maka model fixed effects lebih tepat. Sebaliknya, jika cross section acak maka model random effects lebih tepat.
b. Jika komponen error
individu berkorelasi, maka penaksir dengan model random effects
adalah bias dan penaksir dengan model fixed effects tidak bias.
c. Jika N besar dan T kecil serta asumsi model random effects terpenuhi, maka
penaksir model random effects lebih efisien dari penaksir model fixed effects. Dalam penelitian ini, pemilihan model estimasi terbaik akan dilakukan
dengan menggunakan pengujian secara formal, yaitu dengan tiga jenis pengujian Ketiga pengujian tersebut antara lain:
1. Uji signifikansi Model
Fixed Effects
Untuk menguji signifikansi fixed effects dilakukan dengan statistik uji F. Uji F digunakan untuk mengetahui apakah model regresi data panel dengan fixed
effect melalui teknik variabel dummy lebih baik dari model regresi data panel
tanpa variabel dummy common effect dengan melihat sum square residual SSR. Hipotesis nul H0 yang digunakan adalah bahwa intersep dan slope adalah sama.
Adapun uji F statistiknya adalah sebagai berikut:
3.7 dimana n = jumlah individu; k = jumlah parameter dalam model fixed effects tidak
termasuk intersep; SSR
1
= sum square residual model tanpa variabel dummy common effect, dan SSR
2
= sum square residual model fixed effects dengan variabel dummy. Nilai statistik F hitung akan mengikuti distribusi statistik F
dengan derajat bebas df sebanyak n-1 untuk pembilang dan sebanyak nT-n-k untuk penyebut. Jika nilai statistik F hitung lebih besar daripada F tabel pada
tingkat signifikansi tertentu, maka hipotesis nul akan ditolak, yang berarti asumsi koefisien intersep dan slope adalah sama menjadi tidak berlaku, sehingga model
regresi data panel dengan fixed effects lebih baik dari model regresi data panel tanpa variabel dummy common effects.
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
