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 panel merupakan gabungan data data time seris dan cross section mampu menyediakan data yang lebih banyak sehingga akan 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 (ommited-variable).

2. Pemodelan Data Panel Model regresi linier menggunakan data cross section dan time series. • Model dengan data cross section Yi = α + β Xi + εi ; i = 1,2,....,N N: banyaknya data cross section • Mode dengan data time series Yt = α + β Xt + εt ; t = 1,2,....,T N: banyaknya data time series (2) (1)

1

.. koefisien slope dan variabel gangguannya.N. untuk data panel. di dalam mengestimasi persamaan (3) akan sangat tergantung dari asumsi yang kita buat tentang intersep. yaitu: a. Akan 2 . T di mana : N T = banyaknya observasi = banyaknya waktu (3) N x T = banyaknya data panel 3. Diasumsikan intersep dan slope berbeda antar individu e. Diasumsikan slope adalah tetap tetapi intersep berbeda antar individu c.Mengingat data panel merupakan gabungan dari data cross section dan data time series. Oleh karena itu. sebelum membuat regresi kita harus menggabungkan data cross-section dengan data time series (pool data). Kemudian data gabungan ini diperlakukan sebagai suatu kesatuan pengamatan untuk mengestimasi model dengan metode OLS. Diasumsikan intersep dan slope adalah tetap sepanjang waktu dan individu (perusahaan) dan perbedaan intersep dan slope dijelaskan oleh variabel gangguan b. Diasumsikan slope tetap tetapi intersep berbeda baik antar waktu maupun antar individu d.2..2. Metode ini dikenal dengan estimasi Common Effect.. Ada beberapa kemungkinan yang akan muncul.. Diasumsikan intersep dan slope berbeda antar waktu dan antar individu Untuk mengestimasi parameter model dengan data panel. Akan tetapi. i = 1.. terdapat beberapa teknik yang ditawarkan. 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. t = 1.. maka modelnya dituliskan dengan: Yit = α + β Xit + εit . yaitu: 3.1.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 kita tidak dapat melihat perbedaan baik antar individu maupun antar waktu. maka pada Model Efek Random. Atau dengan kata lain.tetapi. Atau dengan kata lain.Model Efek Random (Random Effect) Bila pada Model Efek Tetap.Model Efek Tetap (Fixed Effect) Pada pembahasan sebelumnya kita mengasumsikan bahwa intersep maupun slope adalah sama baik antar waktu maupun antar perusahaan. Namun. Pemikiran inilah yang menjadi dasar pemikiran pembentukan model tersebut.2.. dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu. intercept ini mungkin berubah untuk setiap individu dan waktu. yaitu model dengan metode OLS (common). t = 1.2..3... apakah asumsi bahwa α dan β konstan realistis? 3.…. T Pertanyaanya.. Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept yang tidak konstan. maka α dan β dapat diestimasi dengan model berikut menggunakan NxT pengamatan Yit = α + β Xit + εit . dengan menggabungkan data. Teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section.2. Pertanyaan yang muncul adalah teknik mana yang sebaiknya dipilih untuk regresi data panel 3 . 4... model Fixed Effect dan model Random Effect. perbedaan antar-individu dan atau waktu dicerminkan lewat intercept. Pemilihan Teknik Estimasi Regresi Data Panel Seperti diketahui terdapat tiga jenis teknik estimasi model regresi data panel. asumsi ini jelas sangat jauh dari kenyataan sebenarnya. 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.N. 3. perbedaam tersebut diakomodasi lewat error.

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. 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.019561818 4. C) seperti terlampir dalam file Excell “Data Panel”.3. Masing-masing perusahaan memiliki data 4 . Aplikasi Eviews Untuk Data Panel Misalkan. 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).1.815665 = -12.4. B. Uji Langrange Multiplier (LM) Uji ini digunakan untuk memilih antara OLS tanpa variabel dummy atau Random Effect 4.01421 .78280505 66. Uji F Statistik disini merupakan uji perbedaan dua regresi sebagaimana uji Chow.66. 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 = (15.2. Uji Hausman Uji ini untuk memilih antara Fixed Effect atau Random Effect 5.64554/33 2. Uji Statistik F Uji Statistik F digunakan untuk memilih antara metode OLS tanpa variabel dummy atau Fixed Effect. terdapat data tiga perusahaan (yaitu perusahaan A.64554)/2 = -25.

