Ekonometrika

Program Studi Statistika, semester Ganjil 2012/2013

Dr. Rahma Fitriani, S.Si., M.Sc
Panel Data Regression Model
Panel Data/ Pooled Data/ Longitudinal Data/
Micropanel Data
Mempunyai dua dimensi: individu (mis: perusahaan,
propinsi, negara) dan waktu
Penggabungan data cross section dan time series
Setiap unit data cross section diulang dalam
beberapa periode waktu




Kelebihan Penggunaan data Panel
Keheterogenan antar individu dapat secara eksplisit
diakomodasi
Penggabungan antara cross section dan time series
membuat data panel menjadi
Lebih informatif
Lebih bervariasi
Mengurangi kolinieritas
Memperbanyak derajat bebas
Lebih efisien
Pengulangan waktu pada unit cross section yang
sama mengakomodasi perubahan dinamis setiap
unit cross section
Model Linier Data Panel
it it i it
X a Y c | + + =
Untuk satu peubah bebas (yang dapat dibuat umum
untuk lebih dari satu peubah bebas)

a
i
adalah variabel tak terobservasi yang spesifik bagi
setiap individu
Diasumsikan bernilai konstan sepanjang waktu untuk
setiap individu


Beberapa model yang dapat diasumsikan
Pooled Model
Random effects Model
Fixed effects Model
Pooled Model
Model paling sederhana
Diasumsikan bahwa tidak ada keheterogenan antar
individu yang tidak terobservasi
Semua keheterogenan sudah ditangkap oleh peubah
eksogen
Model menggunakan asumsi yang sama seperti yang
digunakan pada data cross section
it it it
X a Y c | + + =
Pooled OLS Estimator (POLS)
Dengan asumsi Pooled Model maka penduga
parameter model dapat dilakukan dengan
menggunakan POLS
Model Fixed Effects dan Random Effects
Diasumsikan bahwa terdapat keheterogenan antar
individu yang tidak terobservasi: a
i

a
i
tidak tergantung waktu (time invariant)
Model fixed effects (FE): diasumsikan bahwa masih
terdapat hubungan antara a
i
dan peubah eksogen
Model random effects (RE): diasumsikan bahwa a
i
dan
peubah eksogen saling bebas
it it i it
X a Y c | + + =
Beberapa alternatif penduga untuk asumsi
FE
Least Square Dummy Variable (LSDV) Estimator
Within Estimator
Between Estimator
Least Squares Dummy Variable Estimator
(LSDV)
Pendugaan parameter jika diasumsikan Model FE.
a
i
diduga bersama-sama dengan
Menggunakan N peubah dummy untuk setiap unit cross
section

it it
N
k
ki k it
X D Y c | o o + + + =

=2
1
Penduga OLS diterapkan pada model di atas

Within Estimator
Dilakukan transformasi terhadap data untuk
menghilangkan efek heterogenitas yang tidak
terobservasi
Model awal:
it it i it
X a Y c | + + =
Hitung rata-rata dari seluruh waktu pengamatan bagi
setiap unit cross section:
. . . i i i i
X a Y c | + + =
Transformasi:
( ) ( )
. . . i it i it i it
X X Y Y c c | + =
Penduga OLS diperoleh berdasarkan data hasil
transformasi di atas
Within Estimator
Mengukur keragaman data hanya berdasarkan waktu
Tidak memuat peubah yang tidak tergantung waktu
(time invariant)
Between Estimator
Hanya menunjukkan keragaman dari unit cross
section
Digunakan rata-rata seluruh waktu pada setiap unit
cross section
Model panel terduksi menjadi:
. . . i i i i
X a Y c | + + =
Penduga OLS diterapkan pada model tereduksi tersebut
Sayangnya penduga ini kurang konsisten
Penduga untuk model dengan asumsi RE
Between Estimator:
Tidak efisien
Random effects estimator
Random Effects Estimator (Penduga RE)
Penduga ini mengasumsikan bahwa efek individu bersifat
random bagi seluruh unit cross section
it it i it
X a Y c | + + =
it i it
a v c + =
it it it
v X Y + = |
Penduga RE mengakomodasi struktur error tersebut
Penduga RE diperoleh berdasarkan metode pooled GLS

