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

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

2. Atau dengan kata lain. perbedaan antar-individu dan atau waktu dicerminkan lewat intercept. t = 1.. Teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section.. i = 1. Pemilihan Teknik Estimasi Regresi Data Panel Seperti diketahui terdapat tiga jenis teknik estimasi model regresi data panel..N. dengan menggabungkan data. maka pada Model Efek Random. 4.Model Efek Tetap (Fixed Effect) Pada pembahasan sebelumnya kita mengasumsikan bahwa intersep maupun slope adalah sama baik antar waktu maupun antar perusahaan. Pertanyaan yang muncul adalah teknik mana yang sebaiknya dipilih untuk regresi data panel 3 . 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... asumsi ini jelas sangat jauh dari kenyataan sebenarnya. apakah asumsi bahwa α dan β konstan realistis? 3.. dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu. perbedaam tersebut diakomodasi lewat error. intercept ini mungkin berubah untuk setiap individu dan waktu. 3.3. yaitu model dengan metode OLS (common). maka α dan β dapat diestimasi dengan model berikut menggunakan NxT pengamatan Yit = α + β Xit + εit .Model Efek Random (Random Effect) Bila pada Model Efek Tetap.tetapi.2. model Fixed Effect dan model Random Effect. Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept yang tidak konstan. Atau dengan kata lain. T Pertanyaanya.2. maka kita tidak dapat melihat perbedaan baik antar individu maupun antar waktu. Pemikiran inilah yang menjadi dasar pemikiran pembentukan model tersebut. Namun..….

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).019561818 4.1.3. 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 = (15.2.78280505 66.66. Uji Langrange Multiplier (LM) Uji ini digunakan untuk memilih antara OLS tanpa variabel dummy atau Random Effect 4. 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. C) seperti terlampir dalam file Excell “Data Panel”. Uji F Statistik disini merupakan uji perbedaan dua regresi sebagaimana uji Chow.64554)/2 = -25.4. Uji Statistik F Uji Statistik F digunakan untuk memilih antara metode OLS tanpa variabel dummy atau Fixed Effect. 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.815665 = -12. terdapat data tiga perusahaan (yaitu perusahaan A.01421 . Aplikasi Eviews Untuk Data Panel Misalkan.64554/33 2. Masing-masing perusahaan memiliki data 4 . Uji Hausman Uji ini untuk memilih antara Fixed Effect atau Random Effect 5. B.

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

Kolom ketiga dan seterusnya barulah diisi data. kolom kedua berulah periode waktu. terutama analisis regresi. untuk memudahkan 6 . Namun dianjurkan Anda hanya menggunakan beberapa huruf saja. biaya iklan. variabel “penjualan” dapat dirinci menjadi “penjulan_A”. Sebagai contoh. sehingga perusahaan dengan garis bawah. kita dapat menggabungkannya menjadi satu kelompok obeservasi saja. maka jumlah keseluruhan observasi menjadi 36 3. Variabel yang menandai objek (yaitu perusahaan) harus diawali dengan garis bawah.2 di atas (File Excel Data Panel). Kalau penjualan akan dilihat secara keseluruhan. Karena ada tiga perusahaan dan masing-masing meliputi empat tahun. maka pada data panel Anda perlu menambah satu variabel lagi.Meng-input Data Panel Eviews dapat digunakan untuk menganalisis data panel. Apabila pada analisis regresi dengan data silang Anda hanya perlu membuat tiga variabel saja (yaitu penjualan. Agar dapat dianalisis dengan model yang benar. cukup ditulis “penjualan” (dengan tanda tanya).Apabila kita ingin menganalisis semua data di atas.1. Sebenarnya tidak ada perlakuan khusus dalam meng-input data seperti pada contoh Tabel 9. Perhatikan bahwa kolom pertama diiisi dengan identitas objek. Kolom pertama berisi data nama perusahaan.4. akan digunakan data pada Tabel 9. dan laba). anda pun harus memasukkan data dengan struktur yang benar. yaitu nama perusahaan. meskipun sebenarnya bisa saja ditulis nama lengkap. Dalam contoh di sini nama perusahaan hanya ditulis satu huruf. Cara meng-input data panel berbeda dengan cara meng-input data runtut waktu maupun data silang. sehingga perusahaan dengan nama “A” harus ditulis “_A”. dan seterusnya. Input-lah data di atas dengan program MS Excel® dengan susunan seperti tampak pada Gambar 9. Langkah-langkah meng-input pada progaram Eviews adalah sebagai berikut. Hal ini akan berguna pada analisis nanti. penjualan _B”.2 (File Data Panel Excel).

