REGRESI DATA PANEL

ILMA MAHDIYA SE., ME.

DEFENISI

Regresi Data Panel adalah gabungan antara data cross section dan data time
series, dimana unit cross section yang sama diukur pada waktu yang berbeda.
Maka 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
KEUNTUNGAN REGRESI DATA PANEL
1. Dapat memberikan peneliti jumlah pengamatan yang besar,
meningkatkan degree of freedom (derajat kebebasan), data
memiliki variabilitas yang besar dan mengurangi kolinieritas antara
variabel penjelas, di mana dapat menghasilkan estimasi
ekonometri yang efisien.
2. Panel data dapat memberikan informasi lebih banyak yang tidak
dapat diberikan hanya oleh data cross section atau time series
saja.
3. Panel data dapat memberikan penyelesaian yang lebih baik dalam
inferensi perubahan dinamis dibandingkan data cross section
TAHAPAN REGRESI DATA PANEL
PENENTUAN MODEL ESTIMASI:

Common Effect Model

(CEM) atau Pooled Least Fixed Effect Model (FEM) Random Effect Model (REM)
Square (PLS)
• Merupakan pendekatan model • Model ini mengasumsikan • Model ini akan mengestimasi
data panel yang paling bahwa perbedaan antar individu data panel dimana variabel
sederhana karena hanya dapat diakomodasi dari gangguan mungkin saling
mengkombinasikan data time perbedaan intersepnya berhubungan antar waktu dan
series dan cross section. Pada antar individu
model ini tidak diperhatikan
dimensi waktu maupun individu,
sehingga diasumsikan bahwa
perilaku data perusahaan sama
dalam berbagai kurun waktu.
PENENTUAN METODE ESTIMASI REGRESI DATA PANEL

Uji Lagrange
Uji Chow Uji Hausman
Multiplier
• Chow test adalah • Hausman test adalah • uji Lagrange Multiplier
pengujian untuk pengujian statistik (LM) adalah uji untuk
menentukan model untuk memilih apakah mengetahui apakah
apakah Common Effect model Fixed Effect atau model Random Effect
(CE) ataukah Fixed Random Effect yang lebih baik daripada
Effect (FE) yang paling paling tepat digunakan. metode Common
tepat digunakan dalam Effect (PLS) digunakan
mengestimasi data pane
CONTOH REGRESI DATA PANEL

Berikut ini adalah contoh data panel yang terdiri dari 4 (empat) perusahaan, yaitu: IBM,
Goodyear, Union Oil dan US Stell. Dari masing-masing perusahaan tersedia data dalam
tahunan, 1935 – 1954. Adapun variabel penelitiannya adalah Nilai Investasi (INV) sebagai
variabel terikat (dependent variable). Harga Saham (HS) dan Nilai Aktual Kapital di awal
periode (NAK) sebagai variabel bebas (independent variable). Contoh ini ingin melihat
pengaruh Harga Saham (HS) dan Nilai Aktual Kapital di awal periode (NAK) terhadap
Nilai Investasi (INV), dengan model regresinya:
INV = β 0 + β1 HS + β 2 NAK + e β 0 β
LANGKAH REGRESI DATA PANEL : TAHAP 1 MENGINPUT DATA

 Buka Aplikasi Eviews

 Buka File Kerja (Workfile) dengan cara klik : File =>New =>Workfile . Maka akan muncul jendela Workfile Create, yang
terdiri dari Workfile structure type, Date specification, Workfile name (optional).
 Membuat Workfile. Sesuai dengan contoh data yang telah disiapkan, 4 (empat) Perusahaan dengan periode tahunan, 1935
– 1954, maka pada: Workfile structure type, pilih Balanced Panel. Date (Panel) specification, pilih Annual pada Frequency,
Start date isi 1935, End date isi 1954 dan Number of cross section isi 4.
 Setelah semuanya terisi klik ,ok
 Membuat template untuk variabel penelitian, dalam hal ini adalah Nilai Investasi (INV), Harga Saham (HS) dan Nilai Aktual
Kapital di awal periode (NAK). Caranya klik Object =>New Object. Setelah semua template Eviews siap, Tahap
selanjutnya adalah mengimpor data dari file Excel ke Workfile Eviews.
 Estimasi (Membuat Persamaan) Regresi Data Panel. Quick => Equation Estimation. Pada Equation specification tuliskan
semua variabel penelitian yang akan dimasukkan ke dalam model dengan spasi sebagai pemisahnya
LANGKAH REGRESI DATA PANEL: TAHAP 2 ESTIMASI MODEL

CEM FEM REM

MEMBUAT ESTIMASI CEM
P
Cara: Klik Quick a Estimate Equation Specification :
n
Y C X1 X2 Panel option: Cross-Section: None,
e
Period: None lok
MEMBUAT ESTIMASI FE

