P. 1
Data Panel

Data Panel

|Views: 79|Likes:
Published by Septy Blozy

More info:

Published by: Septy Blozy on May 05, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

03/20/2013

pdf

text

original

Model Regresi Panel Data dan Aplikasi Eviews By Dr.

Endri

1. Pendahuluan Data panel adalah gabungan antara data runtut waktu (time series) dan data silang (cross section). Data runtut waktu biasanya meliputi satu objek/individu (misalnya harga saham, kurs mata uang, SBI, atau tingkat inflasi), tetapi meliputi beberapa periode (bisa harian, bulanan, kuartalan, atau tahunan). Data silang terdiri dari atas beberapa atau banyak objek, sering disebut responden (misalnya perusahaan) dengan beberapa jenis data (misalnya; laba, biaya iklan, laba ditahan, dan tingkat investasi) dalam suatu periode waktu tertentu. Ketika kita melakukan suatu observasi perilaku unit ekonomi seperti rumah tangga, perusahaan atau Negara, kita tidak hanya akan melakukan observasi terhadap unit-unit tersebut di dalam waktu yang bersamaan tetapi juga perilaku unit-unit tersebut pada berabagai periode waktu Regresi dengan menggunakan data panel disebut model regresi data panel. Ada beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data

1

yaitu: 3. Diasumsikan intersep dan slope adalah tetap sepanjang waktu dan individu (perusahaan) dan perbedaan intersep dan slope dijelaskan oleh variabel gangguan b.1. Oleh karena itu.…. T di mana : N T = banyaknya observasi = banyaknya waktu (3) N x T = banyaknya data panel 3..Koefisien Tetap Antar Waktu dan Individu (Common Effect): Ordinary Least Square Teknik ini tidak ubahnya dengan membuat regresi dengan data cross section atau time series. i = 1. maka modelnya dituliskan dengan: Yit = α + β Xit + εit . Akan tetapi.Mengingat data panel merupakan gabungan dari data cross section dan data time series. Ada beberapa kemungkinan yang akan muncul.. sebelum membuat regresi kita harus menggabungkan data cross-section dengan data time series (pool data). Akan 2 .2.... koefisien slope dan variabel gangguannya. yaitu: a.. terdapat beberapa teknik yang ditawarkan.. untuk data panel. Metode ini dikenal dengan estimasi Common Effect. t = 1. Estimasi Regresi Data Panel Secara umum dengan menggunakan data panel kita akan menghasilkan intersep dan slope koefisien yang berbeda pada setiap perusahaan dan setiap periode waktu.2. Diasumsikan intersep dan slope berbeda antar waktu dan antar individu Untuk mengestimasi parameter model dengan data panel. di dalam mengestimasi persamaan (3) akan sangat tergantung dari asumsi yang kita buat tentang intersep. Diasumsikan intersep dan slope berbeda antar individu e. Kemudian data gabungan ini diperlakukan sebagai suatu kesatuan pengamatan untuk mengestimasi model dengan metode OLS. Diasumsikan slope tetap tetapi intersep berbeda baik antar waktu maupun antar individu d.N. Diasumsikan slope adalah tetap tetapi intersep berbeda antar individu c.

t = 1. dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu... intercept ini mungkin berubah untuk setiap individu dan waktu. Diasumsikan bahwa perilaku data antar perusahaaan sama dalam berbagai kurun waktu Bila kita punya asumsi bahwa α dan β akan sama (konstan) untuk setiap data time series dan cross section. i = 1.…..N. Namun. perbedaan antar-individu dan atau waktu dicerminkan lewat intercept. dengan menggabungkan data.2. Pemilihan Teknik Estimasi Regresi Data Panel Seperti diketahui terdapat tiga jenis teknik estimasi model regresi data panel.Model Efek Random (Random Effect) Bila pada Model Efek Tetap. 4. Teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section. maka pada Model Efek Random. yaitu model dengan metode OLS (common). asumsi ini jelas sangat jauh dari kenyataan sebenarnya.tetapi. apakah asumsi bahwa α dan β konstan realistis? 3.2. Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept yang tidak konstan. model Fixed Effect dan model Random Effect. Atau dengan kata lain. maka kita tidak dapat melihat perbedaan baik antar individu maupun antar waktu.2..Model Efek Tetap (Fixed Effect) Pada pembahasan sebelumnya kita mengasumsikan bahwa intersep maupun slope adalah sama baik antar waktu maupun antar perusahaan. Pemikiran inilah yang menjadi dasar pemikiran pembentukan model tersebut. perbedaam tersebut diakomodasi lewat error.. Pertanyaan yang muncul adalah teknik mana yang sebaiknya dipilih untuk regresi data panel 3 .. T Pertanyaanya. maka α dan β dapat diestimasi dengan model berikut menggunakan NxT pengamatan Yit = α + β Xit + εit .3. Atau dengan kata lain.. 3.

