Jumat, 10 Juli 2015

Home » » Analisis Regresi Data Panel Dalam Teori

Analisis Regresi Data Panel Dalam Teori

By No comments
Kata orang, semakin banyak data dan sudut pandang yang digunakan, maka analisis yang dihasilkan akan semakin baik. Nah, kali ini kita akan membahasa tentang hal ini. Biasanya, dalam analisis, kita menggunakan data cross section (satu tahun banyak individu) atau data time series (banyak tahun satu individu), tetapi kali ini kita akan menggabungkan keduanya alias kita akan menggunakan data panel.
Data panel merupakan gabungan data cross section dan time series. 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 memakai data panel:
  1. Menghasilkan degree of freedom yang lebih besar.
  2. Mengatasi masalah penghilangan variabel (ommited variabel)
  3. Dapat mengurangi bias dalam pengestimasian karena data cukup banyak.
  4. Untuk mempelajari model perilaku individu.
  5. Mempelajari perubahan yang bersifat dinamis.
Dalam analisis data panel ada 3 model pendekatan yang digunakan yaitu:
  1. Model Common Effects
  2. Model Fixed Effects (FEM)
  3. Model Random Effects (REM)/Error Components Model (ECM)
        Model Common Effects
Pendekatan ini tidak memperhatikan dimensi individu maupun waktu, disebut juga Pooled Regression. Metode estimasinya menggunakan Ordinary Least Squares (OLS).
Model persamaan regresinya :
Asumsi :
 
Tidak ada multikolinieritas antar variabel bebas yang digunakan.
Model Fixed Effects (FEM)
Model ini mengasumsikan bahwa dalam berbagai kurun waktu, karakteristik masing-masing individu adalah berbeda. Perbedaan tersebut dicerminkan oleh nilai intersep pada model estimasi yang berbeda untuk setiap individu.
 Model persamaan regresinya :
Model di atas biasanya dituliskan dalam bentuk dummy variabel untuk menggantikan perbedaan intersep yang ada, sehingga dapat dituliskan sebagai berikut :
Asumsi :
    3. Tidak ada multikolinieritas antar variabel bebas yang digunakan, termasuk variabel dummy
    Kemungkinan tentang intersep, slope, dan residu pada Fixed Effect
    1. Intersep dan slope tetap antar waktu dan individu, perbedaan intersep dan slope dijelaskan oleh residualnya.
    2. Slope tetap tetapi intersep berbeda antar individu
    3. Slope tetap tetapi intersep berbeda antar waktu dan antar individu.
    4. Intersep dan slope berbeda antar individu
    5. Intersep dan slope berbeda antar waktu dan antar individu.
       Model Random Effects (REM)
Model ini juga mengasumsikan bahwa dalam berbagai kurun waktu, karakteristik masing-masing individu adalah berbeda. Hanya saja, dalam REM perbedaan tersebut dicerminkan oleh error dari model.
Model persamaan regresinya :
Dimana :
Sehingga modelnya dapat pula dituliskan sebagai berikut :
atau
Asumsi :
Akibat dari asumsi-asumsi di atas maka :
Jika  maka REM dapat diestimasi dengan OLS (cukup menggunakan Common Effects), jika tidak maka diestimasi dengan Generalized Least Squares (GLS).
Cara untuk memilih salah satu dari ketiga pendekatan yang ada di atas adalah sebagai berikut :
        Memilih antara model Common Effects VS Fixed Effects
Untuk memilih model mana yang lebih cocok antara Common Effects ataukah Fixed Effects, dapat digunakan Uji Chow (Chow Test) atau Restricted F-Test sebagai berikut:
Ho : Model Common Effects lebih baik daripada Fixed Effects
 H1 : Model Fixed Effects lebih baik daripada Common Effects
 Tingkat signifikansi : alpha
                            Statistik Uji :
                           
Dimana : N = jumlah individu (dalam hal ini komoditi)
T = jumlah series (tahun)
k = jumlah parameter, termasuk intercept
= koefisien determinasi (R2) dari model unrestricted/model Fixed Effects
R2R= koefisien determinasi (R2) dari model restricted/model Common Effects
   Kriteria Pengambilan Keputusan : Tolak Ho jika atau jika 
     
      Memilih antara model Common Effects VS Random Effects
Untuk memilih model mana yang lebih cocok antara Common Effects ataukah Random Effects, dapat digunakan Uji Lagrange Multiplier (LM Test), yaitu sebagai berikut :
 Ho :
 H1 :
 Tingkat signifikansi : alpha
 Statistik Uji :
Kriteria Pengambilan Keputusan : Tolak Ho jika atau jika
       Memilih antara model Fixed Effects VS Random Effects
Untuk memilih model mana yang lebih cocok antara Fixed Effects ataukah Random Effects, dapat digunakan Uji Hausman (Hausman’s Test), yaitu sebagai berikut :
Ho : Model Random Effects lebih baik daripada Fixed Effects
 H1 : Model Fixed Effects lebih baik daripada Random Effects
 Tingkat signifikansi : alpha
                        Statistik Uji :
Kriteria Pengambilan Keputusan : Tolak Ho jika atau jika 
p = jumlah variabel bebas
 Contoh kasus:
 Seorang peneliti manajemen melakukan penelitian tentang pengaruh faktor non financial (persentase kepemilikan komisaris independen, serta ratio auditor) terhadap nilai perusahaan. Peneliti ini mengumpulkan data dari 5 perusahaan dengan menggunakan laporan keuangan dari tahun 2008-2012. Berikut adalah data yang terkumpul:
No
Tahun
UK
K_IND
K_AUD
NP
1
2008
4
0.50
0.75
0.99
1
2009
4
0.50
0.75
1.97
1
2010
4
0.50
1.00
3.65
1
2011
4
0.50
0.75
4.41
1
2012
4
0.50
0.75
6.86
2
2008
3
0.33
1.00
0.61
2
2009
3
0.33
1.00
0.79
2
2010
4
0.25
1.00
0.96
2
2011
4
0.25
1.00
1.33
2
2012
3
0.33
1.00
1.37
3
2008
5
0.40
0.40
0.14
3
2009
5
0.40
0.60
0.30
3
2010
5
0.40
0.60
0.98
3
2011
5
0.40
0.60
1.91
3
2012
5
0.40
0.60
1.29
4
2008
3
0.33
1.00
0.29
4
2009
3
0.33
1.00
0.38
4
2010
3
0.33
1.00
0.71
4
2011
3
0.33
1.00
1.10
4
2012
3
0.33
1.00
1.26
5
2008
10
0.50
0.40
0.59
5
2009
10
0.50
0.40
1.62
5
2010
11
0.45
0.36
2.02
5
2011
11
0.45
0.36
2.03
5
2012
11
0.36
0.33
1.78

0 komentar:

Posting Komentar