P. 1
Data Panel

Data Panel

|Views: 344|Likes:
Published by Savitri Hidayat

More info:

Published by: Savitri Hidayat on May 18, 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

12/05/2014

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 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

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

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

C) seperti terlampir dalam file Excell “Data Panel”. Uji Langrange Multiplier (LM) Uji ini digunakan untuk memilih antara OLS tanpa variabel dummy atau Random Effect 4.1. Uji Hausman Uji ini untuk memilih antara Fixed Effect atau Random Effect 5.64554)/2 = -25. 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 = (15.019561818 4.4. Masing-masing perusahaan memiliki data 4 .01421 .64554/33 2.66.78280505 66. 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. 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). B.2. Uji Statistik F Uji Statistik F digunakan untuk memilih antara metode OLS tanpa variabel dummy atau Fixed Effect.3. Uji F Statistik disini merupakan uji perbedaan dua regresi sebagaimana uji Chow. Aplikasi Eviews Untuk Data Panel Misalkan.815665 = -12. terdapat data tiga perusahaan (yaitu perusahaan A. 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.

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

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

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

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

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

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

7.0049 0. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 146. Pada bingkai Common coefficients. kliklah tombol Estimate (Anda tidak dapat menggunakan menu Quick. Estimate.096625 1.180663 7.1.63710 0.91667 7.73423 0.wfl dan jendela lembar kerja pada panel aktif.165351 Mean dependent var S.861894 Std. Analisis Regresi Satu Objek 11 .E.329633 0. Pada jendela lembar kerja kedua.12 berikut ini.D.6340 -0. 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.3304 63. Jendela ini menjadi jendela kedua setelah tampilan nama-nama variabel.048078 447. 3.212745 0. Anda tidak perlu menuliskan c sebagai konstan seperti pada cara-cara sebelumnya. Error 39. Equation … seperti pada cara-cara sebelumnya).0655 0. 4.083406 0. 2. isikan penjualan? dan iklan ?.699413 -2. 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.786449 6.955705 7. isikan laba? (lihat.200566 0.076932 2. ada tunda?).028883 Prob.194936 t-Statistic 3. 3.0786 -38. Pada bingkai Dependent variable. Pastikan Anda harus sudah membuka file data panel. Dilayar akan muncul tampilan seperti Gambar 9.174871 0. Hasilnya tampak seperti pada Gambar 9.

D.33237 0.488390 0.701010 3.684870 5. 2. 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.499583 -1. maka persamaannya dapat kita tuliskan sebagai berikut: lababt = β0 + β1 penjua1anbt + β2iklanbt + ebt (9.169223 Prob.2) Langkah-langkah untuk menganalisisnya adalah sebagai berikut: 1.045153 0.168653 Std. KIik pada jendela dan panel.25000 2.812907 0. Misalnya kita akan menganalisis perusahaan b saja. 0. sehingga di Iayar ditarnpilkan seperti pada Gambar 9.0006 71.1263 0.55222 0.094480 t-Statistic 4.771331 1.0015 0. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 12 .Anda dapat menganalisis regresi data satu objek (atau satu perusahaan) saja.E.000530 Mean dependent var S.98763 -0.561967 3. Klik Ok.37180 3.14. Error 19.291606 15. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 86.076077 0. lalu tuliskan laba_b pada bingkai Dependent variable dan penjualan_b iklan_b pada Common coef-ficients.01421 -18. Informasi yang ditarnpilkan pada hasil analisis regresi tersebut sama dengan tampilan regresi yang sudah dibicarakan pada bab-bab sebelumnya.683194 19.

1263). meskipun dengan koefisien regresor yang sama.0. Pendekatan Efek Tetap (Fixed Effect) Dalam menganalisis data runtut waktu. dan biaya ikian sebesar 81. menunjukkan kondisi yang sesungguhnya.50) (-1. Metode ini sering disebut dengan common effect. Model ini dikenal dengan model regresi 13 . Hasil analisis regresi dianggap berlaku pada semua objek pada semua waktu. Oleh karena itu diperlukan suatu model yang dapat menunjukkan perbedaan konstan antarobjek.68) (5.17) 2 F = 19.169 R = 0. menggunakan asumsi ini.08 penjualanbt + 0. Kelemahan asumsi ini adalah ketidaksesuaian model dengan keadaan yang sesungguhnya. akan menjadi seperti berikut: lababt = 86.55 d=3.Apabila dari hasil analisis tersebut dituliskan persamaannya. Contoh yang sudah dijalankan pada subbab D (3.5. 3. Kondisi tiap objek saling berbeda. Nilai koefisien determinan sebesar 0. 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.812 (9. koefisien variabel penjualan ternyata secara statistik tidak signifikan.49 iklanbt t (4.813 menunjukkan bahwa model rnampu menjelaskan hubungan antana laba. kita dapat memakai asumsi berikut ini (di antaranya sudah disinggung di halaman 9.3%.4) di atas.99 . bahkan satu objek pada suatu waktu akan sangat berbeda dengan kondisi objek tersebut pada waktu yang lain. karena probabilitasnya melebihi 5% (yaitu 0.2) Pada contoh tersebut.

