4 Regresi Data Panel II

Pemilihan Model Terbaik

Politeknik Statistika STIS
Jakarta - 2023
 Pemilihan Model
• Common Effect vs Fixed Effect: Chow-Test
– Ada perbedaan intercept atau tidak (H0:
α1=α2=…=αi= α)
• Common Effect vs Random Effect: Lagrange
Multiplier (LM)-Test
– Apakah residual common effect memenuhi H0: σ2μ =
0
• Random Effect vs Fixed Effect: Hausman-Test
– Ada tidaknya korelasi antara regressor dengan
individual effect [ H0 : 𝐸(ε𝑖𝑡|𝑋𝑖𝑡 ) = 0 ] atau
[ H0 : 𝐸(µ𝑖|𝑋𝑖𝑡 ) = 0 ]
 Chow Test: Common or Fixed Effect?
• If all of the coefficients remain the same over
time, then the sum of squared residuals from
the restricted model (RRSS) – FEM - should be
equal to the sum of the sums of squared
residuals from the unrestricted models (URSS)
–OLS-.
• On the other hand, if there is a structural
change, i.e., changes in the coefficients over
time, then the URSS should be smaller than
RRSS, because unrestricted coefficients in
unrestricted models should match the data
more precisely than the restricted model.
• Pengujian yang dilakukan menggunakan Chow-test atau
Likelihood ratio test, yaitu: (menguji apakah ada perbedaan
intercept atau tidak)
H0: Tidak Ada perbedaan intercept (α1=α2=…=αi= α) -> model
mengikuti pooled (common effect)
H1: minimal ada satu α yang berbeda ->model mengikuti Fixed.
Statistik Uji F atau Chi-Kuadrat.
Dengan Evews, klik--> View-Fixed/Random Effect Testing-
Redundant Fixed Effect
 Hausman Test: Random vs Fixed Effect
• Menguji ada tidaknya korelasi antara regressor dengan
individual effect :
H0 : 𝐸(ε𝑖𝑡|𝑋𝑖𝑡 ) = 0 →random effect
H1: 𝐸(ε𝑖𝑡|𝑋𝑖𝑡 ) ≠ 0 → model mengikuti Fixed Effect.
Dengan Evews, klik--> View-Fixed/Random Effect Testing-
Hausman Test.
 Ketentuan lain (non formal)
1) Jika T (jumlah data time series) lebih besar dari N (jumlah unit
cross section disarankan menggunakan model fixed effects .
2) Ketika N (jumlah unit cross section) lebih besar dari T (jumlah
data time series), kedua model dapat digunakan, tergantung
apakah unit cross section bersifat acak atau tidak.
1) Jika bersifat acak, model random effects lebih baik
2) Jika bersifat tetap / tidak acak, model fixed effects lebih baik.
3) Jika komponen error individu berkorelasi dengan satu atau
lebih variabel independen, maka estimasi dengan model
random effects akan bias, sehingga model fixed effects lebih
baik digunakan.
4) Jika N besar dan T kecil, serta semua asumsi dari model
random effects terpenuhi, maka estimasi menggunakan
model random effects akan lebih efisien dibandingkan
menggunakan model fixed effects.
 Chow Test: CE vs FE
(dalam posisi setelah
mengestimasi model FEM)
Hausman Test: RE vs FE
(dalam posisi setelah
mengestimasi model REM)
 BP-LM Test: CE vs RE
(dalam posisi setelah
mengestimasi model CEM)