Anda di halaman 1dari 15

Qiyara Consulting

Info lengkap buka http://qiyara.ipromart.co.id


PANEL DATA DENGAN E-VIEWS
Untuk keperluan pembelajaran, pada modul ini akan dipergunakan contoh
kasus model pertumbuhan ekonomi regional di Indonesia. Modul ini akan
menguji model pertumbuhan neoklasik (neoclassical growth model untuk
kasus Indonesia dengan hipotesis utama tentang kon!ergensi pendapatan
(income convergence" yaitu kecenderungan dimana negara miskin
tumbuh lebih cepat daripada negara kaya.
#engan mendasarkan diri pada $%arro &egression' (%arro: ())(,
())*, ())+, kita akan menguji hipotesis absolute convergence dengan
mempergunakan persamaan berikut:
( )
( )
T i i
T
i
iT
u y
T
e
a
y
y
T
, 0 0
0
log
1
log
1
+


1
]
1

,
_


,(.(-
dimana u
i0,T
merepresentasikan rata.rata error term u
it
antara /aktu 0 dan
1, dan intersep adalah a=x+[(1-e
-T
)/T!log["#!
2edangkan untuk menguji hipotesis conditional convergence,
dimana kita berusaha untuk mempertahankan konstan stead$-state dari
masing.masing perekonomian, kita akan mengestimasi:
( )
( )
T i t i i
T
i
iT
u X y
T
e
a
y
y
T
, 0 , 0
0
log
1
log
1
+ +


