Model Regresi Data Panel (skripsi dan tesis)

Data panel adalah data yang merupakan hasil dari pengamatan pada beberapa individu atau (unit cross-sectional) yang merupakan masing-masing diamati dalam beberapa periode waktu yang berurutan (unit waktu) (Baltagi, 2005). Regresi panel merupakan sekumpulan teknik untuk memodelkan pengaruh peubah penjelas terhadap peubah respon pada data panel. Ada beberapa model regresi panel, salah satunya adalah model dengan slope konstan dan intercept bervariasi. Model regresi panel yang hanya dipengaruhi oleh salah satu unit saja (unit cross-sectional atau unit waktu) disebut model komponen satu arah, sedangkan model regresi panel yang dipengaruhi oleh kedua unit (unit cross-sectional dan unit waktu) disebut model komponen dua arah. Secara umum terdapat dua pendekatan yang digunakan dalam menduga model dari data panel yaitu model tanpa pengaruh individu (common effect) dan model dengan pengaruh individu (fixed effect dan random effect). Menurut Jaya & Sunengsih (2009), analisis regresi data panel adalah analisis regresi yang didasarkan pada data panel untuk mengamati hubungan antara satu 15 variabel terikat (dependent variable) dengan satu atau lebih variabel bebas (independent variable). 

Model Regresi Linear Sederhana (skripsi dan tesis)

Menurut Sumodiningrat (1994, 100), hubungan atau persamaan dalam teori ekonomi biasanya mempunyai spesifikasi hubungan yang pasti (exact) atau hubungan deterministic di antara variabel-variabel. Mengingat bahwa hubungan yang tidak exact tidak pernah ada dalam ekonomi maka faktor-faktor stokastik harus ada dalam hubungan ekonomi. Dengan semakin banyaknya tuntutan akan perlunya menguji teori-teori ekonomi, variabel stokastik juga perlu diuji keberadaannya di dalam hubungan ekonomi. Bentuk paling sederhana dari hubungan stokastik antara dua variabel dan disebut “model regresi linear”.

Y= α + βX_i+U_i (i=1,…n)

 Y disebut variabel terikat (dependent variable), adalah variabel bebas (Independent variable) atau variabel penjelas (explanatory variable), adalah variabel gangguan stokastik (stochastic disturbance), dan adalah parameterparameter regresi. Subskrip menunjukan pengamatan yang ke- . Parameter dan ditaksir atas dasar data yang tersedia untuk variabel dan .

Pemilihan Model Estimasi Regresi Data Panel (skripsi dan tesis)

1. Uji Chow
   Uji chow digunakan untuk mengetahui apakah teknik regresi data panel dengan fixed effects model lebih baik daripada common effects model. Hal ini dilakukan dengan melihat Residual Sum Square (SSR). Pada taraf uji α yang ditentukan, statistik uji chow mengikuti distribusi Fisher dengan derajat bebas n-1 dan nt-n-k. Jika nilai statistik F hitung lebih besar dari F tabel maka hipotesis nol ditolak pada tingkat signifikansi tertentu. Artinya, asumsi koefisien intersep berbeda-beda, sehingga teknik regresi data panel dengan
   fixed effect lebih baik dibanding model regresi data panel tanpa variabel dummy (common effects).
   2. . Uji Hausman
   Uji Hausman digunakan untuk menentukan model yang sesuai antara fixed effects model atau random effects model. Statistik uji Hausman mengikuti distribusi chi-square dengan derajat bebas jumlah variabel bebas (k). Jika model estimasi regresi data panel yang terpilih adalah common effects atau fixed effects maka tahap yang akan dilakukan adalah pengujian untuk memilih estimator yang akan digunakan dengan melihat struktur varian-kovarians residual. Hal ini dilakukan untuk menentukan metode estimasi yang tepat
   untuk digunakan dalam model apakah OLS, GLS, atau FGLS. Kemudian, setelah diperoleh model data panel terbaik serta metode estimasinya, dilakukan pemeriksaan asumsi klasik. Apabila metode estimasinya OLS, maka asumsi klasik yang harus terpenuhi adalah normalitas, homoskedastis, nonmultikolinieritas, dan nonautokorelasi. Jika metode estimasinya adalah GLS atau FGLS, maka asumsi yang harus terpenuhi adalah normalitas
   dan nonmultikolinieritas. Hal ini disebabkan metode GLS dan MLE mampu
   mengakomodasi masalah heteroskedas dan nonautokorelasi dalam model

Metode Estimasi Model Regresi Panel (skripsi dan tesis)

Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan, antara lain:

1.      Common Effect Model

Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel.

