Setelah
selesai melakukan uji Chow dan didapatkan model yang tepat adalah Fixed
Effct, maka selanjutnya kita akan menguji model manakah antara model Fixed
Effect atau Random Effect yang paling tepat, pengujian ini
disebut sebagai uji Hausman.
Uji Hausman dapat
didefinisikan sebagai pengujian statistik untuk memilih apakah model Fixed Effect
atau Random Effect yang paling tepat digunakan. Pengujian uji
Hausman dilakukan dengan hipotesis berikut:
H0 :
Random Effect Model
H1 :
Fixed Effect Model
Uji Hausman akan mengikuti
distribusi chi-squares sebagai
berikut:
Statistik Uji
Hausman ini mengikuti distribusi statistic
Chi Square dengan degree of freedom sebanyak k, dimana k adalah
jumlah variabel independen. Jika nilai statistik Hausman lebih besar dari nilai
kritisnya maka H0 ditolak dan model yang tepat adalah model Fixed Effect sedangkan
sebaliknya bila nilai statistik Hausman lebih kecil dari nilai kritisnya maka
model yang tepat adalah model Random Effect.
Dalam software
EViews pengujian Hausman belum disediakan seperti pada uji lain, maka kita
menggunakan Command EViews. Untuk lebih jelasnya contoh hasil regresi
panel pada Part 2 yang akan kita pakai. Pastikan komputer anda sudah terinstal
EViews, untuk mempermudah langkah uji Hausman pakailah hasil regresi ini. Klick
untuk mendownloadnya “Hasil Regresi EViews”.
Untuk melakukan uji Hausman ikutilah
langkah-langkah berikut ini:
1. Bukalah “Hasil
Regresi EViews” yang sudah anda download. Perhatikan pada Workfile dibawah
ini, terdapat file data (warna biru) ini adalah hasil regresi yang sudah
disimpan dengan nama data.
Langkah untuk menamakan data dengan terlebih dahulu melakukan pengujian salah satu model regresi, setelah selesai klick name lalu berikan nama “data”.
2. Masukanlah perintah dibawah ini pada Command EViews:
data.ls(F) ldr npl kur
Vector beta=data.@coefs
Matrix covar=data.@cov
Vector b_fixed=@subextract(beta,1,1,2,1)
Matrix cov_fixed=@subextract(covar,1,1,2,2)
data.ls(R) ldr npl kurs
Vector beta=data.@coefs
Matrix covar=data.@cov
Vector b_gls=@subextract(beta,2,1,3,1)
Matrix cov_gls=@subextract(covar,2,2,3,3)
Matrix b_diff=b_fixed - b_gls
Matrix v_diff=cov_fixed - cov_gls
Matrix H=@transpose(b_diff)*@inverse(v_diff)*b_diff
Keterangan: Pada Vector b_fixed dan matrix cov angka “2”
adalah variabel independen. Pada Vector b_GLS
dan matrix cov angka “3” adalah variabel independen ditambah dengan kostanta.
Masukanlah setiap baris perintah diatas
dan diakhiri dengan “enter”.
3. Jika anda
memasukan perintah diatas dengan benar maka pada Workfile akan muncul hasil uji
Hausman. Double klick pada gambar H pada work file maka muncul
Matrix:H, angka 98,46304 adalah nilai uji Hausman
Untuk melihat langsung hasil uji Hausman dalam EViews silahkan download disini “Uji Hausman”
4. Langkah terakhir adalah membandingkan nilai uji Hausman dengan nilai Chi Square.
Nilai Chi Square didapat dengan melihat tabel Chi Square dengan melihat jumlah variabel independen yang kita pakai dalam hal ini 2 variabel independen dan nilai signifikan yang kita pakai dalam hal ini 0,05 atau 5%. Didapat nilai Chi Square sebesar 5,99146. Jika melihat aturan diatas, nilai statistik Hausman lebih besar dari nilai Chi Square (98,46304 > 5,99146) maka H0 ditolak dan model yang tepat adalah model Fixed Effect.
Untuk melihat langsung hasil uji Hausman dalam EViews silahkan download disini “Uji Hausman”
4. Langkah terakhir adalah membandingkan nilai uji Hausman dengan nilai Chi Square.
Nilai Chi Square didapat dengan melihat tabel Chi Square dengan melihat jumlah variabel independen yang kita pakai dalam hal ini 2 variabel independen dan nilai signifikan yang kita pakai dalam hal ini 0,05 atau 5%. Didapat nilai Chi Square sebesar 5,99146. Jika melihat aturan diatas, nilai statistik Hausman lebih besar dari nilai Chi Square (98,46304 > 5,99146) maka H0 ditolak dan model yang tepat adalah model Fixed Effect.
Hasil
Regresi Panel dengan Fixed Effect Model
Dependent
Variable: LDR
|
||||
Method:
Panel Least Squares
|
||||
Date:
04/29/13 Time: 07:22
|
||||
Sample:
2007 2011
|
||||
Periods
included: 5
|
||||
Cross-sections
included: 10
|
||||
Total
panel (balanced) observations: 50
|
||||
Variable
|
Coefficient
|
Std.
Error
|
t-Statistic
|
Prob.
|
C
|
101.6511
|
11.83352
|
8.590096
|
0.0000
|
NPL
|
-9.442499
|
3.187997
|
-2.961891
|
0.0052
|
KURS
|
-0.001377
|
0.001298
|
-1.060954
|
0.2954
|
Effects Specification
|
||||
Cross-section
fixed (dummy variables)
|
||||
R-squared
|
0.910928
|
Mean dependent var
|
79.28840
|
|
Adjusted
R-squared
|
0.885144
|
S.D. dependent var
|
14.93432
|
|
S.E. of
regression
|
5.061309
|
Akaike info criterion
|
6.286690
|
|
Sum
squared resid
|
973.4401
|
Schwarz criterion
|
6.745576
|
|
Log
likelihood
|
-145.1673
|
Hannan-Quinn criter.
|
6.461437
|
|
F-statistic
|
35.32908
|
Durbin-Watson stat
|
1.590946
|
|
Prob(F-statistic)
|
0.000000
|
|||
Labels : wallpapers Mobile Games car body design Hot Dea
Portable EVIEWS 12 Full Version
BalasHapusVisit
s.id/Eviews12