1
]
1

,
_

,(.*-
dimana 3 adalah !ektor dari !ariabel.!ariabel yang mempengaruhi
stead$-state perekonomian i.
Untuk menguji hipotesis kon!ergensi, akan dipergunakan data *4
propinsi di Indonesia untuk periode /aktu ()5+.*000. 2ebagai !ariabel
dependent (6 adalah tingkat pertumbuhan 7#&% riil tahunan (gro/th dan
!ariabel independent (3 adalah 7#&% per kapita riil pada a/al obser!asi
(pdrb dan !ariabel.!ariabel yang mempengaruhi stead$-state
perekonomian yaitu secondar$ and u%%er educational attainment (educ,
angka harapan hidup (le8, tingkat inflasi regional (inf, dan tingkat
pertumbuhan transfer pemerintah pusat (trans.
2tudi.studi kon!ergensi a/al, seperti Manki/, &omer, dan 9eil
(())* dan %arro (())(, ())*, ())+, banyak menggunakan model cross-
(
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
section linear yang diestimasi dengan metode ordinar$ least s&uares
(:;2.
<ika kita menerapkan pendekatan ini untuk kasus kita diatas, maka
kita akan menguji hipotesis model neoklasik dengan sebuah single cross-
section e&uation untuk satu periode ()5+.*000. #engan merpergunakan
data pada file &egresi=>ross.2ection.8ls, maka kita akan dapatkan hasil
estimasi dengan ?!ie/s pada tabel ( dan *.
1abel (: &egresi @on!ergensi Absolut
#ependent Bariable: C&:91D
Method: ;east 2quares
#ate: (*/0E/0+ 1ime: **:0F
2ample: ( *4
Included obser!ations: *4
Bariable >oefficien
t
2td. ?rror t.2tatistic 7rob.
> 0.**)4)* 0.0G*G45 5.0)4+EF 0.0000
;:C(7#&% .
0.0(+0)F
0.00*+5) .+.E+G(E4 0.0000
&.squared 0.+EE0+* Mean dependent
!ar
0.0F044
5
Adjusted &.squared 0.+50EEE 2.#. dependent !ar 0.0(4E*
F
2.?. of regression 0.0((0*( Akaike info criterion .
4.(0F*5
G
2um squared resid 0.00*)(+ 2ch/arH criterion .
4.005F)
4
;og likelihood E(.G++++ I.statistic GF.*+)5
)
#urbin.9atson stat (.+E+5EG 7rob(I.statistic 0.00000
+
1abel *: &egresi @on!ergensi @ondisional
#ependent Bariable: C&:91D
Method: ;east 2quares
#ate: (*/0E/0+ 1ime: *0:+5
2ample: ( *4
Included obser!ations: *4
Bariable >oefficien
t
2td. ?rror t.2tatistic 7rob.
> 0.*(G)+4 0.0+*45+ F.04(E*0 0.0004
;:C(7#&% .
0.0(+)F0
0.00GG(5 .F.E04*0G 0.000(
?#U> 0.000*5F 0.000+E5 0.F4+)G5 0.4F4G
;:C(;?3 0.00+*+F 0.00405+ 0.E4F5E) 0.G)5F
IJI 0.00+)E4 0.0(0F45 0.+5()G* 0.+5G5
1&AJ2 0.00F5+F 0.00+0F0 0.)FG*+5 0.G+4E
&.squared 0.4F**(E Mean dependent
!ar
0.0F044
5
Adjusted &.squared 0.++*55* 2.#. dependent !ar 0.0(4E*
F
*
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
2.?. of regression 0.0((*+( Akaike info criterion .
+.)G5++
G
2um squared resid 0.00*+G* 2ch/arH criterion .
+.4F5**
G
;og likelihood EG.(EE*0 I.statistic 5.(5))E
5
#urbin.9atson stat (.F40E54 7rob(I.statistic 0.000+F
(
1erlihat bah/a hasil estimasi kurang memuaskan dimana hanya
ada satu !ariabel penjelas yang signifikan yaitu pdrb. 9alau demikian,
angka &
*
dan #9.stat terlihat cukup baik. @ita juga gagal membuktikan
hipotesis kon!ergensi kondisional dengan melihat koefisien 7#&% per
kapita a/al yang tidak banyak berubah.
Untuk kasus kita diatas, penggunaan metode :;2 ini memberikan
kita hasil yang kurang memuaskan karena regresi persamaan tunggal
cross-section seperti ini akan menghadapi masalah bias spesifikasi
(s%eci'ication bias. Dal ini terjadi sebagai akibat dari perlakuan yang
kurang tepat terhadap efek spesifik.daerah khususnya yang berasosiasi
dengan perbedaan dalam teknologi dan selera. 2elain itu, hal ini juga
terjadi karena kita tidak mengetahui !ariabel.!ariabel apa saja yang
seharusnya kita masukkan ke dalam persamaan sebagai determinan dari
pertumbuhan ekonomi. #engan kata lain, kita tidak tahu $regresi yang
sesungguhnya'. #isini kita menghadapi masalah omitted variable bias.
7ersamaan regresi pertumbuhan antar daerah, secara implisit
mengasumsikan bah/a semua daerah memiliki fungsi produksi yang
sama, yang artinya semua perekonomian beroperasi pada tingkat efisiensi
yang sama. Asumsi implisit ini terlihat kurang realistis. #alam
kenyataannya kita melihat perbedaan dalam metode produksi dan tingkat
pengetahuan teknologi antar daerah sangat ber!ariasi. @arena itu sangat
