1.

Model Common Effect

Merupakan metode yang mengkombinasikan data time series dan cross
section, sehingga dapat menggunakan metode OLS untuk estimasinya. Model ini
mengasumsikan bahwa perilaku data antar perusahaan sama dalam berbagai kurun
waktu.
Persamaan Model Common Effect

Dependent Variable: LOG(Y)

Method: Panel Least Squares
Date: 03/22/20 Time: 11:25
Sample: 1935 1954
Periods included: 20
Cross-sections included: 4
Total panel (balanced) observations: 80

Variable Coefficient Std. Error t-Statistic Prob.

C -2.783958 0.391539 -7.110300 0.0000

LOG(X1) 0.906414 0.047631 19.03004 0.0000
LOG(X2) 0.302480 0.056744 5.330573 0.0000

R-squared 0.846486 Mean dependent var 4.320014

Adjusted R-squared 0.842499 S.D. dependent var 1.047154
S.E. of regression 0.415578 Akaike info criterion 1.118485
Sum squared resid 13.29828 Schwarz criterion 1.207811
Log likelihood -41.73940 Hannan-Quinn criter. 1.154298
F-statistic 212.2919 Durbin-Watson stat 0.344385
Prob(F-statistic) 0.000000

Dari hasil regresi menunjukkan bahawa tanda variabel keuntungan yang diharapkan

dan Stok kapital berhubungan secara positif terhadap variabel investasi Y.

Secara teori Uji klasik, menunjukkan semua koefisien signifikan secara statistik

dengan uji pada =1% maupun uji serempak dengan uji F.

Jika harga saham naik 1% maka nilai investasi akan naik sebesar 0,91%,
dengan faktor lain diasumsikan tetap (Ceteris Paribus)
Jika niali kapital naik 1% maka harga nilai Investasi akan naik 0,30%, dengan
faktor lain diasumsikan tetap (Ceteris Paribus).

Sedangkan nilai koefisien determinasi sebesar 0,8465 yang berarti model mampu
menjelaskan variasi investasi sebesar 84,65%.
2. Model Fixed Effect
Model Fixed Effect merupakan teknik mengestimasi data panel dengan
menggunakan variabel dummy untuk menangkap adanya perbedaan antar
intersep. Model ini mengasumsikan bahwa koefisien regresi (slope) tetap antar
perusahaan dan antar waktu, atau dengan kata lain model ini sering juga disebut
dengan Least Squares Dummy Variables (LSDV)
Persamaan Model Fixed Effect

Dimana : = 1 untuk IBM dan 0 untuk perusahaan lainnya

= 1 untuk GoodYear dan 0 untuk perusahaan lainnya.

= 1Untuk Union Oil dan 0 untuk perusahaan lainnya.

Dan Perusahaan Us Stell sebagai perusahaan pembanding, sehingga tidak perlu

variabel dummy, dengan intersep dan

sebagai pembanding perushaan lainnya.

Dari hasil regresi menunjukkan bahawa tanda variabel keuntungan yang diharapkan

dan Stok kapital berhubungan secara positif terhadap variabel investasi Y. Dan

semua Variabel Dummy bertanda negatif , dan secara statistik signifikan juga.
Dependent Variable: LOG(Y)
Method: Panel Least Squares
Date: 03/26/20 Time: 12:06
Sample: 1935 1954
Periods included: 20
Cross-sections included: 4
Total panel (balanced) observations: 80

Variable Coefficient Std. Error t-Statistic Prob.

C -0.302850 0.754284 -0.401506 0.6892

LOG(X1) 0.570443 0.116790 4.884341 0.0000
LOG(X2) 0.352097 0.054320 6.481923 0.0000
D1 -0.768662 0.181409 -4.237179 0.0001
D2 -1.313043 0.226041 -5.808876 0.0000
D3 -0.739064 0.315667 -2.341280 0.0219

R-squared 0.948601 Mean dependent var 4.320014

Adjusted R-squared 0.945128 S.D. dependent var 1.047154
S.E. of regression 0.245294 Akaike info criterion 0.099317
Sum squared resid 4.452503 Schwarz criterion 0.277969
Log likelihood 2.027324 Hannan-Quinn criter. 0.170944
F-statistic 273.1425 Durbin-Watson stat 0.991945
Prob(F-statistic) 0.000000
Dari hasil estimasi diatas dapat kita ketahui Intersep untuk perusahaan US Stell

sebesar -0,302. Intersep untuk IBM adalah -1,0716 (-0,302-0,7687).

Intersep untuk Goodyear adalah -1,6158, dan Intersep untuk Union Oil adalah -

1,0419.

Model Fixed Effect Tanpa Dummy

Dependent Variable: LOG(Y)

Method: Panel Least Squares
Date: 03/22/20 Time: 11:28
Sample: 1935 1954
Periods included: 20
Cross-sections included: 4
Total panel (balanced) observations: 80

Variable Coefficient Std. Error t-Statistic Prob.

