Regresi Data Panel

Regresi Data Panel adalah gabungan antara data cross section dan data time series,
dimana unit cross section yang sama diukur pada waktu yang berbeda. dengan kata lain, data
panel merupakan data dari beberapa individu sama yang diamati dalam kurun waktu tertentu.

beberapa keuntungan yang diperoleh menggunakan data panel yaitu :

1. data panel merupakan gabungan dua data cross section dan time series mampu menyediakan
data yang lebih banyak sehingga akan menghasilkan derajat kebebasan (degree of freedom) yang
lebih besar.

2. menangkap individual heterogenity

3. mengatasi masalah omitted variabel

4. meminimumkan multikolinieritas karena banyaknya informasi dan variasi

Tahapan Regresi Data Panel

1. Penentuan Model Estimasi :

Model persamaan data panel dari data cross section dan data time series adalah sebagai berikut:

Yit = α + β1X1it + β2X2it  + … + βnXnit + eit

dimana:

Yit            = variabel terikat (dependent)

Xit            = variabel bebas (independent)

i               = entitas ke-i

t               = periode ke-t

Menurut Widarjono (2007) ada beberapa kemungkinan yang akan muncul atas adanya
asumsi terhadap intersep, slope dan variabel gangguannya.

1)      Diasumsikan intersep dan slope adalah tetap sepanjang periode waktu dan seluruh
entitas/perusahaan. Perbedaan intersep dan slope dijelaskan oleh variabel gangguan (residual).

2)      Diasumsikan slope adalah tetap tetapi intersep berbeda antar entitas/perusahaan.

3)      Diasumsikan slope tetap tetapi intersep berbeda baik antar waktu maupun antar individu.

4)      Diasumsikan intersep dan slope berbeda antar individu.

5)      Diasumsikan intersep dan slope berbeda antar waktu dan antar individu.

Menurut Widarjono, untuk mengestimasi parameter model dengan data panel, terdapat tiga
teknik (model) yang sering ditawarkan, yaitu:

1. Common Effect Model atau Pooled Least Square (PLS)

merupakan teknik yang paling sederhana untuk mengestimasi parameter model data panel, yaitu
dengan mengkombinasikan data cross section dan time series  tanpa melihat perbedaan waktu
dan entitas (individu). Pendekatan yang sering dipakai adalah metode Ordinary Least
Square (OLS).

2. Model Efek Tetap (Fixed Effect)

Pendekatan model Fixed Effect mengasumsikan bahwa intersep dari setiap individu adalah

berbeda sedangkan slope antar individu adalah tetap (sama). Model efek tetap tersebut
menggunakan variabel dummy untuk menangkap adanya perbedaan intersep antar individu.

3. Model Efek Random (Random Effect)

Model ini sangat berguna jika individu (entitas) yang diambil sebagai sampel adalah dipilih
secara random dan merupakan wakil populasi. Teknik ini juga memperhitungkan bahwa error
mungkin berkorelasi sepanjang cross section dan time series. Model random effect digunakan
untuk mengatasi kelemahan model fixed effect yang menggunakan variabel dummy. Metode
analisis data panel dengan model random effect harus memenuhi persyaratan yaitu jumlah cross
section harus lebih besar daripada jumlah variabel penelitian.

2. Penentuan Metode Estimasi Regresi Data Panel

1. Uji Statistik F (Uji Chow)

Chow test merupakan uji untuk membandingkan model common effect dengan fixed effect 

Apabila Hasil:

H0: Pilih PLS (CE)

H1: Pilih FE (FE)

H0 ditolak jika nilai dari probabilitas F lebih kecil dari alpha, yaitu lebih kecil dari 0,05, dimana
H0 merupakan model pooled least square dan H1 adalah model fixed effects.

2. Uji Hausman
Hausman test adalah pengujian statistik untuk memilih apakah model Fixed Effect atau Random
Effect yang paling tepat digunakan.

Apabila Hasil:

H0: Pilih RE

H1: Pilih FE

H0 ditolak jika P-value lebih kecil dari nilai a. Sebaliknya, H0 diterima jika P-value lebih besar

dari nilai a yaitu sebesar 5%.

3. Uji Lagrange Multiplier

uji Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model Random Effect lebih
baik daripada metode Common Effect (PLS) digunakan.

Apabila Hasil:

H0: Pilih PLS

H1: Pilih RE

3. Pengujian Asumsi Klasik (Multikolinieritas dan Heteroskedastisitas)

Multikolinieritas perlu dilakukan pada saat regresi linier menggunakan lebih dari satu
variabel bebas. Jika variabel bebas hanya satu, maka tidak mungkin terjadi multikolinieritas.

Heteroskedastisitas biasanya terjadi pada data cross section, dimana data panel lebih dekat ke ciri
data cross section dibandingkan time series.

4. Uji Kelayakan (Goodness of Fit) Model Regresi Data Panel

1. uji-F

Uji-F digunakan untuk melakukan uji hipotesis koefisien (slope) regresi secara bersamaan,
dengan kata lain digunakan untuk memastikan bahwa model yang dipilih layak atau tidak untuk
mengintepretasikan pengaruh variabel bebas terhadap variabel terikat.

2. Uji-t

Jika Uji-F dipergunakan untuk menguji koefisien regresi secara bersamaaan, maka Uji-
t digunakan untuk menguji koefisien regresi secara individu.