mungkin fungsi produksi antar daerah untuk ber!ariasi secara substansial.
7ersamaan regresi seperti diatas mungkin akan memperkirakan lebih
rendah tingkat kon!ergensi karena tidak sepenuhnya mampu menangkap
keseluruhan perbedaan dalam fungsi produksi antar daerah.
%eberapa peneliti merekomendasikan penggunaan metode data
panel untuk mengatasi masalah bias spesifikasi ini. Metode data panel
dipertimbangkan mengingat pendekatan ini mungkin akan memuaskan
G
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
karena metode ini mengiHinkan kita untuk menghitung $efek spesifik.
daerah' yang menandakan !ariasi dalam pendapatan per kapita yang
terkait dengan karakteristik spesifik daerah. #engan metode ini kita dapat
mengkontrol kondisi stead$-state setiap daerah dengan lebih baik.
7endekatan ini juga mungkin memuaskan karena ia dapat mengatasi
kesulitan interpretasi terhadap homogenitas parameter yang biasa kita
temui dalam regresi pertumbuhan cross-section kon!ensional.
Untuk menganalisa kasus diatas dengan metode data panel, modul
ini akan mempergunakan file data: &egresi=7anel.#ata.8ls. 2truktur data
terdiri dari *4 data cross-section yaitu *4 propinsi di Indonesia serta +
data time-series yaitu periode tahun ()5+.()E0, ()E0.()E+, ()E+.())0,
())0.())+, dan ())+.*000.
Analisis data panel dengan program (-views secara umum terdiri
dari langkah.langkah sebagai berikut:
(. Membuat )or*'ile untuk #ata 7anel
*. Membuat +ool ,b-ect
G. Mengimpor #ata 7anel
F. ?stimasi #ata 7anel
1. Membuat Wor!ile untu Data Panel
;angkah pertama dalam pengolahan data panel dengan ?!ie/s adalah
membuat /orkfile. 1idak ada yang istime/a disini. Urutan langkah.
langkahnya adalah:
- @lik File
- @lik New
- @lik Workfile ...
F
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
- @emudian ketik frekuensi dan /aktu untuk /orkfile panel data kita.
@arena data kita terdiri dari data *4 propinsi dengan + periode
rentang /aktu, maka ...
- @lik Annual
- @etik sembarang tahun yang menunjukkan + tahun. Misal, ketik
"tart date# 1$%1 dan End date# 1$%&
- @lik '(
- @ita akan dapatkan sebuah wor*'ile yang siap digunakan untuk
analisa data panel dengan rentang /aktu (time-series + tahun.
+
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
). Membuat Pool Object
Aspek terpenting dalam %ool ob-ect adalah daftar nama cross-section dari
data panel kita. Untuk alasan teknis, nama cross-section sebaiknya harus
singkat. +ool ob-ect adalah deskripsi yang menggambarkan struktur data
yang melandasi data panel kita. Urutan langkah membuat %ool ob-ect
adalah:
- @lik Objects
- @lik New object
- @lik Pool ...
4
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
- @lik '(
- Maka akan terlihat %ool window di layar monitor.
- @etik kemudian cross-section identi'iers pada kolom edit di %ool
window.
- 7ergunakan tanda $=' untuk menga/ali nama cross-section
identi'iers
- Untuk *4 propinsi di Indonesia, cross-section identi'iers akan
nampak seperti pada gambar berikutnya.
- 2etelah itu, simpan %ool dengan cara meng.klik Name... pada %ool
window.
- %eri nama sesuai dengan keinginan pada kolom edit yang tersedia.
- 7emberian nama %ool ini dapat juga dilakukan langsung pada saat
kita meng.klik %ool pada pertama kali ob-ect window terbuka. ;ihat
gambar sebelumnya.
5
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
*. Mengimpor Data Panel
Untuk alasan kenyamanan dan kemudahan, disarankan untuk menyimpan
data dalam format Ms ?8cel. #ari ?8cel, data dapat diimpor dengan
mudah ke ?!ie/s. 1erdapat beberapa cara untuk mengimpor data panel.
#alam modul ini kita hanya berhubungan dengan balanced data"
yaitu kasus dimana setiap cross-section atau time series memiliki jumlah
obser!asi yang sama, sehingga total obser!asi yang kita miliki adalah J.1
dimana JKjumlah cross-section dan 1Kjumlah time-series. <ika ada data
yang hilang sehingga jumlah obser!asi tidak sama, maka kita menghadapi
kasus unbalanced data yang merupakan topik lanjutan dalam pengolahan
