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

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

. Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept yang tidak konstan. i = 1.….. intercept ini mungkin berubah untuk setiap individu dan waktu. 4.2. perbedaan antar-individu dan atau waktu dicerminkan lewat intercept..2.. apakah asumsi bahwa α dan β konstan realistis? 3. Pemilihan Teknik Estimasi Regresi Data Panel Seperti diketahui terdapat tiga jenis teknik estimasi model regresi data panel. Teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section. t = 1.Model Efek Random (Random Effect) Bila pada Model Efek Tetap.2. 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.. 3. yaitu model dengan metode OLS (common).Model Efek Tetap (Fixed Effect) Pada pembahasan sebelumnya kita mengasumsikan bahwa intersep maupun slope adalah sama baik antar waktu maupun antar perusahaan. maka pada Model Efek Random.N.tetapi. dengan menggabungkan data. dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu. asumsi ini jelas sangat jauh dari kenyataan sebenarnya. Atau dengan kata lain. perbedaam tersebut diakomodasi lewat error.3. T Pertanyaanya.. Pertanyaan yang muncul adalah teknik mana yang sebaiknya dipilih untuk regresi data panel 3 . Atau dengan kata lain. model Fixed Effect dan model Random Effect. maka kita tidak dapat melihat perbedaan baik antar individu maupun antar waktu. maka α dan β dapat diestimasi dengan model berikut menggunakan NxT pengamatan Yit = α + β Xit + εit . Pemikiran inilah yang menjadi dasar pemikiran pembentukan model tersebut.. Namun.

Uji F Statistik disini merupakan uji perbedaan dua regresi sebagaimana uji Chow. 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. 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.78280505 66. terdapat data tiga perusahaan (yaitu perusahaan A. Masing-masing perusahaan memiliki data 4 . Uji Statistik F Uji Statistik F digunakan untuk memilih antara metode OLS tanpa variabel dummy atau Fixed Effect. 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). Aplikasi Eviews Untuk Data Panel Misalkan.1.2.3.019561818 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 = (15.64554)/2 = -25.815665 = -12.64554/33 2.01421 . 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”.66.4. B.

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

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

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

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

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

Analisis Regresi Semua Data Seperti pada data silang. Pada contoh pertama. 3. Cara ini sudah dibahas pada bab-bab sebelumnya. misalnya dengan mengganggap konstan dan slope (koefisien regresornya) tetap atau berubah-ubah. i menunjukkan objek (perusahaan) dan t menunjukkan waktu (dalam contoh ini adalah tahun). Dengan data panel. pada data panel juga dapat dilakukan analisis regresi. Anda dapat menjalankan analisis regresi dengan kemungkinan berikut ini : a.6. Dengan satu variabel dependen (misalnya laba) dan beberapa variabel independen (misalnya penjualan dan laba) dan melibatkan semua data b. Dalam analisis regresi dengan data panel ini. tetapi hanya meliputi waktu tertentu saja (misalnya hanya tahun 2004). dengan persamaan berikut ini : Labait = β0 + β1 penjualanit + β2iklanit + eit (9.1) Dalam persamaan tersebut digunakan subskrip it. Langkah-langkah untuk melakukan analisis regresi adalah sebagai berikut : 10 . Sama dengan item (a). masih ada kemungkinan lain yang dapat Anda lakukan terhadap analisis regresi ini. akan dilakukan analisis terhadap semua data. Sama dengan item (a). bahkan dengan variasi yang lebih banyak.iklan_a iklan_a iklan_a Cara 2 Mirip dengan cara 1. tetapi Anda menuliskan iklan ? Cara 3 Mirip dengan cara menampilkan data seperti pada runtut waktu atau data silang. tetapi hanya satu perusahaan saja c.

isikan laba? (lihat.212745 0.7. kliklah tombol Estimate (Anda tidak dapat menggunakan menu Quick.0655 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.699413 -2.096625 1. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 146.861894 Std.180663 7.73423 0.91667 7.63710 0.083406 0. Pada jendela lembar kerja kedua.E.12 berikut ini. 0.028883 Prob. 2.1. Pada bingkai Common coefficients.D.076932 2. Analisis Regresi Satu Objek 11 . Jendela ini menjadi jendela kedua setelah tampilan nama-nama variabel.329633 0. ada tunda?). Dilayar akan muncul tampilan seperti Gambar 9. 3.6340 -0.wfl dan jendela lembar kerja pada panel aktif. Error 39. Anda tidak perlu menuliskan c sebagai konstan seperti pada cara-cara sebelumnya.200566 0.165351 Mean dependent var S. Pada bingkai Dependent variable. Estimate. 4.3304 63. Pastikan Anda harus sudah membuka file data panel.174871 0.786449 6.194936 t-Statistic 3. 3. isikan penjualan? dan iklan ?. 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.0786 -38.955705 7.048078 447.0049 0. Equation … seperti pada cara-cara sebelumnya). Hasilnya tampak seperti pada Gambar 9.

