Model ini berbeda dengan fixed effect model meskipun kedua-duanya mampu
mengatasi masalah adanya heterogenitas antarindividu. Akan tetapi random
effect model mengatasi masalah heterogenitas individu pada variabel
gangguannya.
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 𝒀𝒊𝒕 = 𝜶 + 𝜷𝑿𝒊𝒕 + (𝜺𝒊𝒕 +𝜸𝒊 ) dimana
𝑌𝑖𝑡 = variabel terikat individu ke i periode ke t;
𝛼 = intersep gebungan;
𝛽 = koefisien regressi/slope;
𝑋𝑖𝑡 = variabel penjelas individu ke i periode ke t;
𝛾𝑖 = error individu ke i;
𝜀𝑖𝑡 = error individu ke i periode ke t (indiosyncratic term)
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 error individu dengan variabel penjelas
dalam model.
Inilah yang membedakan random effect model dengan fixed effect
model.