Variabel yang dianalisis ada tiga. penjualan. masing-masing tahun 2001. dan laba perusahaan A. 5 . biaya iklan. Kita dapat menganalisis satu perusahaan saja. B. 2005 dan 2004. dan C. 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. biaya iklan. dan laba masing-masing perusahaan. Data ketiga perusahaan tersebut diambil selama kurun waktu empat tahun. yaitu perusahaan A.penjulan. yaitu 2001 hingga 2004. misalnya perusahaan A. 2002. Variabel yang dianalisis juga ada tiga. biaya iklan dan laba (anggaplah datanya dalam jutaan rupiah). maka kita hanya memiliki tiga observasi saja. maka kita memiliki empat observasi. yaitu penjualan.

1.2 di atas (File Excel Data Panel).2 (File Data Panel Excel). Sebagai contoh. anda pun harus memasukkan data dengan struktur yang benar. untuk memudahkan 6 . sehingga perusahaan dengan garis bawah. dan seterusnya. maka pada data panel Anda perlu menambah satu variabel lagi. Sebenarnya tidak ada perlakuan khusus dalam meng-input data seperti pada contoh Tabel 9. maka jumlah keseluruhan observasi menjadi 36 3. Agar dapat dianalisis dengan model yang benar. yaitu nama perusahaan. Cara meng-input data panel berbeda dengan cara meng-input data runtut waktu maupun data silang. kita dapat menggabungkannya menjadi satu kelompok obeservasi saja. Kolom pertama berisi data nama perusahaan. variabel “penjualan” dapat dirinci menjadi “penjulan_A”. Apabila pada analisis regresi dengan data silang Anda hanya perlu membuat tiga variabel saja (yaitu penjualan.4. meskipun sebenarnya bisa saja ditulis nama lengkap.Meng-input Data Panel Eviews dapat digunakan untuk menganalisis data panel. terutama analisis regresi. Kolom ketiga dan seterusnya barulah diisi data. penjualan _B”. kolom kedua berulah periode waktu. sehingga perusahaan dengan nama “A” harus ditulis “_A”. dan laba). biaya iklan. Hal ini akan berguna pada analisis nanti.Apabila kita ingin menganalisis semua data di atas. Input-lah data di atas dengan program MS Excel® dengan susunan seperti tampak pada Gambar 9. cukup ditulis “penjualan” (dengan tanda tanya). Variabel yang menandai objek (yaitu perusahaan) harus diawali dengan garis bawah. Namun dianjurkan Anda hanya menggunakan beberapa huruf saja. Perhatikan bahwa kolom pertama diiisi dengan identitas objek. akan digunakan data pada Tabel 9. Langkah-langkah meng-input pada progaram Eviews adalah sebagai berikut. Kalau penjualan akan dilihat secara keseluruhan. Karena ada tiga perusahaan dan masing-masing meliputi empat tahun. Dalam contoh di sini nama perusahaan hanya ditulis satu huruf.

3. tulislah nama perusahaan. yaitu _A. frequency pilih Annual (karena memakai data tahunan) kemudian isi Start date: 2001 dan End Date: 2004 setelah itu OK Kliklah tombol objects. tiap variabel cukup diberi jarak satu spasi). seperti biasanya). Simpanlah data Anda tersebut dengan nama data panel. Eviews mengijinkan Anda menggunakan berbagai jenis waktu. Kliklah tombol Procs. Workfile kemudian dalam workfile structure type pilih Dated-regular frequency dan date spefication.analisis berikutnya. XLS. _C (seperti ketika Anda meng-input-nya di MS Excel®). WK?)… lalu isikan nama file yang akan diimpor. isikan tiga variabel yang akan diinput (dalam satu baris. masing-masing diakhiri dengan “?”. Pada contoh ini adalah data panel. yang dalam contoh di sini adalah data tahunan. dan namai objek tersebut dengan mana “Iklan”.xls.3. Di layar akan muncul tampilan seperti Gambar 9.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. sehingga periodenya pun berupa tahun. Pada contoh disini. Pada bingkai Ordinari and Pool. Langkah Awal menjalan Eviews Untuk Data Panel Buka menu file. Tiap perusahaan ditulis di satu baris. masing-masing diawali dengan garis bawah. Import Pool data (ACSII. _B. lalu pilih Pool. lalu klik Ok. New. Pada tampilan berikut ini. Kolom kedua periode. News Object. Seperti data lainnya. nama variabel dituliskan : penjualan? iklan? laba? 7 . ubahlah isian Upper-left data cell menjadi C2 (semula B2.xls.