684870 5.98763 -0.701010 3.812907 0.683194 19.488390 0. Error 19.D.Anda dapat menganalisis regresi data satu objek (atau satu perusahaan) saja.291606 15. 0.1263 0.168653 Std. lalu tuliskan laba_b pada bingkai Dependent variable dan penjualan_b iklan_b pada Common coef-ficients. 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.000530 Mean dependent var S.14. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 12 .771331 1.045153 0.499583 -1. Informasi yang ditarnpilkan pada hasil analisis regresi tersebut sama dengan tampilan regresi yang sudah dibicarakan pada bab-bab sebelumnya.2) Langkah-langkah untuk menganalisisnya adalah sebagai berikut: 1.094480 t-Statistic 4.0015 0. Klik Ok.169223 Prob.E.01421 -18. Misalnya kita akan menganalisis perusahaan b saja. maka persamaannya dapat kita tuliskan sebagai berikut: lababt = β0 + β1 penjua1anbt + β2iklanbt + ebt (9. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 86.55222 0. KIik pada jendela dan panel.0006 71.37180 3.25000 2.33237 0.076077 0. sehingga di Iayar ditarnpilkan seperti pada Gambar 9.561967 3. 2.

2) Pada contoh tersebut. Model ini dikenal dengan model regresi 13 . penjualan.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.55 d=3. Pendekatan Efek Tetap (Fixed Effect) Dalam menganalisis data runtut waktu.49 iklanbt t (4. menggunakan asumsi ini.4) di atas.Apabila dari hasil analisis tersebut dituliskan persamaannya.68) (5.1263). meskipun dengan koefisien regresor yang sama.5.0. Nilai koefisien determinan sebesar 0.17) 2 F = 19. kita dapat memakai asumsi berikut ini (di antaranya sudah disinggung di halaman 9.08 penjualanbt + 0. bahkan satu objek pada suatu waktu akan sangat berbeda dengan kondisi objek tersebut pada waktu yang lain. Kondisi tiap objek saling berbeda. menunjukkan kondisi yang sesungguhnya. Oleh karena itu diperlukan suatu model yang dapat menunjukkan perbedaan konstan antarobjek.3%. Kelemahan asumsi ini adalah ketidaksesuaian model dengan keadaan yang sesungguhnya. koefisien variabel penjualan ternyata secara statistik tidak signifikan.99 .50) (-1.169 R = 0. dan biaya ikian sebesar 81. Contoh yang sudah dijalankan pada subbab D (3.813 menunjukkan bahwa model rnampu menjelaskan hubungan antana laba. 3. Hasil analisis regresi dianggap berlaku pada semua objek pada semua waktu.812 (9. Metode ini sering disebut dengan common effect. akan menjadi seperti berikut: lababt = 86. karena probabilitasnya melebihi 5% (yaitu 0.

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

786449 5. Efek random digunakan untuk mengatasi kelemahan metode efek tetap yang menggunakan variabel semu.58539 0.158226 1.0 1iklanAt (9.59.91667 7.31415 2.17.08374 11.118453 Prob.001309 Std.884448 -0. kita juga dapat menganalisis regresi data panel dengan efek random.900069 0.0.50. Sedang konstan variabel penjualan adalah 0.385692 5.05018 0.070199 0.9090 Dari tampilan di atas. Error 34.Cross-sections included: 3 Total pool (balanced) observations: 12 Variable C PENJUALAN? IKLAN? Fixed Effects (Cross) _A—C _B—C _C—C Coefficient -5.490962 Mean dependent var S.D.012.085578 66.1015 0. sehingga model mengalami ketidakpastian.842966 3. 0.387614) + (.8787 0. diketahui bahwa konstan untuk objek (dalam hal ini perusahaan) A adalah -12.64554 -27.011751 -12.498349 Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 63.08. sehingga model tersebut masih kurang baik. untuk perusahaan A.587736 15.3) Hasil di atas juga menunjukkan bahwa nilai statistik t untuk kedua koefisien (penjualan dan iklan) masih terlalu rendah.132287 -0. hasilnya adalah sebagai berikut: labaAt = (-5. Apabila ditulis dalam persamaan. Pendekatan Efek Random (Random Effect) Selain dengan metode efek tetap. B adalah 11.47) + 0. dan C adalah 0.132 dan iklan -0.6.13 penjualanAt .387614 0.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.099207 t-Statistic -0.76211 0. 3. 15 .

