2.4.1. Pooled Least Square
Dalam metode ini data panel yang mengkombinasikan semua data cross section dan time series akan digabungkan menjadi pooled data. Dengan
menggunakan metode ini tentunya akan menghasilkan pendugaan regresi yang lebih akurat jika dibandingkan dengan regresi biasa, karena dalam panel berarti
menggabungkan data cross section dan time series bersama-sama sehingga memiiki jumlah observasi data yang lebih banyak. Kelemahan dalam metode ini
adalah tidak terlihatnya perbedaan baik antar individu karena data yang digabungkan secara keseluruhan. Metode ini diduga dengan menggunakan
Ordinary Least Square, yaitu : Y
it
= α + β X
it
+ ε
it …………………………………………………………………………………………
2.1 dimana:
Y
it
= variabel terikat di waktu t untuk unit cross section i α
= intersep yang konstan antar individu cross section i X
it
= variabel bebas di waktu t untuk unit cross section i β
= parameter untuk variabel bebas ε
it
= komponen error gabungan di waktu t untuk unit cross section i
2.4.2. Efek Tetap Fixed Effect
Metode pooled least square memiliki kekurangan, yaitu tidak terlihatnya perbedaan baik antar individu, sehingga asumsi intersep dan slope dari persamaan
regresi yang dianggap konstan. Sedangkan untuk generalisasi secara umum, dapat dilakukan dengan memasukkan variabel dummy untuk menghasilkan nilai
parameter yang berbeda-beda pada setiap unit cross section. Metode dengan
memasukkan variabel dummy disebut dengan metode Fixed Effect atau Least Square Dummy Variable.
Metode fixed effect akan menghasilkan intersep yang berbeda-beda antar unit cross section. Kelemahan pada metode ini adalah semakin berkurangnya
degree of freedom akibat adanya penambahan variabel dummy pada persamaan, dan tentunya akan memengaruhi keefisienan parameter yang diduga. Pendugaan
metode ini dinyatakan dalam persamaan 2.2. Y
it
= α
i
+ β
j
x
j it
+ ε
it
…………………………………………………..2.2 dimana:
Y
it
= variabel terikat di waktu t untuk unit cross section i α
i
= intersep yang akan berbeda antar individu cross section i x
j it
= variabel bebas j di waktu t untuk unit cross section i β
j
= parameter untuk variabel ke j ε
it
= komponen error di waktu t untuk unit cross section i
2.4.3. Efek Acak Random Effect
Kategori