46
c. Pemilihan Model dalam Pengujian Data Panel
Pemilihan model yang digunakan dalam sebuah penelitian perlu dilakukan berdasarkan pertimbangan statitik. Hal ini ditujukan untuk memperoleh dugaan
yang efisien. Diagram pengujian statistik untuk memilih model yang digunakan diperlihatkan pada Gambar 3.1
Gambar3.1. Pengujian pemilihan model dalam pengolahan data panel Pengujian model untuk memutuskan apakah akan menggunakan fixed
effect atau random effect menggunakan uji Hausman. Hausman Test dilakukan
dengan hipotesis sebagai berikut: H
: E
i
| x
it
= 0 atau REM adalah model yang tepat H
1
: E
i
| x
it
≠ 0 atau FEM adalah model yang tepat Sebagai dasar penolakan H
maka digunakan statistic Hausman dan membandingkannya dengan Chi square
. Jika nilai χ
2
statistik pengujian lebih besar dari
χ
2
tabel ,maka cukup bukti untuk melakukan penolakan terhadap sehingga pendekatan yang digunakan adalah , begitu juga sebaliknya.
3.2.2.2 Uji Asumsi
Uji asumsi dilakukan untuk memenuhi persyaratan sebuah model yang akan digunakan. Setelah kita memutuskan untuk menggunakan suatu model
FIXED EFFECT
RANDOM EFFECT
POOLED LEAST
SQUARE Chow Test
Hausman Test
LM Test
47
tertentu FEM atau REM berdasarkan Hausman Test, maka kita dapat melakukan uji terhadap asumsi yang digunakan dalam model.
a. Uji Homoskedastisitas
Salah satu aumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE Best Linier
Unbiased Estimate maka var u
i
harus sama dengan
2
konstan, atau semua residual atau error mempunyai varians yang sama. Kondisi ini disebut dengan
homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut heteroskedastisitas.
Untuk mendeteksi adanya heteroskedastisitas dapat menggunakan metode General Least Square Cross Section Weights yaitu
dengan membandingkan Sum Square Residu pada Weighted Statistics dengan Sum Square Residu Unweighted Statistics
. Jika Sum Square Residu pada Weighted Statistics
lebih besar dari Sum Square Residu Unweighted Statistics, maka terjadi heteroskedastisitas.
b. Uji Autokorelasi
Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu peubah atau korelasi antar error masa yang lalu dengan error masa sekarang.Uji
autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan.Autokorelasi dapat mempengaruhi efisiensi dari estimatornya. Tata
cara untuk mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin Watson
DW. Cara untuk melihat ada tidaknya autokorelasi dilakukan dengan membandingkan DW statistik dengan DW tabel. Adapun kerangka identifikasi
terangkum dalam tabel berikut. Korelasi serial ditemukan jika error dari periode waktu yang berbeda saling berkorelasi. Hal ini bisa dideteksi dengan melihat pola
random error dari hasil regresi. Tabel 3. Kerangka identifikasi autokorelasi
Nilai DW Hasil
4 – dl DW 4
4 – du DW 4 – dl
2 DW 4 – du
Du DW 2 dl DW du
0 DW dl Terdapat korelasi serial regresi
Hasil tidak dapat ditentukan Tidak ada korelasi serial
Tidak ada korelasi serial Hasil tidak dapat ditentukan
Terdapat korelasi serial regresi
Sumber: Gujarati,2004
Kategori