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

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

Dengan data panel.1) Dalam persamaan tersebut digunakan subskrip it. Langkah-langkah untuk melakukan analisis regresi adalah sebagai berikut : 10 . Dalam analisis regresi dengan data panel ini. Dengan satu variabel dependen (misalnya laba) dan beberapa variabel independen (misalnya penjualan dan laba) dan melibatkan semua data b. Cara ini sudah dibahas pada bab-bab sebelumnya. Analisis Regresi Semua Data Seperti pada data silang. Pada contoh pertama. Sama dengan item (a). bahkan dengan variasi yang lebih banyak. tetapi Anda menuliskan iklan ? Cara 3 Mirip dengan cara menampilkan data seperti pada runtut waktu atau data silang.6. 3. tetapi hanya meliputi waktu tertentu saja (misalnya hanya tahun 2004). Anda dapat menjalankan analisis regresi dengan kemungkinan berikut ini : a. tetapi hanya satu perusahaan saja c. Sama dengan item (a). i menunjukkan objek (perusahaan) dan t menunjukkan waktu (dalam contoh ini adalah tahun). misalnya dengan mengganggap konstan dan slope (koefisien regresornya) tetap atau berubah-ubah. dengan persamaan berikut ini : Labait = β0 + β1 penjualanit + β2iklanit + eit (9. akan dilakukan analisis terhadap semua data.iklan_a iklan_a iklan_a Cara 2 Mirip dengan cara 1. masih ada kemungkinan lain yang dapat Anda lakukan terhadap analisis regresi ini. pada data panel juga dapat dilakukan analisis regresi.

isikan penjualan? dan iklan ?. Pastikan Anda harus sudah membuka file data panel.3304 63.12 berikut ini.955705 7.076932 2. 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.028883 Prob.212745 0.73423 0. Pada bingkai Dependent variable. 2. Estimate.1. 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. isikan laba? (lihat.0786 -38. ada tunda?).194936 t-Statistic 3.0049 0. Pada jendela lembar kerja kedua. Dilayar akan muncul tampilan seperti Gambar 9.786449 6.63710 0.7. Jendela ini menjadi jendela kedua setelah tampilan nama-nama variabel. 3. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 146. Hasilnya tampak seperti pada Gambar 9.165351 Mean dependent var S.083406 0. Error 39.096625 1. Pada bingkai Common coefficients.329633 0.048078 447.174871 0.0655 0.200566 0.wfl dan jendela lembar kerja pada panel aktif. Equation … seperti pada cara-cara sebelumnya). Anda tidak perlu menuliskan c sebagai konstan seperti pada cara-cara sebelumnya.D. kliklah tombol Estimate (Anda tidak dapat menggunakan menu Quick.E. 0. 3.180663 7.861894 Std. 4.699413 -2. Analisis Regresi Satu Objek 11 .91667 7.6340 -0.

561967 3.37180 3. lalu tuliskan laba_b pada bingkai Dependent variable dan penjualan_b iklan_b pada Common coef-ficients.25000 2. maka persamaannya dapat kita tuliskan sebagai berikut: lababt = β0 + β1 penjua1anbt + β2iklanbt + ebt (9.Anda dapat menganalisis regresi data satu objek (atau satu perusahaan) saja.291606 15.771331 1.684870 5. 0.0006 71. Klik Ok.168653 Std. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 86.0015 0.076077 0.01421 -18. sehingga di Iayar ditarnpilkan seperti pada Gambar 9.14. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 12 .98763 -0. Error 19.045153 0.701010 3.169223 Prob.D. 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 C PENJUALAN_B IKLAN_B R-squared Adjusted R-squared S. 2.1263 0.2) Langkah-langkah untuk menganalisisnya adalah sebagai berikut: 1.488390 0.499583 -1. Informasi yang ditarnpilkan pada hasil analisis regresi tersebut sama dengan tampilan regresi yang sudah dibicarakan pada bab-bab sebelumnya.33237 0.E.683194 19.000530 Mean dependent var S. Misalnya kita akan menganalisis perusahaan b saja.55222 0.094480 t-Statistic 4.812907 0. KIik pada jendela dan panel.