. Datanya tetap meliputi tahun 2001 hingga 2004. tetapi pilihan yang harus Anda pilih (dengan menekan klik) adalah pilihan Random effects. Untuk menganalisis dengan metode efek random. kecuali konstannya yang berbeda. Persamaan yang digunakan mirip dengan persamaan (9. pada model ini βo diasumsikan bersifat random.. i = 1. katakanlah perusahaan D. metode efek random menggunakan residual. kita perlu menambah satu objek lagi.5) Namun untuk menganalisis dengan metode efek random ini ada satu syarat.. Dalam contoh kita. langkah-langkahnya sama dengan metode efek tetap (seperti juga terlihat pada Gambar 9.. dan variabel yang dianalisis juga ada 3. yaitu objek data silang harus lebih besar daripada banyaknya koefisien. yaitu: labait = βoi + β1penjualanit + β2iklanit + et (9.Tanpa menggunakan variabel semu. objek data silang ada 3. 16 .n (9. sehingga dapat dituliskan dalam persamaan: − β0 = Β 0 + ui . Hasilnya akan tampak seperti pada Gambar 9.17 berikut ini. Agar dapat dianalisis oleh EViews.1).4) Tidak seperti pada model efek tetap (β0 dianggap tetap). yang diduga memiliki hubungan antarwaktu dan antarobjek.13).

245353 1191.71578 2.095078 t-Statistic 0. 0.091308 Std.3544 -9.44359 3.380055 0. Dalam analisis data 17 . dependent var Sum squared resid Durbin-Watson stat 9.81250 0.695544 11.030726 3.087110 0.802456 137.335789 1.9198 0.258023 3.2521 0.716011 0.198551 0.0802 Mean dependent var S.499708 Effects Specification Cross-section random S.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 11.69209 0. / Rho Idiosyncratic random S.052919 11.7424 0.265858 3.98500 0.9913 1.139205 Hasil di atas menunjukkan tidak ada satu koefisienpun yang signifikan.363744 0.960352 Prob.479475 -4.072680 0. of regression F-statistic Prob(F-statistic) 0. karena di sini Anda dibimbing untuk menggunakan program EViews untuk menganalisis data panel dengan metode regresi.E. / Rho Weighted Statistics R-squared Adjusted R-squared S.D. Abaikan saja dulu hasil tersebut.D. Error 35.201582 Unweighted Statistics R-squared Sum squared resid -0.102 Mean dependent var Durbin-Watson stat 61.

47998281041788 1.20 berikut obs 2001 2002 RES-_A RES-_B RES-_C -5.09130801692*IKLAN_A LABA_B = 11.98500105 + 0.98500105 + 0.63871433184497 9.08711010858*PENJUALAN_C + 0. Caranya adalah dengan mengklik tombol View. tetapi ada cara yang lebih praktis.19 berikut. Anda dapat menuliskan persamaan seperti pada contoh efek tetap.695543567 + 11.80809911403243 RES-_D -7.09130801692*IKLAN_B LABA_C = 2. juga berlaku di data panel ini. Table.09130801692*IKLAN_D Anda juga dapat menampilkan residual dari masing-masing perusahaan untuk masing-masing tahun.479475167 + 11.08711010858*PENJUALAN_D + 0.499708072 + 11. EViews akan menampilkan hasil residual seperti pada Gambar 9.08711010858*PENJUALAN_A + 0. yaitu dengan mengklik tombol View.09130801692*IKLAN_C LABA_D = -4.34980460294161 18 . lalu kliklah Residuals. lalu kliklah Representation. EViews akan menampilkan hasil estimasi persamaan seperti pada Gambar 9.71577647 + 11. 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 = -9.00050847976939 11.98500105 + 0.666987030441891 -9.4419167799339 0.08711010858*PENJUALAN_B + 0.10087772441379 -7.sesungguhnya.98500105 + 0. nilai uji statistik yang berlaku pada analisis regresi data silang.

30270522914108 3.374041786618 12.309770223777357 19 .8945438115837 -15.0687640287418 4.2003 2004 -9.35642234878142 -4.25048132498152 0.61476312628233 14.

Sign up to vote on this title
UsefulNot useful