4. Adapun uji F statistiknya adalah sbb: F= ( RSS1 ) − RSS 2 ) / m ( RSS 2 ) /( n − k ) Dimana RSS1 dan RSS1 merupakan residual sum of square teknik tanpa variabel dummy dan teknik fixed effect dengan variabel dummy F = (15. Uji F Statistik disini merupakan uji perbedaan dua regresi sebagaimana uji Chow.66.1. Sekarang uji F kita gunakan untuk mengetahui apakah teknik regresi data panel dengan fixed effect lebih baik dari model regresi data panel tanpa variabel dummy dengan melihat residual sum of squares (RSS). Setelah kita melakukan regresi dua model yaitu model dengan asumsi bahwa slope dan intersep sama dan model dengan asumsi bahwa slope sama tetapi beda intersep.78280505 66. pertanyaan yang muncul adalah model mana yang lebih baik? Apakah penambahan dummy menyebabkan residual sum of squares menjadi menurun atau tidak? Keputusan apakah kita sebaiknya menambah variabel dummy untuk mengetahui bahwa intersep berbeda antar perusahaan dengan metode Fixed Effect dapat diuji dengan uji F statistik. Aplikasi Eviews Untuk Data Panel Misalkan.64554)/2 = -25. terdapat data tiga perusahaan (yaitu peru 4 .01421 .2. Uji Statistik F Uji Statistik F digunakan untuk memilih antara metode OLS tanpa variabel dummy atau Fixed Effect.3.64554/33 2.019561818 4.815665 = -12. Uji Langrange Multiplier (LM) Uji ini digunakan untuk memilih antara OLS tanpa variabel dummy atau Random Effect 4. Uji Hausman Uji ini untuk memilih antara Fixed Effect atau Random Effect 5.

Perusahaan A Tahun 2001 2002 2003 2004 Penjualan Biaya Iklan 525 575 560 550 25 50 75 60 Laba 55 57 58 50 Perusahaan B Tahun 2001 2002 2003 2004 Penjualan Biaya Iklan 475 510 500 498 35 45 50 50 Laba 68 70 75 72 Perusahaan C Tahun 2001 2002 2003 2004 Penjualan Biaya Iklan 510 525 560 550 32 49 54 52 Laba 60 64 70 68 Apabila kita hanya ingin menganalisis tahun 2001. yaitu 2001 hingga 2004.penjulan. maka kita hanya memiliki tiga 5 . biaya iklan dan laba (anggaplah datanya dalam jutaan rupiah). Data ketiga perusahaan tersebut diambil selama kurun waktu empat tahun.

cukup ditulis “penjualan” (dengan tanda tanya). sehingga perusahaan dengan nama “A” harus ditulis “_A”. Perhatikan bahwa kolom pertama diiisi dengan identi 6 . maka jumlah keseluruhan observasi menjadi 36 3. maka pada data panel Anda perlu menambah satu variabel lagi. Sebenarnya tidak ada perlakuan khusus dalam meng-input data seperti pada contoh Tabel 9. akan digunakan data pada Tabel 9. Apabila pada analisis regresi dengan data silang Anda hanya perlu membuat tiga variabel saja (yaitu penjualan.2 di atas (File Excel Data Panel). Karena ada tiga perusahaan dan masing-masing meliputi empat tahun. kita dapat menggabungkannya menjadi satu kelompok obeservasi saja. yaitu nama perusahaan. dan laba).Apabila kita ingin menganalisis semua data di atas. penjualan _B”.Meng-input Data Panel Eviews dapat digunakan untuk menganalisis data panel. biaya iklan. variabel “penjualan” dapat dirinci menjadi “penjulan_A”.2 (File Data Panel Excel). Hal ini akan berguna pada analisis nanti. terutama analisis regresi. Cara meng-input data panel berbeda dengan cara meng-input data runtut waktu maupun data silang. Agar dapat dianalisis dengan model yang benar.4. sehingga perusahaan dengan garis bawah. Kalau penjualan akan dilihat secara keseluruhan. Sebagai contoh. Variabel yang menandai objek (yaitu perusahaan) harus diawali dengan garis bawah. anda pun harus memasukkan data dengan struktur yang benar. dan seterusnya.

