menjadi lebih murah dan mendorong terjadinya peningkatan jumlah penawaran ekspor. Sehingga dapat disimpulkan bahwa penurunan nilai tukar depresiasi
menyebabkan terjadinya peningkatan ekspor sedangkan kenaikan nilai tukar apresiasi akan menyebabkan penurunan ekspor.
3.1.4 Model Regresi Panel Data
Data panel merupakan gabungan dari data cross section dan data time series, jumlah pengamatan yang diamati menjadi banyak sehingga model yang
menggunakan data ini menjadi lebih kompleks parameternya banyak. Oleh karena itu diperlukan suatu teknik khusus untuk mengatasi model yang menggunakan data
panel Nachrowi dan Usman, 2006. 1 Model Pooled Least Square
Menurut Nachrowi dan Usman 2006, teknik yang dapat digunakan untuk mengestimasi parameter model dengan data panel adalah Pooled Least Square.
Model ini merupakan pendekatan yang paling sederhana dalam pengolahan data panel. Model pooled didapatkan dengan cara mengkombinasikan atau mengumpulkan
semua data cross section dan time series yang akan diduga dengan menggunakan metode OLS Ordinary Least Square. Misalkan terdapat persamaan seperti di bawah
ini : Yit
= α + βXit + εit Dimana :
Yit = variabel terikat
Xit = variabel bebas
α = intersep
β = slope
i = individu ke-i
t = periode waktu ke-t
ε = error
2 Model Efek Tetap Fixed Effect
Asumsi intersep dan slope dari persamaan regresi yang dianggap konstan baik antar individu maupun antar waktu yang kurang sesuai dengan tujuan penggunaan
data panel merupakan masalah terbesar yang dihadapi dalam pendekatan model kuadrat terkecil. Untuk mengatasi hal ini kita dapat menggunakan pendekatan model
efek tetap fixed effect. Model fixed effect adalah model yang dapat digunakan dengan
mempertimbangkan bahwa peubah-peubah yang dihilangkan dapat mengakibatkan perubahan dalam intersep-intersep cross section dan time series. Untuk
memungkinkan perubahan-perubahan intersep ini, dapat ditambahkan variabel dummy
ke dalam model yang selanjutnya akan diduga dengan model OLS Ordinary Least Square
yaitu: Yit
= αi + βjXit + εit Dimana :
Yit = variabel terikat
Xit = variabel bebas
αi = intersep yang akan berbeda antar individu cross section i
βj = parameter untuk variabel ke-j
i = individu ke-i
t = periode waktu ke-t
ε = error
3 Model Efek Acak Random Effect Pada model efek tetap perbedaan antar individu dan atau waktu dicerminkan
pada intercept. Lain halnya dengan model efek acak, perbedaan tersebut dicerminkan dengan error. Teknik ini juga memperhitungkan bahwa error mempunyai
kemungkinan berkorelasi sepanjang time series dan cross section. Bentuk model efek acak ini yaitu :
Yit = α1t + αi + βjXjit + εit
Dimana : Yit
= variabel terikat Xit
= variabel bebas j di waktu t untuk unit cross section i