C -1.008042 0.591978 -1.702836 0.0928

LOG(X1) 0.570443 0.116790 4.884341 0.0000
LOG(X2) 0.352097 0.054320 6.481923 0.0000

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.948601 Mean dependent var 4.320014

Adjusted R-squared 0.945128 S.D. dependent var 1.047154
S.E. of regression 0.245294 Akaike info criterion 0.099317
Sum squared resid 4.452503 Schwarz criterion 0.277969
Log likelihood 2.027324 Hannan-Quinn criter. 0.170944
F-statistic 273.1425 Durbin-Watson stat 1.001067
Prob(F-statistic) 0.000000

Dari hasil estimasi Fixed Effect diatas, niali Koefisien untuk variabel harga saham
dan stock kapital Kedua variabel ini jugasecara

statistik signifikan pada yang berarti harga saham san stok kapital
berpengaruh secara positif terhadap investasi.
 3. Model Random Effects
Model Random Effects merupakan model yang dapat mengatasi masalah Fixed
Effects (Ketidaktahuaan tentang model sebenaarnya, dan membuat berkurangnya
derajat kebebasan Degree of Freedom). Maka hal ini dapat diatasi dengan model
Random Effects yang menggunakan variabel gangguan (erorr terms). Maka dari
model Random Effects sering disebut juga dengan Eroor Corection mModel
(ECM).
Dengan Persamaannya :

Dimana

Asumsinya yang berkaitan dengan sebagai berikut :

1) Nilai harapan variabel gangguan nol

2) Varian Variabel gangguan Homoskedastis

3) Tidak adanya korelasi antar kedua perusahaan yang berbeda,yaitu i, dan j
pada waktu yang sama t.
4) Variabel gangguan dari perusahaan yang sama dalam periode yang
berbeda yaitu t dan s saling berkorelasi
5) Variabel gangguan dari perusahaan yang berbeda pada waktu yang
berbeda tidakberkorelasi.

“Metode yang tepat umtuk digunakan mengestimasi model Random Effects adalah
Generalized Least Squares (GLS).”
 Dependent Variable: LOG(Y)
Method: Panel EGLS (Cross-section random effects)
Date: 03/22/20 Time: 11:32
Sample: 1935 1954
Periods included: 20
Cross-sections included: 4 Dari hasil
Total panel (balanced) observations: 80
Swamy and Arora estimator of component variances estimasi
Variable Coefficient Std. Error t-Statistic Prob. Random
C -1.185062 0.648776 -1.826614 0.0716 Effect
LOG(X1) 0.608437 0.110327 5.514840 0.0000
LOG(X2) 0.341992 0.053142 6.435428 0.0000
diatas,
niali
Effects Specification
S.D. Rho Koefisien
Cross-section random 0.637481 0.8710 untuk
Idiosyncratic random 0.245294 0.1290
variabel
Weighted Statistics
harga
R-squared 0.678575 Mean dependent var 0.370329
Adjusted R-squared 0.670226 S.D. dependent var 0.424397 saham
S.E. of regression 0.243714 Sum squared resid 4.573520
F-statistic 81.27906 Durbin-Watson stat 0.969126
Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.768426 Mean dependent var 4.320014

Sum squared resid 20.06029 Durbin-Watson stat 0.220950

dan stock kapital Kedua variabel ini jugasecara statistik

signifikan pada yang berarti harga saham san stok kapital berpengaruh secara

positif terhadap investasi. Dengan intersep (c) -1,1851 merupakan nilai rata-rata dari
komponen kesalahan random, sedangkan nilai koefisen determinasi sebesar 0,6785.

Pemilihan Teknik, pada estimasi regresi data panel :

1. Uji statistik F digunakan untuk memilih antara model OLS tanpa variabel dummy
atau Fixed Effects. (Camoon x Fixed)
2. Uji Langrange Multiplier (LM) digunakan untuk memiih antara OLS tanpa
Variabel Dummy atau Random Effects.(Comoon x Random)
3. Uji Hausman digunakan untuk memilih antara Fixed Effects atau Random Effects.
(Fixed x Random).
 1) Ada atau tidaknya korelasi antara erorr terms dan variabel Independent X.
“Jika terjadi korelasi antara erorr terms dan variabel Independent X. Maka
model Random Effects lebih tepat, begitu pun sebaliknya.
2) Jika sampel yan kita ambil adalah hanya bagian kecil dai populasi maka
kita akan mendapatkan erorr terms, yang bersifat Random. Sehingga
model Random Effects lebih tepat.

Jadi, dapat disimpulkan Uji Hausman dapat menjelaskan dengan

menggunakan kovarian matrik dari perbedaan vektro. Dalam hal ini jika
kita menolak hipotesisi nol, yaitu ketika nilai statistic Hausman lebih besar
dari nilai kritisnya, maka model yang tepat adalah model Fixed Efffects.
Sementara jika kita gagal menolak hipotesis nol yaitu, ketika nilai statistic
Hausman lebih kecil dari niali kritisnya maka model yang tepat adalah
model Random Effects.

Pembahasan :

1. Uji F digunakan untuk mengetahui apakah teknik regresi data panel dengan Fixed
Effects lebih baik dari model regresi data penel tanpa variabel dummy (common
effects), dengan melihat Sum Of Squared Residuals (RSS).

Secaraseklias Uji Ftersebut dapat dilihat dari hasil estimasi kedua model CEM dan
FEM, dilihat dari besaran nilai koefisien determinasi (R-Squared) dan DW-Stast, yang
jauh lebih besar itu yang terbaik, namun disini masi terdapat kekurangan, karena
analisis ini masih sangat bias.

Redundant Fixed Effects Tests

Equation: Untitled
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 49.005196 (3,74) 0.0000

Cross-section Chi-square 87.533451 3 0.0000
2. Untuk mengetahui apakah model Random Effects lebih baik dari metode OLS
digunakan Uji Langrange Multipiler (LM)

3. Uji Hausman