3. lalu klik Ok. tulislah nama perusahaan. sehingga periodenya pun berupa tahun. Di layar akan muncul tampilan seperti Gambar 9. News Object.Dalam kotak Pool:UNTITLED tertulis: Cross Section Identifiers: (Enter identifiers below this line) Dibawah teks diatas ditulis secara _A kemudian dibawah _B dan dibawahnya lagi _C lalu ditutup dengan memberi nama filenya dengan IKLAN Pada tampilan Gambar 9.3. yang dalam contoh di sini adalah data tahunan. New. Workfile kemudian dalam workfile structure type pilih Dated-regular frequency dan date spefication. masing-masing diawali dengan 7 . frequency pilih Annual (karena memakai data tahunan) kemudian isi Start date: 2001 dan End Date: 2004 setelah itu OK Kliklah tombol objects. Seperti data lainnya.xls. Simpanlah data Anda tersebut dengan nama data panel. Eviews mengijinkan Anda menggunakan berbagai jenis waktu. Kolom kedua periode. dan namai objek tersebut dengan mana “Iklan”. Langkah Awal menjalan Eviews Untuk Data Panel Buka menu file.analisis berikutnya. lalu pilih Pool.

Hasilnya akan tampak seperti Gambar 9.Kliklah Ok Bila data di MS Excel® Anda sudah benar. dan laba_a adalah data milik perusahaan a. Anda harus menentukan data yang dipilih (untuk ditampilkan dan dianalisis). semua data dan sebagainya.Menampilkan Data Panel Anda dapat menampilkan data panel dengan berbagai bentuk. Data penjualan _a. Perhatikan bahwa jendela yang berisi nama variabel (berisi empat baris _A. karena Anda bekerja dari jendela ini. cara menulisnya adalah nama variabel. Untuk memiliki data individual. bila Anda akan menampilkan semua data penjualan. berdasarkan variabel. Dalam bekerja dengan data panel. Di layar akan ditampilkan jendela untuk menentukan variabel apa saja yang harus ditampilkan. apakah data individual atau data kumulatif. Eviews akan mengimpor dengan benar juga. _C. Anda sudah selesai menginput data. kliklah tombol sheet di sudut kanan atas. bukalah dengan mengklik ikon iklan di jendela file kerja. Perhatikan nama-nama variabel (penjualan. Anda harus menemukan nama variabelnya dengan lengkap. laba) masing-masing ada tiga (sebanyak perusahaan). Bila sudah terlanjur ditutup. Penjualan? Iklan? Laba? sehingga tampak seperti berikut : 8 . Namun apabila Anda memilih untuk menampilkan data kumulatif. _D_. misalnya penjualan semua perusahaan. Tiap nama variabel tadi ditambahi tanda ( _ ) diikuti dengan nama perusahaan. jangan ditutup. iklan_a. Anda dapat menuliskan penjualan ? Menampilkan Semua Data Untuk menampilkan suatu data. 3. Misalnya Anda ingin menampilkan data penjualan perusahaan A. Sampai di sini. _B. Anda dapat menampilkan berdasarkan perusahaan.5. maka Anda harus menuliskan penjualan_a. diakhiri dengan? Dengan dengan demikian. iklan.5 berikut ini.

lalu pilih Cross Section Identifiers. as Group Kedua cara tersebut akan menghasilkan tampilan yang sama. atau dengan cara biasa. lalu klik kanan. hanya saja penulisan nama variabelnya saja yang disesuaikan. hanya saja penulisan nama variabelnya harus lengkap (tidak diakhiri ?). atau cukup dengan mengklik Define. sehingga dalam contoh ini Anda harus menuliskan : Penjualan_a iklan_a laba_a Cara 2 Sama dengan cara menampilkan variabel seperti pada data runtut waktu atau data silang. Di sini ada dua cara.Di layar akan di tampilkan hasil seperti tampak pada Gambar 9. Menampilkan Data Satu Variabel Menampilkan data satu variabel dapat dilakukan dengan 3 cara. Dalam contoh disini. yaitu dengn mengklik ikon variabel-variabel yang akan ditampilkan. sehingga dalam contoh ini Anda harus menuliskan : 9 . Cara 1 Sama dengan cara menampilkan semua data di atas.8 berikut ini. kliklah tombol view. sepeti tampak pada Gambar 9. Untuk kembali ke tampilan jendela sebelumnya. yaitu dengan cara menampilkan data panel (ada dua cara). misalnya Anda ingin menampilkan data satu perusahaan saja.7 berikut ini. Menampilkan Data Satu Objek Anda dapat menampilkan suatu objek saja. pilih Open. yaitu: Cara 1 Sama dengan cara menampilkan semua data di atas. yaitu perusahaan A.