( ) ( )
2 2
, 0 ~ , , 0 ~
c
o c o N N a
it a i
Random Effects Estimator (Penduga RE)
( )
i it i it i it
v v X X Y Y u u | u + =
Penduga RE mengukur keragaman berdasarkan waktu
dan cross section
Penduga RE rata-rata terboboti antara penduga FE
(Fixed Effects Estimator) dan BE (Between Estimator)

2 2


1

a
To o
o
u
c
c
+
=
Estimator within MSE
2
=
c
o Estimator between MSE
2
=
a
o
Prosedur untuk pendugaan pada model
data Panel
Duga model FE dan RE
Lakukan uji Hausman
Menguji apakah terdapat perbedaan nyata antara
penduga model FE dan penduga model RE
Hipotesis nol: kedua penduga tidak ada perbedaan
Jika H
0
ditolak maka penduga FE lebih sesuai
Jika H
0
diterima maka lanjutkan dengan uji Breusch
Pagan


0 :
2
0
=
a
H o
0 :
2
0
=
a
H o
Jika H0 ditolak maka:
Komponen galat individu nyata,
Penduga RE lebih sesuai
Jika H0 diterima maka penduga POLS (Pooled OLS) lebih
sesuai


Garis besar penetapan asumsi FE atau RE
Jika T (waktu pengamatan) cukup besar dan N
(jumlah unit cross section) kecil kemungkinan
besar tidak banyak perbedaan antara penduga FE
dan RE.
Alasan kemudahan: gunakan penduga FE (LSDV)
Ketika N besar dan T kecil dan unit pengamatan
bukan berupa sampel dari populasi yang lebih besar,
FE model lebih tepat
Gunakan penduga FE (LSDV)
Ketika N besar dan T kecil dan unit pengamatan
berupa sampel acak dari populasi yang lebih besar,
RE model lebih tepat
Gunakan peduga RE (Random Effect Estimator)
Jika komponen dari error berkorelasi dengan salah
satu peubah eksogen: gunakan FE model
Penduga FE

Contoh Aplikasi
Penelitian tentang jumlah investasi (I) berdasarkan
nilai asset perusahaan (Finv) dan modal perusahaan
(Cinv)
Penelitian berdasarkan pada data tahunan investasi
4 perusahaan (unit cross section) mulai dari tahun
1935 1954 (time series, 20 tahun)
Secara a priori diharapkan bahwa investasi
berkorelasi positif terhadap nilai asset dan modal

Pemilihan asumsi RE atau FE
Dari N (kecil) dan T(besar), semestinya penduga RE dan
FE tidak akan berbeda nyata
Akan tetapi jika diasumsikan bahwa:
perbedaan setiap perusahaan bersifat random dan
efek tak terobservasi setiap perusahaan tidak
berhubungan dengan peubah penjelas
Penduga RE lebih sesuai
Jika hanya 4 perusahaan tsb yang mungkin ada maka
Penduga FE lebih sesuai
Jika 4 perusahaan adalah sampel acak dari populasi
perusahaan-perusahaan
Penduga RE lebih sesuai
Output hasil pendugaan, asumsi RE
Dependent variable: I

coefficient std. error t-ratio p-value
---------------------------------------------------------
const -74.8236 84.5994 -0.8844 0.3792
Finv 0.107965 0.0165715 6.515 6.78e-09 ***
Cinv 0.347411 0.0262238 13.25 1.50e-021 ***

Mean dependent var 290.9116 S.D. dependent var 284.8557
Sum squared resid 1576262 S.E. of regression 142.1565
Log-likelihood -509.0567 Akaike criterion 1024.113
Schwarz criterion 1031.259 Hannan-Quinn 1026.978
Prosedur Lanjutan

'Within' variance = 5593.42
'Between' variance = 23981.7
theta used for quasi-demeaning = 0.89201


Hausman test -
Null hypothesis: GLS estimates are consistent
Asymptotic test statistic: Chi-square(2) = 1.51948
with p-value = 0.467788

Breusch-Pagan test -
Null hypothesis: Variance of the unit-specific
error = 0
Asymptotic test statistic: Chi-square(1) = 382.288
with p-value = 3.95186e-085



2

c
o
2

a
o
89201 . 0


1

2 2
=
+
=
a
To o
o
u
c
c
Terima H
0
: tidak ada beda
penduga FE dan RE
Tolak H
0
: RE lebih sesuai