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

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

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

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

861894 Std. Estimate. Error 39. 3. Dilayar akan muncul tampilan seperti Gambar 9.7. Hasilnya tampak seperti pada Gambar 9.194936 t-Statistic 3.174871 0.wfl dan jendela lembar kerja pada panel aktif. 4. Analisis Regresi Satu Objek 11 .096625 1. isikan penjualan? dan iklan ?.1. Anda tidak perlu menuliskan c sebagai konstan seperti pada cara-cara sebelumnya.73423 0.048078 447.955705 7.0655 0.E.12 berikut ini.0049 0.0786 -38. ada tunda?).329633 0. Jendela ini menjadi jendela kedua setelah tampilan nama-nama variabel. Pada bingkai Common coefficients. 0. Pada bingkai Dependent variable.786449 6.083406 0.200566 0. 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.028883 Prob. 2.3304 63. Equation … seperti pada cara-cara sebelumnya).63710 0.076932 2. isikan laba? (lihat.165351 Mean dependent var S.91667 7. 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. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 146.6340 -0. Pada jendela lembar kerja kedua.180663 7.D.212745 0. kliklah tombol Estimate (Anda tidak dapat menggunakan menu Quick.699413 -2. Pastikan Anda harus sudah membuka file data panel. 3.

2.076077 0.33237 0.771331 1.0015 0.683194 19.98763 -0.812907 0.499583 -1.01421 -18.D. 0. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 12 . 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) Langkah-langkah untuk menganalisisnya adalah sebagai berikut: 1.701010 3. KIik pada jendela dan panel. Misalnya kita akan menganalisis perusahaan b saja.000530 Mean dependent var S.14.E. maka persamaannya dapat kita tuliskan sebagai berikut: lababt = β0 + β1 penjua1anbt + β2iklanbt + ebt (9.045153 0.37180 3.1263 0.488390 0. Informasi yang ditarnpilkan pada hasil analisis regresi tersebut sama dengan tampilan regresi yang sudah dibicarakan pada bab-bab sebelumnya.169223 Prob. sehingga di Iayar ditarnpilkan seperti pada Gambar 9.Anda dapat menganalisis regresi data satu objek (atau satu perusahaan) saja.168653 Std.0006 71. Error 19. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 86.094480 t-Statistic 4.55222 0.561967 3.684870 5. Klik Ok.25000 2. lalu tuliskan laba_b pada bingkai Dependent variable dan penjualan_b iklan_b pada Common coef-ficients.291606 15.

Oleh karena itu diperlukan suatu model yang dapat menunjukkan perbedaan konstan antarobjek.08 penjualanbt + 0. bahkan satu objek pada suatu waktu akan sangat berbeda dengan kondisi objek tersebut pada waktu yang lain.68) (5.49 iklanbt t (4.813 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. Model ini dikenal dengan model regresi 13 . kita dapat memakai asumsi berikut ini (di antaranya sudah disinggung di halaman 9. Pendekatan Efek Tetap (Fixed Effect) Dalam menganalisis data runtut waktu.Apabila dari hasil analisis tersebut dituliskan persamaannya. meskipun dengan koefisien regresor yang sama. Nilai koefisien determinan sebesar 0. penjualan.0.1263).3%. Kondisi tiap objek saling berbeda. dan biaya ikian sebesar 81.50) (-1.812 (9. Metode ini sering disebut dengan common effect.2) Pada contoh tersebut. Kelemahan asumsi ini adalah ketidaksesuaian model dengan keadaan yang sesungguhnya.4) di atas.169 R = 0.99 .17) 2 F = 19. karena probabilitasnya melebihi 5% (yaitu 0. akan menjadi seperti berikut: lababt = 86. menggunakan asumsi ini. menunjukkan kondisi yang sesungguhnya. 3. Contoh yang sudah dijalankan pada subbab D (3.55 d=3. koefisien variabel penjualan ternyata secara statistik tidak signifikan. Hasil analisis regresi dianggap berlaku pada semua objek pada semua waktu.5.