tetapi Anda menuliskan iklan ? Cara 3 Mirip dengan cara menampilkan data seperti pada runtut waktu atau data silang. Cara ini sudah dibahas pada bab-bab sebelumnya. Dengan data panel. Anda dapat menjalankan analisis regresi dengan kemungkinan berikut ini : a. 10 .6. 3. Analisis Regresi Semua Data Seperti pada data silang. pada data panel juga dapat dilakukan analisis regresi. bahkan dengan variasi yang lebih banyak.iklan_a iklan_a iklan_a Cara 2 Mirip dengan cara 1.

4.wfl dan jendela lembar kerja pada panel aktif. Pada bingkai Dependent variable.3304 63.0655 0.028883 Prob.12 berikut ini. Dependent Variable: LABA? Method: Pooled Least Squares Date: 08/29/10 Time: 20:40 Sample: 2001 2004 Included observations: 4 Cross-sections included: 3 Total pool (balanced) observations: 12 Variable C PENJUALAN? IKLAN? R-squared Adjusted R-squared S.165351 Mean dependent var S. Jendela ini menjadi jendela kedua setelah tampilan nama-nama variabel. 3.861894 Std. Estimate.0786 -38.7.329633 0. kliklah tombol Estimate (Anda tidak dapat menggunakan menu Quick.D.194936 t-Statistic 3.6340 -0. Anda tidak perlu menuliskan c sebagai konstan seperti pada cara-cara sebelumnya. Analisis Regresi Satu Objek 11 .E. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Perhatikan tampilan tersebut mirip dengan tampilan analisis regresi pada data silang seperti yang sudah ditunjukkan pada bab-bab sebelumnya. Pada bingkai Common coefficients.076932 2. 3. Dilayar akan muncul tampilan seperti Gambar 9.63710 0.200566 0.699413 -2. 2.73423 0.91667 7.096625 1.180663 7. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 146.786449 6.083406 0. Error 39.212745 0. 0. Pada jendela lembar kerja kedua. Pastikan Anda harus sudah membuka file data panel. isikan penjualan? dan iklan ?.174871 0. Equation … seperti pada cara-cara sebelumnya). isikan laba? (lihat. ada tunda?).1. Hasilnya tampak seperti pada Gambar 9.048078 447.0049 0.955705 7.

Dependent Variable: LABA_B Method: Pooled Least Squares Date: 08/29/10 Time: 20:39 Sample: 2001 2004 Included observations: 4 Cross-sections included: 3 Total pool (balanced) observations: 12 Variable Coefficient Std. Error 12 . Misalnya kita akan menganalisis perusahaan b saja.Anda dapat menganalisis regresi data satu objek (atau satu perusahaan) saja. lalu tuliskan laba_b pada bingkai Dependent variable dan penjualan_b iklan_b pada Common coef-ficients. maka persamaannya dapat kita tuliskan sebagai berikut: lababt = β0 + β1 penjua1anbt + β2iklanbt + ebt (9. sehingga di Iayar ditarnpilkan seperti pada Gambar 9. KIik pada jendela dan panel. Klik Ok.14. Informasi yang ditarnpilkan pada hasil analisis regresi tersebut sama dengan tampilan regresi yang sudah dibicarakan pada bab-bab sebelumnya. 2.2) Langkah-langkah untuk menganalisisnya adalah sebagai berikut: 1.