data panel dan berada di luar pembahasan modul ini.
2elain itu, sebelum melakukan impor data panel, terlebih dahulu
kita harus mengetahui struktur data time-series dan cross-section serta
membedakan pengaturan data panel yaitu dalam bentuk unstac*ed data
dan stac*ed data.
.nstac*ed data
7ada bentuk data ini, obser!asi pada !ariabel tertentu untuk cross-section
tertentu dikelompokkan secara bersama.sama. >ontoh:
E
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
c=usa c=kor c=jpn g=usa g=kor g=jpn
())0
())(
())*
...
#isini, > adalah konsumsi dan C adalah pengeluaran pemerintah. 2etiap
negara (U2A, @orea, dan <apan memiliki kolom terpisah untuk > dan C
masing.masing.
/tac*ed data
7ada bentuk data ini, data seluruh !ariabel dikelompokkan secara
bersama.sama, sehingga setiap kolom mencerminkan !ariabel. 1erdapat
dua jenis stac*ed data yaitu:
a! /tac*ed data b$ cross-section
7ada bentuk data ini, data diurutkan menurut cross-section. >ontoh:
id 6ear c g
=usa ())0
... ...
=usa *000
=kor ())0
... ...
=kor *000
=jpn ())0
... ...
=jpn *000
b! /tac*ed data b$ date
7ada bentuk data ini, data diurutkan menurut date. >ontoh:
year Id c g
())0 =usa
())0 =kor
())0 =jpn
... ...
*000 =usa
*000 =kor
*000 =jpn
2etelah memahami hal diatas, kini kita siap untuk mengimpor data
panel ke dalam ?!ie/s. 1empatkan data dalam format ?8cel. @etik sesuai
)
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
dengan salah satu cara pengaturan diatas. #alam file &egresi=7anel.
data.8ls data diatur dalam bentuk stac*ed b$ date.
Urutan langkah mengimpor data panel ke dalam ?!ie/s adalah:
- @lik Procs pada %ool window
- @lik Import Pool Data (ASII! "#S!W$%& ...
- 7ada layar kemudian akan muncul o%en window
- 1emukan dimana file data kita disimpan, pilih &egresi=7anel.
#ata.8ls, kemudian klik ope'
- 7ada layar akan muncul (xcel /%readsheet 0m%ort /indo/
- @arena kita menggunakan bentuk pengaturan data stac*ed b$ date,
maka pilihlah: series order= in columns dan grou% observation= b$
cross-section!
- @etik kemudian nama semua !ariabel kita pada tempat yang telah
disediakan, dengan ketentuan: penulisan antar !ariabel diselingi
spasi satu dan setiap !ariabel diakhiri tanda L
- Untuk kasus kita diatas, ketiklah: gro/thL pdrbL educL le8L infL
transL
- 1ampilan (xcel /%readsheet 0m%ort /indo/ akan menjadi seperti
gambar ini.
- @lik O$
(0
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
- @ini data telah diimpor ke ?!ie/s dan siap untuk diolah.
+. Estimasi Data Panel
2ebagaimana telah dibahas pada materi, bah/a dalam analisis data panel
kita memiliki beberapa pilihan.pilihan yaitu dengan metode 7;2 (%ooled
least s&uares, I?M ('ixed e''ect model, atau &?M (random e''ect model.
Urutan langkah untuk melakukan estimasi dalam data panel adalah:
- @lik Estimate pada %ool window kita.
- 7ada layar kemudian akan muncul %ooled estimation window
- 1erdapat beberapa fitur utama pada %ooled estimation window
yaitu:
o Dependent ,ariable" adalah tempat kita menuliskan
!ariabel dependent (6 untuk data panel. #alam kasus kita
diatas, 6 K gro/thL
o Common -oe!!i-ents" adalah tempat kita menuliskan
!ariabel penjelas (3 dengan slo%e koefisien yang konstan.
#alam kasus kita diatas, 3 K log(pdrbL educL log(le8L infL
transL
o Cross.se-tion spe-i!i- -oe!!i-ients" adalah tempat kita
menuliskan !ariabel penjelas (3 dengan slo%e koefisien yang
berbeda untuk setiap unit cross-section.
o /nter-ept" adalah pilihan untuk asumsi intercept, apakah
mengikuti asumsi 7;2, I?M, atau &?M.
o Weig0ting" adalah pilihan untuk pembobotan yaitu:
No Weig0ting : semua obser!asi diberi bobot yang
sama.
Cross."e-tion Weig0ts : C;2 dengan menggunakan
estimasi !arians residual cross section. #igunakan
apabila ada asumsi bah/a terdapat cross section
heteros*edasticit$.
"12 : C;2 menggunakan estimasi residual covariance
matrix cross section. Metode ini mengoreksi baik
heteroskedastisitas maupun autokorelasi antar unit
cross-section.
((
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
- 2elain fitur utama, terdapat pilihan tambahan yang dapat dipilih