i menunjukkan objeknya. 4. akan diuraikan sebagai berikut: 1. Oleh karena itu. kliklah tombol Estimate. Klik Ok dan hasilnya tampak seperti berikut.15. 5. digunakan variabel semu (dummy). Pilih bingkai Intercept dengan mengklik pilihan Fixed effects. 3. Demikian juga dengan koefisien regresinya. di layar akan muncul tampilan seperti Gambar 9. Dengan demikian masing-masing objek memiliki konstan yang berbeda. Efek tetap di sini maksudnya adalah bahwa satu objek. ada tanda ?). yang berbeda hanyalah metode yang dipilih. Agar lebih jelas.fixed effect (efek tetap). model ini sening juga disebut dengan Least Squares Dummy Variables dan disingkat LSDV. Vaniabel semu d3i = 1 untuk objek ketiga dan 0 untuk objek Iainnya. tetap besarnya dan waktu ke waktu (time invariant) Untuk membedakan satu objek dengan objek lainnya.3) Perhatikan bahwa konstan βoi sekarang diberi subskrip Oi. Dependent Variable: LABA? Method: Pooled Least Squares Date: 08/29/10 Time: 21:10 Sample: 2001 2004 Included observations: 4 14 . memiliki konstan yang tetap besarnya untuk berbagai periode waktu. 2. Dari jendela data panel. Pada bingkai Dependent variable. Variabel semu d1i = 1 untuk objek pertama dan 0 untuk objek lainnya. Anda tidak perlu menuliskan c sebagai konstan seperti pada cara-cara sebelumnya. Variabel d2i = 1 untuk objek kedua dan 0 untuk objek lainnya. isikan laba? (lihat. isikan penjualan? dan ikian?. Pada bingkai Common coefficients. Langkah-langkah analisisnya mirip dengan yang sudah dijelaskan pada subbab C di atas. Persamaan model ini adalah sebagai berikut: laba1t = βoi +β1penjualanit + β2ik1an1i + β3d1i + β4d21 + β5d3i + eit (9.

dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 63.6.D.0. sehingga model tersebut masih kurang baik. 0.385692 5.387614 0. 3.58539 0. Apabila ditulis dalam persamaan.0 1iklanAt (9.498349 Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.900069 0.05018 0. B adalah 11.Cross-sections included: 3 Total pool (balanced) observations: 12 Variable C PENJUALAN? IKLAN? Fixed Effects (Cross) _A—C _B—C _C—C Coefficient -5.012.3) Hasil di atas juga menunjukkan bahwa nilai statistik t untuk kedua koefisien (penjualan dan iklan) masih terlalu rendah.59. Pendekatan Efek Random (Random Effect) Selain dengan metode efek tetap. untuk perusahaan A.587736 15.118453 Prob.132 dan iklan -0.884448 -0. Efek random digunakan untuk mengatasi kelemahan metode efek tetap yang menggunakan variabel semu.17. 15 .31415 2.8787 0.91667 7. dan C adalah 0.490962 Mean dependent var S.001309 Std. sehingga model mengalami ketidakpastian.1015 0.099207 t-Statistic -0.085578 66. diketahui bahwa konstan untuk objek (dalam hal ini perusahaan) A adalah -12. Sedang konstan variabel penjualan adalah 0.08.64554 -27.132287 -0. Error 34.011751 -12.08374 11.9090 Dari tampilan di atas.786449 5.158226 1.13 penjualanAt .842966 3.070199 0.47) + 0. of regression Sum squared resid Log likelihood Durbin-Watson stat 0. hasilnya adalah sebagai berikut: labaAt = (-5.E.76211 0.50. kita juga dapat menganalisis regresi data panel dengan efek random.387614) + (.