akan menjadi seperti berikut: lababt = 86. menggunakan asumsi ini. Contoh yang sudah dijalankan pada subbab D (3.55 d=3.08 penjualanbt + 0.2) Pada contoh tersebut.0.3%. Metode ini sering disebut dengan common effect.17) 2 F = 19.49 iklanbt t (4.1263). bahkan satu objek pada suatu waktu akan sangat berbeda dengan kondisi objek tersebut pada waktu yang lain. menunjukkan kondisi yang sesungguhnya. dan biaya ikian sebesar 81. Kelemahan asumsi ini adalah ketidaksesuaian model dengan keadaan yang sesungguhnya.169 R = 0. Pendekatan Efek Tetap (Fixed Effect) Dalam menganalisis data runtut waktu.813 menunjukkan bahwa model rnampu menjelaskan hubungan antana laba. Kondisi tiap objek saling berbeda.812 (9. Oleh karena itu diperlukan suatu model yang dapat menunjukkan perbedaan konstan antarobjek.68) (5. Model ini dikenal dengan model regresi 13 . 3.5. Nilai koefisien determinan sebesar 0. Hasil analisis regresi dianggap berlaku pada semua objek pada semua waktu.Apabila dari hasil analisis tersebut dituliskan persamaannya. meskipun dengan koefisien regresor yang sama.10): Konstan Sama Berbeda Sama Berbeda Berbeda Koefisien Regresor Sama Sama Berbeda Berbeda Berbeda Objek Sama Sama Sama Antar Individu Antar Individu Waktu Semua Waktu Semua Waktu Semua Waktu Semua Waktu Antar Waktu Teknik yang paling sederhana mengasumsikan bahwa data gabungan yang ada. penjualan. kita dapat memakai asumsi berikut ini (di antaranya sudah disinggung di halaman 9.50) (-1. karena probabilitasnya melebihi 5% (yaitu 0. koefisien variabel penjualan ternyata secara statistik tidak signifikan.4) di atas.99 .

Demikian juga dengan koefisien regresinya. Efek tetap di sini maksudnya adalah bahwa satu objek. model ini sening juga disebut dengan 14 . tetap besarnya dan waktu ke waktu (time invariant) Untuk membedakan satu objek dengan objek lainnya. digunakan variabel semu (dummy).fixed effect (efek tetap). memiliki konstan yang tetap besarnya untuk berbagai periode waktu. Oleh karena itu.

sehingga model tersebut masih kurang baik.6.490962 Mean dependent var S.587736 15.59.08.070199 0.011751 -12.17.3) Hasil di atas juga menunjukkan bahwa nilai statistik t untuk kedua koefisien (penjualan dan iklan) masih terlalu rendah.085578 66.64554 -27.91667 7. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 63.900069 0.118453 Prob.50.E. kita juga dapat menganalisis regresi data panel dengan efek random. hasilnya adalah sebagai berikut: labaAt = (-5. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.385692 5.05018 0.387614) + (.9090 Dari tampilan di atas.001309 Std.387614 0.13 penjualanAt .0 1iklanAt (9.132287 -0.158226 1.D. Error 34.884448 -0.498349 Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S. Efek random digunakan untuk men 15 .Cross-sections included: 3 Total pool (balanced) observations: 12 Variable C PENJUALAN? IKLAN? Fixed Effects (Cross) _A—C _B—C _C—C Coefficient -5. Sedang konstan variabel penjualan adalah 0.099207 t-Statistic -0.786449 5.1015 0.47) + 0.76211 0.8787 0. B adalah 11.58539 0. 3.31415 2. Pendekatan Efek Random (Random Effect) Selain dengan metode efek tetap.08374 11. 0.012.132 dan iklan -0. Apabila ditulis dalam persamaan.0. diketahui bahwa konstan untuk objek (dalam hal ini perusahaan) A adalah -12. untuk perusahaan A. dan C adalah 0.842966 3.

1).13).n (9. Datanya tetap meliputi tahun 2001 hingga 2004. sehingga dapat dituliskan dalam persamaan: − β0 = Β 0 + ui .. Untuk menganalisis dengan metode efek random. 16 ..Tanpa menggunakan variabel semu. dan variabel yang dianalisis juga ada 3. Agar dapat dianalisis oleh EViews. yaitu: labait = βoi + β1penjualanit + β2iklanit + et (9.4) Tidak seperti pada model efek tetap (β0 dianggap tetap). Dalam contoh kita. yang diduga memiliki hubungan antarwaktu dan antarobjek. kita perlu menambah satu objek lagi. Hasilnya akan tampak seperti pada Gambar 9. objek data silang ada 3.5) Namun untuk menganalisis dengan metode efek random ini ada satu syarat. metode efek random menggunakan residual.. i = 1. tetapi pilihan yang harus Anda pilih (dengan menekan klik) adalah pilihan Random effects. kecuali konstannya yang berbeda. Persamaan yang digunakan mirip dengan persamaan (9. langkah-langkahnya sama dengan metode efek tetap (seperti juga terlihat pada Gambar 9. yaitu objek data silang harus lebih besar daripada banyaknya koefisien.17 berikut ini. pada model ini βo diasumsikan bersifat random.. katakanlah perusahaan D.

