www.parameterd.wordpress.

com 2014

Model Regresi Data Panel

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.

1. Model Koefisien Konstan (MKK) atau Pooled Regression Model

Model ini memperlakukan semua individu seakan akan sama. Secara sederhana
model ini akan menggabungkan observasi waktu dan individu tanpa memperhatikan
perbedaan karakteristik antarindividu. Kemudian melakukan regresi OLS (Ordinary
Least Square) seperti regresi pada umumnya. Modelnya adalah sebagai berikut:

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.

2. Model Efek Tetap (MET) atau Fixed Effect Model (FEM)

Model ini sudah bisa mengakomodasi perbedaan karakteristik antarindividu yang

menjadi masalah pada model koefisien konstan (Pooled Regression). Perbedaan
karekteristik tersebut diakomodasi melalui intersepnya. Kita misalkan galat awal
merupakan galat komposit dari heterogenitas individu dan heterogenitas yang lainnya
yang tidak tercakup dalam model. Sehingga kita dapat menulisakan
dimana mewakali heterogenitas individu dan mewakili heterogenitas lainnya.
Model ini juga berarti membiarkan adanya korelasi antara individu dengan variabel
penjelasnya. Dengan demikian modelnya adalah

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

Untuk mengestimasi model ini dapat menggunakan regresi dengan variabel

dummy dimana tiap-tiap individu akan menjadi variabel dummy. Dengan menjadikan
tiap individu menjadi variabel dummy maka akan ada satu yang menjadi basis sebagai
pembanding untuk menghindari perangkap variabel dummy. Dengan demikian model
regresinya akan menjadi

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.

3. Model Efek Acak (MET) atau Random Effect Model (REM)

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

= koefisien regresi atau slope

= variabel penjelas individu ke i periode ke t
= galat individu ke i
= galat individu ke i period ke t (idiosyncratic term)
i = 1, 2, …, N ; t = 1, 2, …, T

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.