya tidak acak. Asumsi ini membuat komponen error dari efek individu dan waktu dapat menjadi bagian dari intersep. Pada umumnya pendekatan FEM terjadi ketika jumlah individu N relatif kecil dan periode waktu T relatif besar. Secara umum persamaan FEM dapat diekspresikan dalam persamaan berikut: untuk one way error component model: = + � ′ + 3.7 untuk two way error component model: = + + � ′ + 3.8 dengan asumsi bahwa ~ , � . Pendugaan parameter dalam metode FEM dapat dilakukan dengan beberapa pendekatan sebagai berikut:

a. Pendekatan Pooled Least Square PLS

Pendekatan PLS dilakukan dengan menggunakan data gabungan pooled antara N unit cross section dan T unit time series sehingga akan diperoleh NxT observasi. Untuk one way error component model dalam persamaan = + � + dengan bersifat konstan untuk semua observasi atau = , maka estimasi parameter dapat diekspresikan sebagai: ̂ = 1 ∑ ∑ � − �� − � = = 1 ∑ ∑ � − ��� − �� = = = ∑ ∑ � = = � ∑ ∑ � = = 3.9 � = � − �� ̂ 3.10 dimana: � = � − �� ; � = − � � �� = ∑ ∑ � = = ; � = ∑ ∑ = = Penggabungan data cross section dan time series akan meningkatkan derajad bebas, sehingga hasil estimasi akan lebih efisien, yakni dengan varian: � � ̂� = � ∑ ∑ � = = 3.11 Namun demikian, pendekatan PLS memiliki kelemahan yakni menghasilkan dugaan parameter ̂ yang bias. Parameter tersebut bias, karena tidak dapat membedakan observasi yang berbeda pada periode yang sama atau tidak dapat membedakan observasi yang sama pada periode yang berbeda.

b. Pendekatan Within Group WG

Pendekatan ini digunakan untuk mengatasi bias pada metode PLS, menggunakan data deviasi dari rata-rata individu. Jika didefinisikan: ∗ = � − �� ; �� = ∑ ∑ � = = ∗ = − � ; � = ∑ ∑ = = = + � + ; � = + �� ′ + � maka akan diperoleh persamaan: − � = − + � − �� ′ + − � � � ∗ = ∗′ + ∗ 3.12