Data panel adalah gabungan antara data silang (cross section) dengan data runtun waktu (time series). Data panel diperkenalkan oleh Holwes pada tahun 1950. Dalam panel data, persamaan dengan menggunakan data cross section dapat ditulis sebagai berikut:
N adalah banyaknya data cross-section
Sedangkan persamaan model dengan time-series adalah :
T adalah banyaknya data time-series.
Data panel adalah gabungan antara data silang (cross section) dengan data runtun waktu (time series), maka model dapat ditulis dengan persamaan sebagai berikut :
dimana :
N = banyaknya observasi
T = banyaknya waktu
N × T = banyaknya data panel
Analisis model panel data terdapat dua macam pendekatan yang terdiri dari pendekatan efek tetap (fixed effect), dan pendekatan efek acak (random effect).
a. Model Pendekatan Efek Tetap (Fixed Effects).
Pendekatan model pooled
terdapat kesulitan yaitu adanya asumsi intersep dan slope dari
persamaan regresi yang dianggap konstan baik antar daerah maupun antar
waktu yang mungkin tidak beralasan. Salah satu jalan yang dilakukan
yaitu dengan memasukkan variabel boneka (dummy variabel) untuk
mengizinkan terjadinya perbedaan nilai parameter yang berbeda-beda, baik
antar periode maupun antar tempat. Pendekatan ini mengizinkan intercept bervariasi antar unit cross-section namun tetap mengasumsikan bahwa slope koefisien adalah konstan antar unit cross-section. Penambahan variabel boneka ini dapat mengurangi banyaknya degree of freedom yang pada akhirnya akan mempengaruhi koefisien dari parameter yang diestimasi.
b. Model Pendekatan Efek Acak (Random Effect).
Pendekatan ini mengasumsikan unobservable individual effects (ui) tidak berkorelasi dengan regressor
(X) atau dengan kata lain ui diasumsikan bersifat random. Sebelum model
diestimasi dengan model yang tepat, terlebih dahulu dilakukan uji
spesifikasi apakah fixed effect atau random effect atau keduanya memberikan hasil yang sama.
Pilihan antara fixed Effect dan random effect ditentukan dengan menggunakan uji goodness of fit. Untuk pendekatan Fixed effect atau common menggunakan uji F statistik. Adapun uji F test yang dilakukan adalah sebagai berikut:
Dimana: RSS 1= Residual Sum Square metode common, RSS 2 = Residual Sum Square metode fixed effect,
n = jumlah unit cross section, T = jumlah unit waktu dan K = jumlah
parameter yang diestimasi. Jika ternyata hasil perhitungan uji F ≥ F (n - 1 , nT - n - K) ini berarti Ho ditolak, artinya intersep untuk semua unit cross section tidak sama. Dalam hal ini, akan digunakan fixed effect model untuk mengestimasi pesamaan regresi.
Dalam penelitian ini pemilihan model fixed effect dan random effect juga digunakan redundan fixed effect test dan correlated random effect (Hausman test). Dasar pengambilan keputusanya adalah apabila cross-section F statistik hasil uji redundan fixed effect test lebih besar dari F maka pengambilan keputusannyamodel yang digunakan adalah fixed effect model, sedangkan correlated random effect (Hausman test) dasar pengambilan keputusanya adalah apabila cross-section random tidak signifikan pada taraf 5% maka model yang digunakan adalah fixed effect model.
0 komentar:
Posting Komentar