3.4.2. Analisis Regresi Panel Data
Teknik etimasi yang digunakan dalam penelitian ini adalah model panel data, dimana model ini menggabungkan set data runut waktu time series dan
kerat lintang cross section. Dalam bentuk sederhana, peneliti telah dapat menggunakan data time series dan cross section untuk menganalisis masalah yang
tidak dapat diatasi jika hanya menggunakan salah satu dari kedua model tersebut. Banyak keuntungan yang diperoleh dengan menggunakan model panel data
Gujarati, 2003, diantaranya : 1. Mampu mengontrol heterogenitas individu.
2. Banyak memperoleh informasi yang lebih bervariasi, mengurangi kolinieritas antar variabel, dan meningkatkan derajat kebebasan, serta lebih efisien.
3. Lebih baik digunakan untuk studi dynamics of adjustment. 4. Mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak
dapat diatasi dalam data cross section murni ataupun time series murni. 5. Dapat menguji dan mengembangkan model perilaku yang lebih kompleks.
Keuggulan utama model panel data adalah model panel data akan memberikan keleluasaan kepada peneliti untuk lebih fleksibel dalam memodelkan
perbedaan sifat tiap data pengamatan yang digunakan. Model panel data memiliki 3 bentuk, yaitu Pooled OLS, Fixed Effect LSDV, dan Random Effect GLS.
3.4.2.1. Model Pooled
Model yang didapatkan dengan mengkombinasikan semua data cross section dan time series. Model data ini kemudian diduga dengan menggunakan
Ordinary Least Square OLS, yaitu :
Y
it
= α + β X
it
+
ε
it
..........................................3.2
Dimana : Y
= Variabel endogen X
= Variabel eksogen α
= Intersep β
= Slope i
= Individu ke-I t
= Periode waktu ke-t
ε
= Errorsimpangan
3.4.2.2. Model Fixed Effect
Masalah terbesar yang terjadi dalam pendekatan model kuadrat terkecil adalah asumsi intersep dan slope dari persamaan regresi yang dianggap konstan
baik antar individu maupun antar waktu yang mungkin kurang beralasan. Untuk mengatasi masalah tersebut peneliti dapat menggunakan Model Efek Tetap Fixed
Effect. Model Efek Tetap merupakan model yang didapatkan dengan mempertimbangkan
bahwa peubah-peubah
yang dihilangkan
dapat mengakibatkan perubahan dalam intersep-intersep cross section dan time series.
Peubah dummy dapat ditambahkan ke dalam model untuk memungkinkan perubahan-perubahan intersep ini lalu model diduga menggunakan OLS, yaitu :
Y
it
= ∑
α
i
D
i
+ β X
it
+
ε
it
.....................................3.3
Dimana : Y
= Variabel endogen X
= Variabel eksogen
α = Intersep model yang berubah-ubah antar cross section unit
D = Variabel dummy
β = Slope
i = Individu ke-I
t = Periode waktu ke-t
ε
= Errorsimpangan
3.4.2.3. Model Random Effect
Keputusan untuk memasukan variabel dummy ke dalam model fixed effect tidak dapat dipungkiri akan menimbullkan konsekuensi pengurangan banyaknya
derajat kebebasan yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Untuk mengatasi masalah tersebut maka peneliti bisa
menggunakan Model Efek Acak Random Effect. Dalam model efek acak parameter yang berbeda antar individu maupun antar waktu dimasukan ke dalam
error. Bentuk umum dari model random effect dapat dijelaskan pada persamaan
berikut : Y
it
=
α
+ β X
it
+
ε
it
......................................3.4
ε
it
= U
it
+ V
it
+ W
it
Dimana : U
it
N 0, u² = Komponen cross section error
V
it
N 0, v² = Komponen time series error
W
it
N 0, w² = Komponen combinations error
Kita juga mengasumsikan bahwa error secara individual tidak saling berkorelasi begitu juga dengan error kombinasinya. Penggunaan model random
effect dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi jumlahnya seperti yang dilakukan pada model fixed effect. Hal ini berimplikasi
pada parameter yang merupakan hasil estimasi akan menjadi semakin efisien.
3.5. Pemilihan Model Dalam Pengolahan Panel Data
Kategori