Cara: Klik Quick Estimate Equation Specification :

Y C X1 X2 Panel option: Cross-Section: FIXED
,Period: None ok
 MEMBUAT ESTIMASI RE
Cara: Klik Quick Estimate Equation Specification :Y C X1 X2
Panel option:Cross-Section: Random Period: None ok
TAHAP 3: MEMILIH MODEL

Chow Hausme
atau atau LM
nt
1. CHOW TEST (MENGUJI CEM VS FEM)

 Dilakukan untuk membandingkan/memilih model mana yang terbaik antara

CE dan FE
 Pertama pastikan bahwa pada jendela model1 telah tertampil HASIL
ESTIMASI FEM (caranya dislide sebelum2nya), setelah itu klik :View =>
Fixed/Random Effects Testing => Redundant Fixed Effects – Likelihood
Ratio
 Cara Interpretasi:
- Jika “Cross-section Chi-square” kolom Prob. nilainya > 0,05 maka
model yang terpilih adalah CE,
- jika < 0,05 maka model yang terpilih adalah FE.
 Catatan :
- Jika CE terpilih maka lanjutkan ke UJI LAGRANGE MULTIPLIER.
- Jika FE terpilih maka lanjut ke UJI HAUSMEN
2. HAUSMAN TEST ( MENGUJI FEM VS REM)

 Dilakukan untuk membandingkan/memilih model mana yang

terbaik antara FE dan RE
 Pertama pastikan bahwa pada jendela model1 telah tertampil
Hasil Estimasi REM, setelah itu klik : View => Fixed/Random
Effects Testing => Correlated Random Effects – Hausman Test.
 Cara Interpretasi:
- Jika p value < 0,05 maka metode yang kita pilih adalah
fixed effect (FE).
- Jika Hausman Test menerima H0 atau p value > 0,05
maka metode yang kita pilih adalah random effect (RE)
 Catatan
- Jika FEM terpilih maka selesai
- Jika REM terpilih maka dilanjutkan ke UJI LAGRANGE
MULTIPLIER.
3. LAGRANGIAN MULTIPLIER TEST (MENGUJI CEM VS REM)

 Dilakukan untuk membandingkan/memilih model mana yang terbaik antara

CE dan RE
 Pertama pastikan bahwa pada jendela model1 telah tertampil HASIL
ESTIMASI CEM ( Caranya adalah pada “Jendela Equation” anda klik
tombol Proc -> Specify/Estimate. Kemudian jika muncul “Jendela
Estimation Equation” anda pilih “Tab Options” kemudian pada combo
box Cross-Section silahkan pilih None.)
 Setelah itu Uji Lagrangian Multiplier Test. Yaitu pada “Jendela
Equation” anda tekan tombol View -> Fixed/Random Effects Testing -
> Omitted Random Effects – Lagrange Multiplier.
 Cara Interpretasi:
- REM terpilih jika nilai Breusch-pagan < 0,05
- CEM terpilih jika nilai Breusch-pagan > 0,05
 Catatan:
Apapun yang terpilih baik REM atau CEM maka Selesai
TAHAP 5 : UJI ASUMSI KLASIK

Uji Normalitas

Uji Multikolinieritas

Uji Autokorelasi

Uji Heteroskedastisitas
1. UJI NORMALITAS

Cara : Buka Hasil Estimasi Terpilih View Residual Diagnostics Histogram Normality test
Simpan hasil : Klik Freeze Name Name to identify object: as normalitas
Salin ke word: Klik kanan mouse Save graph to disk browse pilih folder penyompaan file
namea : as normalitas Save as type: Portable Network Graaphics Save Ok
Ketentuan: Jika Nilai Prob > 0,05 maka data terdistribusi normal
2. UJI MULTIKOLINIERITAS

 Cara : Quick Group Statistic Correlation masukan variable independent

 Ketentuan : Jika nilai Correlation < 1,0 maka tidak terjadi masalah multikolinieritas
CATATAN
 Untuk Uji Autokorelasi dan Heteroskedasitisitas siapkan data baru dengan struktur
data berupa Unstructured/undate pada awal input data
 Cara: klik File Open Foreign as workfile pilih data Next
Next Basic Structure: Ubstructure/undate Finish
 Membuat estimasi: Quick estimate equation specification Y c X1 X2 ok
 3. UJI AUTOKORELASI
 Cara : Buka File equation View residual diagnostic serial correlation
LM Test Ok

Ketentuan: Jika nilai Prob. Chi Square > 0,05 maka tidak terjadi masalah Autokorelasi
4. UJI HETEROSKEDASTISITAS

 Cara : Buka File equation View residual diagnostic Heteroskedasticity

White Ok
 Ketentuan: Jika nilai Prob. Chi Square > 0,05 maka tidak terjadi masalah Heteroskedastisitas
TAHAP 4 : INTERPRETASI MODEL