2.      Fixed Effect Model

Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model Fixed Effectsmenggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable(LSDV).

 3.      Random Effect Model

Model ini akan mengestimasi data panel dimana variabel gangguan  mungkin saling berhubungan antar waktu dan antar individu. Pada model Random Effectperbedaan intersep diakomodasi oleh error terms masing-masing perusahaan. Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model(ECM) atau teknik Generalized Least Square (GLS)

Pengertian Data Panel (skripsi dan tesis)

Data panel adalah gabungan antara data runtut waktu (time series) dan data silang (cross section). Misalkan anda sebagai seorang peneliti ingin meneliti bank Mandiri dalam kurun waktu 2000-2013 maka anda melakukan penelitian menggunakn data time series. Contoh lain pada tahun 2009 keuntungan industri perbankan Indonesia di atas rata-rata  negara-negara ASEAN, apabila anda ingin meneliti fenomena tersebut dengan memasukan data semua bank dalam waktu 2009 saja, penelitian anda disebut menggunakan data cross section. Sedangkan jika anda ingin meneliti banyak bank dan dengan beberapa periode waktu (misalnya 10 bank dalam kurun waktu 5 tahun) penelitian anda menggunakan data panel.

Menurut Agus Widarjono (2009) penggunaan data panel dalam sebuah observasi mempunyai beberapa keuntungan yang diperoleh. Pertama, data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan lebih menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (omitted-variabel).

Hsiao (1986), mencatat bahwa penggunaan panel data dalam penelitian ekonomi memiliki beberapa keuntungan utama dibandingkan data jenis cross sectionmaupun time series.

1.      Pertama, 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.      Kedua, panel data dapat memberikan informasi lebih banyak yang tidak dapat diberikan hanya oleh data cross section atau time series saja.

3.      Ketiga, panel data dapat memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section.

Uji Autokorelasi (skripsi dan tesis)

Menurut Danang Sunyoto (2016:97) menjelaskan uji autokorelasi sebagai berikut: "Persamaan regresi yang baik adalah yang tidak memiliki masalah autokorelasi, jika terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak dipakai prediksi. Masalah autokorelasi baru timbul jika ada kolerasi secara linier antara kesalahan pengganggu periode t (berada) dengan kesalahan pengganggu periode t-1 (sebelumnya). Dengan demikian dapat dikatakan bahwa uji asumsi klasik autokorelasi dilakukan untuk data time series atau data yang mempunyai seri waktu, misalnya data dari tahun 2000 s/d 2012".

Uji Heteroskedastisitas (skripsi dan tesis)

 Menurut Danang Sunyoto (2016:90) menjelaskan uji heteroskedastisidas sebagai berikut: "Dalam persamaan regresi beranda perlu juga diuji mengenai sama atau tidak varian dari residual dari observasi yang satu dengan observasi yang lain. Jika residualnya mempunyai varian yang sama disebut terjadi Homoskedastisitas dan jika variansnya tidak sama atau berbeda disebut terjadi Heteroskedastisitas. Persamaan regresi yang baik jika tidak terjadi heteroskedastisitas". Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari satu observasi ke observasi yang lain, apabila kesalahan atau residual dari metode yang diamati tidak memiliki varian yang konstan dari suatu observasi ke observasi lainnya artinya setiap observasi mempunyai realibilitas yang berbeda akibat perubahan kondisi yang melatarbelakangi tidak terangkum dalam spesifikasi model. Untuk menguji ada tidaknya Heteroskedastisitas digunakan grafik plot. Jika ada pola tertentu. Seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyepit), maka mengindikasikan telah terjadi Heteroskedastisitas. Dan bila tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas. 53 Menurut Imam Ghozali (2013: 139) ada beberapa cara untuk mendeteksi heterokedastisitas, yaitu : "Dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara ZPRED dan SRESID dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah distudentized. Homoskedastisitas terjadi jika pada scatterplot titik-titik hasil pengolahan data antara ZPRED dan SRESID menyebar dibawah maupun di atas titik origin (angka 0) pada sumbu Y dan tidak mempunyai pola yang teratur".