2. Uji signifikansi Model
Random Effects
Untuk mengetahui apakah model random effects lebih baik dari model common effects
, dapat digunakan uji Langrange Multiplier LM yang dikembangkan oleh Breusch-Pagan 1980. Pengujian ini didasarkan pada nilai
residual dari metode common effects. Hipotesis nul H0 yang digunakan adalah bahwa intersep bukan merupakan variabel random atau stokastik. Dengan kata
lain varians dari residual ui bernilai nol. Adapun nilai statistik LM dihitung berdasarkan formula sebagai berikut:
3.8 dimana n = jumlah individu; T = jumlah periode waktu; dan eit adalah residual
metode common effects OLS. Uji LM ini didasarkan pada distribusi chi-square dengan derajat bebas df sebesar 1. Jika hasil LM statistik lebih besar dari nilai
kritis statistik chi-square, maka hipotesis nul akan ditolak, yang berarti estimasi yang tepat untuk model regresi data panel adalah model random effects daripada
model common effects.
3. Pengujian signifikansi
Fixed Effects atau Random Effects Signifikansi Hausman
Uji Hausman digunakan untuk mengetahui apakah model fixed effects lebih baik dari model random effects. Uji ini didasarkan pada gagasan bahwa
hipotesis nol menyatakan tidak adanya korelasi, baik OLS dalam model LSDV maupun GLS adalah konsisten, akan tetapi OLS tidak efisien, sedangkan hipotesis
alternatifnya yaitu OLS konsisten tetapi GLS tidak konsisten. Oleh karena itu, di bawah hipotesis nol, kedua estimasi seharusnya tidak berbeda secara sistematik,
dan ujinya dapat dilakukan berdasarkan pada perbedaan. Unsur penting untuk metode ini adalah matriks kovarians dari perbedaan vektor
: 3.9
dimana untuk OLS dalam model LSDV, dan untuk model GLS. Hasil metode Hausman adalah bahwa perbedaan kovarians dari estimator yang efisien
dengan estimator yang tidak efisien adalah nol, sehingga atau 3.10
Kemudian, dengan mensubstitusikan kedua persamaan diatas akan menghasilkan matriks kovarians sebagai berikut:
3.11 Selanjutnya mengikuti kriteria Wald, nilai statistik Hausman ini akan mengikuti
distribusi chi-square sebagai berikut: 3.12
Statistik uji Hausman di atas mengikuti distribusi statistik chi-square dengan derajat bebas sebanyak k, yaitu sejumlah parameter tanpa intersep. Jika nilai
statistik Hausman lebih besar daripada nilai kritis statistik chi-square, maka hipotesis nul akan ditolak, yang berarti estimasi yang tepat untuk regresi data
panel adalah metode fixed effects daripada metode random effects.
3.2.4.3. Spesifikasi Model
Metode ekonometrik yang digunakan untuk melihat pengaruh program PEMP terhadap pertumbuhan ekonomi, ketimpangan pendapatan dan
pengangguran menggunakan metode data panel. Metode data panel juga digunakan untuk melihat pengaruh pertumbuhan ekonomi, ketimpangan
pendapatan dan pengangguran terhadap kemiskinan. Penggunaan metode estimasi ini diharapkan dapat menunjukkan variasi hasil estimasi, melihat kebaikan,
robustness model , serta validitas dari metode estimasi yang digunakan.
Berdasarkan pertimbangan dari beberapa penelitian terdahulu, maka model pengaruh PEMP terhadap pertumbuhan ekonomi, ketimpangan pendapatan dan
pengangguran direpresentasikan dalam model persamaan 1 s.d 3 sebagai berikut: 3.13
Kategori