Dalam melakukan Analisis Ekonometrika khususnya regresi, terdapat 3 jenis

data yang dapat digunakan, yaitu: data time-series, data cross-section, dan data panel.

Pada data time series, satu atau lebih variabel akan diamati pada satu unit observasi dalam

kurun waktu tertentu. Sedangkan data cross-section merupakan amatan dari beberapa unit

observasi dalam satu titik waktu. Perlu ditekankan, Tiap jenis data punya kegunaan dan

konsekuensi dari penggunaan data yang berbeda satu sama lain.

Nah, data panel (panel pooled data) sendiri merupakan gabungan data cross section

dan series. Dengan kata lain, data panel merupakan data dari beberapa individu sama yang

diamati dalam kurun waktu tertentu. Jika kita memiliki T periode waktu (t = 1,2,...,T) dan N

jumlah individu (i = 1,2,...,N), maka dengan data panel kita akan memiliki total unit

observasi sebanyak NT. Jika jumlah unit waktu sama untuk setiap individu, maka data disebut

balanced panel. Jika sebaliknya, yakni jumlah unit waktu berbeda untuk setiap individu,

maka disebut unbalanced panel.

Menurut Baltagi (2005) dalam Fadly (2011), penggunaan data panel dalam regresi

memiliki beberapa keuntungan, diantaranya :

1.                           Dengan menggabungkan data time series dan cross section, panel

menyediakan data yang lebih banyak dan informasi yang lebih lengkap

serta bervariasi. Dengan demikian akan dihasilkan degress of freedom

(derajat bebas) yang lebih besar dan mampu meningkatkan presisi dari

estimasi yang dilakukan.

2.                           Data panel mampu mengakomodasi tingkat heterogenitas individu-

individu yang tidak diobservasi namun dapat mempengaruhi hasil dari

permodelan (individual heterogeneity). Hal ini tidak dapat dilakukan oleh

 studi time series maupun cross section sehingga dapat menyebabkan hasil

yang diperoleh melalui kedua studi ini akan menjadi bias.

3.                           Data panel dapat digunakan untuk mempelajari kedinamisan data. Artinya

dapat digunakan untuk memperoleh informasi bagaimana kondisi individu-

individu pada waktu tertentu dibandingkan pada kondisinya pada waktu

yang lainnya.

4.                           Data panel dapat mengidentifikasikan dan mengukur efek yang tidak

dapat ditangkap oleh data cross section murni maupun data time series

murni.

5.                           Data panel memungkinkan untuk membangun dan menguji model yang

bersifat lebih rumit dibandingkan data cross section murni maupun data

time series murni.

6.                           Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi

individu karena unit observasi terlalu banyak.

Regresi data panel dapat dimodelkan sebagai berikut :

Dimana:

α       = Konstanta

β       = Vektor berukuran P x 1 merupakan parameter hasil estimasi

 Xit    = Observasi ke-it dari P variabel bebas

αi      = efek individu yang berbeda-beda untuk setiap individu ke-i

Eit     = error regresi seperti halnya pada model regresi klasik.

Model persamaan diatas disebut one-way model atau model satu arah, karena hanya

mempertimbangkan efek individu (αi) dalam model. Jika model juga mempertimbangkan

efek dari waktu atau memasukka variabel waktu, maka disebut two-way model atau model

dua arah dan secara matematis dapat dituliskan sebagai berikut:

Dimana terdapat tambahan efek waktu yang dilambangkan dengan deltha yang dapat bersifat

tetap ataupun bersifat acak antar tahunnya, selain dari keterangan yang sudah dijelskan

sebelumnya.

Seperti halnya Regresi dengan menggunakan data Cross section, Regresi dengan

menggunakan data panel pun memiliki tahapan yang pada dasarnya sama dengan yang sudah

saya posting sebelumnya. Yaitu: Eksplorasi, Identifikasi, Estimasi, Pengujian signifikansi,

Uji asumsi dan Goodness of fit model.

Namun, dengan menggunakan data panel, konsekuensinya adalah selain harus

melewati tahapan tersebut, sebagai pembuat model kita harus juga melalui tahapan yang

dapat dijelaskan oleh Gambar 1 berikut.

 Gambar 1. Tahapan Regresi menggunakan Data Panel (Slide powerpoint Fadly,
2011)

Tahapan yang harus dilalui:

1.      Penentuan Model Estimasi – Terkait dengan model yang digunakan, Fixed or Random

Effects?

2.      Penentuan Metode Estimasi

3.      Pengujian Asumsi dan Kesesuaian Model

4.      Interpretasi