yaitu:
o W0ite 3eterosedasti-ity -o,arian-e: ?!ie/s
mengestimasi co!ariance yang akan menghasilkan general
heteros*edasticit$" format ini lebih umum dari cross section
heteros*edasticit$ di atas di mana !ariance dalam tiap unit
cross section diiHinkan untuk berbeda untuk tiap unit time
series.
o /terate to Con,ergen-e : ?!ie/s akan terus meng.u%date
pembobot (weights dan koefisien sampai mencapai
kon!ergensi.
#alam kasus kita diatas, kita akan memiliki dua skenario berikut:
(. &egresi untuk kon!ergensi absolut
o @lik Estimate pada %ool window kita.
o @etik gro/thL pada dependent ,ariabe
o @etik log(pdrbL pada -ommon -oe!!i-ients
o 7ilih fi8ed effects pada inter-ept
(*
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
o 7ilih cross.section /eights pada 4eig0ting
o @lik '(
#ependent Bariable: C&:91DL
Method: C;2 (>ross 2ection 9eights
#ate: (*/0E/0+ 1ime: **:()
2ample: ()0( ()0+
Included obser!ations: +
Jumber of cross.sections used: *4
1otal panel (balanced obser!ations: (G0
:ne.step /eighting matri8
Bariable >oefficien
t
2td. ?rror t.2tatistic 7rob.
;:C(7#&%L .
0.0(5*4)
0.00*0+0 .E.F*G44+ 0.0000
Ii8ed ?ffects
=A>?D..> 0.*)F+*E
=2UMU1..> 0.*4G*5F
=2UM%A&..> 0.*5FF*5
=&IAU..> 0.*)EG)*
=<AM%I..> 0.*EF)0+
=2UM2?;..> 0.*FE)*4
=%?JC@U;U..> 0.*4+++*
=;AM7UJC..> 0.*554(E
=#@I..> 0.*+(E+F
=<A%A&..> 0.*+FFG+
=<A1?JC..> 0.*+*(E+
=#I6..> 0.*44G*F
=<A1IM..> 0.*5G)E)
=%A;I..> 0.*4EF)E
=J1%..> 0.*4(()F
=J11..> 0.*5F)E0
=@A;%A&..> 0.*4F)+(
=@A;1?JC..> 0.*E45E+
=@A;2?;..> 0.*E(G**
=@A;1IM..> 0.*E0+(4
=2U;U1..> 0.*4*0()
=2U;1?JC..> 0.*F)(G0
=2U;1&A..> 0.*F*0F*
=2U;2?;..> 0.*FG*)F
=MA;U@U..> 0.*+G(0G
=I&<A..> 0.*G*FFG
9eighted 2tatistics
&.squared 0.E04EGF Mean dependent
!ar
0.05((5
5
Adjusted &.squared 0.5+E05F 2.#. dependent !ar 0.04(+0
+
2.?. of regression 0.0G0*+* 2um squared resid 0.0)F*4
F
I.statistic (4.+F4)G #urbin.9atson stat *.+440*
5
7rob(I.statistic 0.000000
Un/eighted 2tatistics
&.squared 0.FF*+E* Mean dependent
!ar
0.0F044
5
(G
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
Adjusted &.squared 0.G0(E5F 2.#. dependent !ar 0.0G4**
4
2.?. of regression 0.0G0*4E 2um squared resid 0.0)FG4
+
#urbin.9atson stat *.0F0+00
*. &egresi untuk kon!ergensi kondisional
o @lik Estimate pada %ool window kita.
o @etik gro/thL pada dependent ,ariabe
o @etik log(pdrbL educL log(le8L infL transL pada -ommon
-oe!!i-ients
o 7ilih fi8ed effects pada inter-ept
o 7ilih cross.section /eights pada 4eig0ting
o @lik '(
#ependent Bariable: C&:91DL
Method: C;2 (>ross 2ection 9eights
#ate: (*/0E/0+ 1ime: **:*+
2ample: ()0( ()0+
Included obser!ations: +
Jumber of cross.sections used: *4
1otal panel (balanced obser!ations: (G0
:ne.step /eighting matri8
Bariable >oefficien
t
2td. ?rror t.2tatistic 7rob.
;:C(7#&%L .
0.0*0(+(
0.00*G0) .E.5*5GFG 0.0000
?#U>L 0.0)F4+E 0.0*G(F) F.0EE)E) 0.000(
;:C(;?3L .
0.00+5+G
0.0()GF5 .0.*)5GE* 0.544E
IJIL .
0.00F()4
0.0(G+(G .0.G(0+F* 0.5+4E
1&AJ2L 0.000F0* 0.0045EF 0.0+)G*F 0.)+*E
Ii8ed ?ffects
=A>?D..> 0.GF)+5*
=2UMU1..> 0.G(4GG+
=2UM%A&..> 0.G*5+0*
=&IAU..> 0.G+F+EG
=<AM%I..> 0.GG4F4)
=2UM2?;..> 0.G0(G0E
=%?JC@U;U..> 0.G(G5G*
=;AM7UJC..> 0.G*EF05
=#@I..> 0.G0G*GF
=<A%A&..> 0.G0G*G+
=<A1?JC..> 0.*)5FE4
=#I6..> 0.G(FG*(
=<A1IM..> 0.G(4G5(
=%A;I..> 0.G(5G*F
=J1%..> 0.G040E+
=J11..> 0.G(E404
=@A;%A&..> 0.G04+5)
(F
Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
=@A;1?JC..> 0.G*+(+F
=@A;2?;..> 0.G*445)
=@A;1IM..> 0.G*0+FG
=2U;U1..> 0.G0*5+)
=2U;1?JC..> 0.*E4)+E
=2U;1&A..> 0.*5E40)
=2U;2?;..> 0.*E*E0E
=MA;U@U..> 0.*)(4)4
=I&<A..> 0.*504FE
9eighted 2tatistics
&.squared 0.EE(+0G Mean dependent
!ar
0.05E4+
+
Adjusted &.squared 0.EF++)+ 2.#. dependent !ar 0.054(+
0
2.?. of regression 0.0*))*G 2um squared resid 0.0EE4F
(
I.statistic *F.+FE5+ #urbin.9atson stat *.+)F4G
E
7rob(I.statistic 0.000000
Un/eighted 2tatistics
&.squared 0.F+EF*5 Mean dependent
!ar
0.0F044
5
Adjusted &.squared 0.*)FG(G 2.#. dependent !ar 0.0G4**
4
2.?. of regression 0.0G0FG* 2um squared resid 0.0)(4E
G
#urbin.9atson stat *.0F*)4+
(+