Untuk menganalisis dengan metode efek random. pada model ini βo diasumsikan bersifat random. kita perlu menambah satu objek lagi...5) Namun untuk menganalisis dengan metode efek random ini ada satu syarat. katakanlah perusahaan D. Persamaan yang digunakan mirip dengan persamaan (9. dan variabel yang dianalisis juga ada 3. Agar dapat dianalisis oleh EViews. tetapi pilihan yang harus Anda pilih (dengan menekan klik) adalah pilihan Random effects.Tanpa menggunakan variabel semu. i = 1. Hasilnya akan tampak seperti pada Gambar 9. objek data silang ada 3.13).. sehingga dapat dituliskan dalam persamaan: − β0 = Β 0 + ui .n (9. 16 . yaitu: labait = βoi + β1penjualanit + β2iklanit + et (9.. langkah-langkahnya sama dengan metode efek tetap (seperti juga terlihat pada Gambar 9.17 berikut ini. yang diduga memiliki hubungan antarwaktu dan antarobjek. kecuali konstannya yang berbeda. metode efek random menggunakan residual.4) Tidak seperti pada model efek tetap (β0 dianggap tetap). Dalam contoh kita. yaitu objek data silang harus lebih besar daripada banyaknya koefisien.1). Datanya tetap meliputi tahun 2001 hingga 2004.

D.D.81250 0.139205 Hasil di atas menunjukkan tidak ada satu koefisienpun yang signifikan.7424 0.2521 0.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 11.695544 11.102 Mean dependent var Durbin-Watson stat 61.98500 0.258023 3.087110 0.245353 1191.D.71578 2. of regression F-statistic Prob(F-statistic) 0.030726 3.44359 3.091308 Std. dependent var Sum squared resid Durbin-Watson stat 9. karena di sini Anda dibimbing untuk menggunakan program EViews untuk menganalisis data panel dengan metode regresi.265858 3.201582 Unweighted Statistics R-squared Sum squared resid -0.095078 t-Statistic 0.335789 1.072680 0.9198 0. Abaikan saja dulu hasil tersebut.716011 0.198551 0. 0. Dalam analisis data 17 .380055 0.479475 -4. / Rho Weighted Statistics R-squared Adjusted R-squared S.499708 Effects Specification Cross-section random S.802456 137. / Rho Idiosyncratic random S.052919 11.0802 Mean dependent var S.960352 Prob.E.69209 0.9913 1.363744 0. Error 35.3544 -9.

666987030441891 -9. EViews akan menampilkan hasil estimasi persamaan seperti pada Gambar 9.09130801692*IKLAN_A LABA_B = 11.08711010858*PENJUALAN_A + 0.09130801692*IKLAN_C LABA_D = -4.80809911403243 RES-_D -7.98500105 + 0.63871433184497 9. lalu kliklah Representation.34980460294161 18 .695543567 + 11.08711010858*PENJUALAN_B + 0. juga berlaku di data panel ini.479475167 + 11. EViews akan menampilkan hasil residual seperti pada Gambar 9.98500105 + 0.19 berikut.499708072 + 11.10087772441379 -7. tetapi ada cara yang lebih praktis.09130801692*IKLAN_D Anda juga dapat menampilkan residual dari masing-masing perusahaan untuk masing-masing tahun.20 berikut obs 2001 2002 RES-_A RES-_B RES-_C -5. nilai uji statistik yang berlaku pada analisis regresi data silang.09130801692*IKLAN_B LABA_C = 2.71577647 + 11.08711010858*PENJUALAN_C + 0. lalu kliklah Residuals.98500105 + 0.47998281041788 1. Caranya adalah dengan mengklik tombol View. yaitu dengan mengklik tombol View.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 = -9.08711010858*PENJUALAN_D + 0.98500105 + 0.4419167799339 0. Anda dapat menuliskan persamaan seperti pada contoh efek tetap. Table.00050847976939 11.

8945438115837 -15.0687640287418 4.374041786618 12.61476312628233 14.309770223777357 19 .35642234878142 -4.30270522914108 3.25048132498152 0.2003 2004 -9.

Sign up to vote on this title
UsefulNot useful