2521 0.D.3544 -9.265858 3.201582 Unweighted Statistics R-squared Sum squared resid -0.499708 Effects Specification Cross-section random S.479475 -4.D.960352 Prob.363744 0.7424 0.245353 1191.030726 3.D.Dependent Variable: LABA? Method: Pooled EGLS (Cross-section random effects) Date: 08/29/10 Time: 21:27 Sample: 2001 2004 Included observations: 4 Cross-sections included: 4 Total pool (balanced) observations: 16 Swamy and Arora estimator of component variances Variable C PENJUALAN? IKLAN? Random Effects (Cross) _A--C _B--C _C--C _D--C Coefficient 11.052919 11.81250 0. dependent var Sum squared resid Durbin-Watson stat 9.71578 2.716011 0.335789 1.091308 Std.9913 1.69209 0. Error 35.102 Mean dependent var Durbin-Watson stat 61. Abaikan saja dulu hasil tersebut.695544 11. / Rho Weighted Statistics R-squared Adjusted R-squared S.9198 0.198551 0.072680 0.802456 137.087110 0.98500 0. 0.380055 0.44359 3.258023 3.139205 Hasil di atas menunjukkan tidak ada satu koefisienpun yang signifikan.0802 Mean dependent var S. / Rho Idiosyncratic random S. karena di sini Anda dibimbing untuk menggunakan program EViews untuk menganalisis data panel dengan metode regresi.095078 t-Statistic 0.E. Dalam analisis data 17 . of regression F-statistic Prob(F-statistic) 0.

63871433184497 9.08711010858*PENJUALAN_D + 0. Caranya adalah dengan mengklik tombol View.09130801692*IKLAN_D Anda juga dapat menampilkan residual dari masing-masing perusahaan untuk masing-masing tahun.09130801692*IKLAN_C LABA_D = -4.sesungguhnya. Estimation Command: ===================== LS(CX=R) LABA? PENJUALAN? IKLAN? Estimation Equations: ===================== LABA_A = C(4) + C(1) + C(2)*PENJUALAN_A + C(3)*IKLAN_A LABA_B = C(5) + C(1) + C(2)*PENJUALAN_B + C(3)*IKLAN_B LABA_C = C(6) + C(1) + C(2)*PENJUALAN_C + C(3)*IKLAN_C LABA_D = C(7) + C(1) + C(2)*PENJUALAN_D + C(3)*IKLAN_D Substituted Coefficients: ===================== LABA_A = -9. juga berlaku di data panel ini.666987030441891 -9.09130801692*IKLAN_B LABA_C = 2. Anda dapat menuliskan persamaan seperti pada contoh efek tetap. Table.47998281041788 1. tetapi ada cara yang lebih praktis.71577647 + 11. lalu kliklah Representation. nilai uji statistik yang berlaku pada analisis regresi data silang.4419167799339 0.20 berikut obs 2001 2002 RES-_A RES-_B RES-_C -5.98500105 + 0.695543567 + 11. EViews akan menampilkan hasil estimasi persamaan seperti pada Gambar 9.08711010858*PENJUALAN_A + 0. yaitu dengan mengklik tombol View.08711010858*PENJUALAN_C + 0.479475167 + 11. lalu kliklah Residuals.34980460294161 18 .19 berikut.08711010858*PENJUALAN_B + 0.09130801692*IKLAN_A LABA_B = 11.98500105 + 0.499708072 + 11.00050847976939 11.98500105 + 0. EViews akan menampilkan hasil residual seperti pada Gambar 9.10087772441379 -7.98500105 + 0.80809911403243 RES-_D -7.

2003 2004 -9.374041786618 12.0687640287418 4.8945438115837 -15.30270522914108 3.61476312628233 14.35642234878142 -4.309770223777357 19 .25048132498152 0.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->