com 2014
Regresi data panel memiliki tiga model, yaitu model koefisien konstan (pooled
regression model), model efek tetap (fixed effect model), dan model efek acak (random effect
model). Ketiga model ini dibedakan dari bagaimana kita memperlakukan efek dari individu atau
cross-section. Pada penjelasan ini saya akan menggunakan satu variabel penjelas dengan empat
individu untuk memudahkan pemahaman.
Keterangan:
= variabel terikat individu ke i periode ke t
= intersep gabungan
= koefisien regresi atau slope
= variabel penjelas individu ke i periode ke t
= galat individu ke i period ke t
i = 1, 2, …, N ; t = 1, 2, …, T
Terlihat dari persamaan diatas bahwa model ini tidak membedakan karakterisitik
antarindividu yang terlihat dari nilai intersepnya yang sama untuk semua individu yaitu
. Hal ini menjadi masalah besar dalam model ini. Karakteristik antarindividu yang
dianggap sama akan menutupi keunikan atau heterogenitas dari masing-masing individu.
Keunikan atau heterogenitas tersebut terdapat atau ditutupi oleh galat . Akibatnya,
kemungkinan adanya korelasi antara galat tersebut dengan variabel penjelas dalam model
cukup besar. Jika terjadi korelasi antara galat dengan variabel penjelas akan
menyebabkan persamaan diatas menjadi bias dan tidak konsisten. Ingat asumsi klasik
pada regresi tentang hal ini.
www.parameterd.wordpress.com 2014
Sebagai contoh, kita misalkan variabel terikat (Y) adalah produksi total
perusahaan dengan dua variabel penjelas dalam model yaitu, jumlah pekerja (X1) dan
bahan baku (X2). Jika kita menggunakan model ini, tentu kita akan menganggap bahwa
karakteristik antarperusahaan adalah sama. Hal ini tentu tidak bisa kita terima, pada
kenyataannya tiap perusahaan tentu saja berbeda, seperti strategi produksi, tingkat
pendidikan pekerja, dan jenis perusahaan (swasta atau negeri). Perbedaan karakteristik
tersebut tentu akan berpengaruh terhadap tingkat produksi dari masing-masing
perusahaan. Dengan demikian, jika ingin menggunakan model ini haruslah sangat
berhati-hati.
Keterangan:
= variabel terikat individu ke i periode ke t
= intersep gabungan
= koefisien regresi atau slope
= variabel penjelas individu ke i periode ke t
= intersep individu ke i
= galat individu ke i period ke t
i = 1, 2, …, N ; t = 1, 2, …, T
www.parameterd.wordpress.com 2014
Keterangan:
= variabel terikat individu ke i periode ke t
= intersep gabungan
= koefisien regresi atau slope
= variabel penjelas individu ke i periode ke t
= intersep individu i
= variabel dummy untuk individu ke i
= galat individu ke i period ke t (idiosyncratic term)
i = 1, 2, 3, 4 ; t = 1, 2, …, T
Estimasi model ini dilakukan dengan Ordinary Least Square. Model ini dikenal
sebagai model efek tetap atau fixed effect karena tiap-tiap individu dalam model memiliki
intersep yang tidak berubah sepanjang waktu meskipun intersep antarindividu berbeda.
Model ini berbeda dengan model efek tetap atau fixed effect model meskipun
kedua-duanya mampu mengatasi masalah adanya heterogenitas antarindividu. Akan
tetapi random effect model mengatasi masalah heterogenitas individu pada galatnya. Ini
untuk menjawab permasalah yang ada pada fixed effect model jika terdapat individu yang
banyak akan membutuhkan variabel dummy yang lebih banyak sehingga dapat
mengurangi efisiensi model. Modelnya adalah
Keterangan:
= variabel terikat individu ke i periode ke t
= intersep gabungan
www.parameterd.wordpress.com 2014
Metode estimasi yang digunakan dalam model ini adalah generalized least square
(GLS). Asumsi terpenting pada random effect model adalah tidak terdapat korelasi atau
hubungan antar galat individu dengan variabel penjelas dalam model. Inilah yang
membedakan random effect model dengan fixed effect model.
Referensi
Green, W. H. (2003). Econometrics Analysis (5th ed.). New Jersey: Prentice Hall.
Gujarati, D. N. (2003). Basic Econometrics (4th ed.). New York: The McGraw-Hill Companies.