4) di atas. meskipun dengan koefisien regresor yang sama.17) 2 F = 19. dan biaya ikian sebesar 81.812 (9. Hasil analisis regresi dianggap berlaku pada semua objek pada semua waktu. kita dapat memakai asumsi berikut ini (di antaranya sudah disinggung di halaman 9.5.2) Pada contoh tersebut. Metode ini sering disebut dengan common effect.0. karena probabilitasnya melebihi 5% (yaitu 0.68) (5. Kelemahan asumsi ini adalah ketidaksesuaian model dengan keadaan yang sesungguhnya. akan menjadi seperti berikut: lababt = 86.08 penjualanbt + 0.169 R = 0. koefisien variabel penjualan ternyata secara statistik tidak signifikan. bahkan satu objek pada suatu waktu akan sangat berbeda dengan kondisi objek tersebut pada waktu yang lain. Pendekatan Efek Tetap (Fixed Effect) Dalam menganalisis data runtut waktu. Oleh karena itu diperlukan suatu model yang dapat menunjukkan perbedaan konstan antarobjek. Kondisi tiap objek saling berbeda.1263).50) (-1.55 d=3.3%.Apabila dari hasil analisis tersebut dituliskan persamaannya.99 . penjualan.49 iklanbt t (4. Contoh yang sudah dijalankan pada subbab D (3. Model ini dikenal dengan model regresi 13 .813 menunjukkan bahwa model rnampu menjelaskan hubungan antana laba.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. menggunakan asumsi ini. 3. menunjukkan kondisi yang sesungguhnya. Nilai koefisien determinan sebesar 0.

i menunjukkan objeknya. 2. Pada bingkai Common coefficients. Variabel d2i = 1 untuk objek kedua dan 0 untuk objek lainnya. Variabel semu d1i = 1 untuk objek pertama dan 0 untuk objek lainnya. akan diuraikan sebagai berikut: 1. 5. ada tanda ?). Dari jendela data panel. 3.15. Efek tetap di sini maksudnya adalah bahwa satu objek. tetap besarnya dan waktu ke waktu (time invariant) Untuk membedakan satu objek dengan objek lainnya. 4. model ini sening juga disebut dengan Least Squares Dummy Variables dan disingkat LSDV. Agar lebih jelas. Klik Ok dan hasilnya tampak seperti berikut. yang berbeda hanyalah metode yang dipilih. memiliki konstan yang tetap besarnya untuk berbagai periode waktu. Dependent Variable: LABA? Method: Pooled Least Squares Date: 08/29/10 Time: 21:10 Sample: 2001 2004 Included observations: 4 14 . Langkah-langkah analisisnya mirip dengan yang sudah dijelaskan pada subbab C di atas. isikan laba? (lihat.fixed effect (efek tetap). Oleh karena itu. kliklah tombol Estimate.3) Perhatikan bahwa konstan βoi sekarang diberi subskrip Oi. Dengan demikian masing-masing objek memiliki konstan yang berbeda. Demikian juga dengan koefisien regresinya. isikan penjualan? dan ikian?. digunakan variabel semu (dummy). Persamaan model ini adalah sebagai berikut: laba1t = βoi +β1penjualanit + β2ik1an1i + β3d1i + β4d21 + β5d3i + eit (9. Anda tidak perlu menuliskan c sebagai konstan seperti pada cara-cara sebelumnya. Pilih bingkai Intercept dengan mengklik pilihan Fixed effects. Pada bingkai Dependent variable. di layar akan muncul tampilan seperti Gambar 9. Vaniabel semu d3i = 1 untuk objek ketiga dan 0 untuk objek Iainnya.

587736 15.47) + 0.05018 0.884448 -0.132 dan iklan -0. sehingga model mengalami ketidakpastian.132287 -0. hasilnya adalah sebagai berikut: labaAt = (-5.13 penjualanAt .070199 0. kita juga dapat menganalisis regresi data panel dengan efek random.31415 2.8787 0. diketahui bahwa konstan untuk objek (dalam hal ini perusahaan) A adalah -12.385692 5.76211 0.0. Efek random digunakan untuk mengatasi kelemahan metode efek tetap yang menggunakan variabel semu. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.900069 0.498349 Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.64554 -27.085578 66.099207 t-Statistic -0. Apabila ditulis dalam persamaan.011751 -12.387614) + (.0 1iklanAt (9.Cross-sections included: 3 Total pool (balanced) observations: 12 Variable C PENJUALAN? IKLAN? Fixed Effects (Cross) _A—C _B—C _C—C Coefficient -5.17.1015 0.6.58539 0. sehingga model tersebut masih kurang baik. Error 34.118453 Prob. dan C adalah 0.9090 Dari tampilan di atas.E.59.08374 11.001309 Std.387614 0.786449 5. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 63.012. 3.50.490962 Mean dependent var S.D. untuk perusahaan A. Pendekatan Efek Random (Random Effect) Selain dengan metode efek tetap.842966 3.3) Hasil di atas juga menunjukkan bahwa nilai statistik t untuk kedua koefisien (penjualan dan iklan) masih terlalu rendah.08. B adalah 11. 0. Sedang konstan variabel penjualan adalah 0.91667 7. 15 .158226 1.

1). i = 1.5) Namun untuk menganalisis dengan metode efek random ini ada satu syarat.n (9. Datanya tetap meliputi tahun 2001 hingga 2004. katakanlah perusahaan D. Untuk menganalisis dengan metode efek random. dan variabel yang dianalisis juga ada 3. yaitu objek data silang harus lebih besar daripada banyaknya koefisien. tetapi pilihan yang harus Anda pilih (dengan menekan klik) adalah pilihan Random effects. langkah-langkahnya sama dengan metode efek tetap (seperti juga terlihat pada Gambar 9. pada model ini βo diasumsikan bersifat random. yaitu: labait = βoi + β1penjualanit + β2iklanit + et (9.. objek data silang ada 3. yang diduga memiliki hubungan antarwaktu dan antarobjek. sehingga dapat dituliskan dalam persamaan: − β0 = Β 0 + ui .Tanpa menggunakan variabel semu.4) Tidak seperti pada model efek tetap (β0 dianggap tetap)..17 berikut ini. Dalam contoh kita.. Agar dapat dianalisis oleh EViews. kita perlu menambah satu objek lagi. 16 . Persamaan yang digunakan mirip dengan persamaan (9. Hasilnya akan tampak seperti pada Gambar 9. metode efek random menggunakan residual. kecuali konstannya yang berbeda..13).

98500 0.3544 -9.960352 Prob.E.9913 1.030726 3.380055 0.479475 -4.695544 11.102 Mean dependent var Durbin-Watson stat 61. / Rho Idiosyncratic random S.802456 137.71578 2.265858 3.258023 3.087110 0.198551 0.7424 0.0802 Mean dependent var S.44359 3.335789 1.052919 11.9198 0.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 11.139205 Hasil di atas menunjukkan tidak ada satu koefisienpun yang signifikan.716011 0.2521 0.095078 t-Statistic 0.245353 1191. Dalam analisis data 17 . Abaikan saja dulu hasil tersebut. karena di sini Anda dibimbing untuk menggunakan program EViews untuk menganalisis data panel dengan metode regresi.363744 0.81250 0.201582 Unweighted Statistics R-squared Sum squared resid -0. dependent var Sum squared resid Durbin-Watson stat 9.091308 Std.D. Error 35. 0.D.072680 0. / Rho Weighted Statistics R-squared Adjusted R-squared S. of regression F-statistic Prob(F-statistic) 0.499708 Effects Specification Cross-section random S.69209 0.

19 berikut.sesungguhnya.499708072 + 11.80809911403243 RES-_D -7.08711010858*PENJUALAN_B + 0. Table. nilai uji statistik yang berlaku pada analisis regresi data silang.10087772441379 -7.47998281041788 1.34980460294161 18 .09130801692*IKLAN_D Anda juga dapat menampilkan residual dari masing-masing perusahaan untuk masing-masing tahun.98500105 + 0. Caranya adalah dengan mengklik tombol View. tetapi ada cara yang lebih praktis.20 berikut obs 2001 2002 RES-_A RES-_B RES-_C -5. Anda dapat menuliskan persamaan seperti pada contoh efek tetap.63871433184497 9.479475167 + 11.98500105 + 0.71577647 + 11.09130801692*IKLAN_C LABA_D = -4. EViews akan menampilkan hasil residual seperti pada Gambar 9. EViews akan menampilkan hasil estimasi persamaan seperti pada Gambar 9. yaitu dengan mengklik tombol View.09130801692*IKLAN_A LABA_B = 11.08711010858*PENJUALAN_C + 0. lalu kliklah Representation.666987030441891 -9.4419167799339 0. 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 = -9.98500105 + 0. juga berlaku di data panel ini.98500105 + 0.08711010858*PENJUALAN_D + 0.09130801692*IKLAN_B LABA_C = 2.00050847976939 11.695543567 + 11. lalu kliklah Residuals.08711010858*PENJUALAN_A + 0.

35642234878142 -4.374041786618 12.8945438115837 -15.25048132498152 0.2003 2004 -9.0687640287418 4.61476312628233 14.30270522914108 3.309770223777357 19 .

Sign up to vote on this title
UsefulNot useful