Pada bingkai Dependent variable. Anda tidak perlu menuliskan c sebagai konstan seperti pada cara-cara sebelumnya. Persamaan model ini adalah sebagai berikut: laba1t = βoi +β1penjualanit + β2ik1an1i + β3d1i + β4d21 + β5d3i + eit (9. memiliki konstan yang tetap besarnya untuk berbagai periode waktu. Dari jendela data panel. Pilih bingkai Intercept dengan mengklik pilihan Fixed effects. Dengan demikian masing-masing objek memiliki konstan yang berbeda. Langkah-langkah analisisnya mirip dengan yang sudah dijelaskan pada subbab C di atas. Klik Ok dan hasilnya tampak seperti berikut. Pada bingkai Common coefficients. i menunjukkan objeknya. Demikian juga dengan koefisien regresinya. 2. isikan laba? (lihat. 5. digunakan variabel semu (dummy). Dependent Variable: LABA? Method: Pooled Least Squares Date: 08/29/10 Time: 21:10 Sample: 2001 2004 Included observations: 4 14 . di layar akan muncul tampilan seperti Gambar 9. model ini sening juga disebut dengan Least Squares Dummy Variables dan disingkat LSDV. 3. Variabel d2i = 1 untuk objek kedua dan 0 untuk objek lainnya. Agar lebih jelas. Oleh karena itu. Variabel semu d1i = 1 untuk objek pertama dan 0 untuk objek lainnya. Efek tetap di sini maksudnya adalah bahwa satu objek.fixed effect (efek tetap). Vaniabel semu d3i = 1 untuk objek ketiga dan 0 untuk objek Iainnya. isikan penjualan? dan ikian?. tetap besarnya dan waktu ke waktu (time invariant) Untuk membedakan satu objek dengan objek lainnya. 4.15. kliklah tombol Estimate.3) Perhatikan bahwa konstan βoi sekarang diberi subskrip Oi. ada tanda ?). akan diuraikan sebagai berikut: 1. yang berbeda hanyalah metode yang dipilih.

Apabila ditulis dalam persamaan.8787 0.08374 11.Cross-sections included: 3 Total pool (balanced) observations: 12 Variable C PENJUALAN? IKLAN? Fixed Effects (Cross) _A—C _B—C _C—C Coefficient -5.76211 0.132 dan iklan -0. B adalah 11.842966 3.64554 -27.47) + 0. 0.59. 3.132287 -0.158226 1. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 63.05018 0.50. untuk perusahaan A.0.08.31415 2.17.099207 t-Statistic -0. sehingga model tersebut masih kurang baik.E. dan C adalah 0.3) Hasil di atas juga menunjukkan bahwa nilai statistik t untuk kedua koefisien (penjualan dan iklan) masih terlalu rendah.001309 Std. sehingga model mengalami ketidakpastian.490962 Mean dependent var S.587736 15.13 penjualanAt .012. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.387614 0. Sedang konstan variabel penjualan adalah 0.9090 Dari tampilan di atas.011751 -12. diketahui bahwa konstan untuk objek (dalam hal ini perusahaan) A adalah -12.387614) + (. hasilnya adalah sebagai berikut: labaAt = (-5. kita juga dapat menganalisis regresi data panel dengan efek random. Efek random digunakan untuk mengatasi kelemahan metode efek tetap yang menggunakan variabel semu.786449 5.1015 0.900069 0.385692 5.91667 7.085578 66. Pendekatan Efek Random (Random Effect) Selain dengan metode efek tetap.498349 Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S. 15 . Error 34.58539 0.D.070199 0.884448 -0.6.0 1iklanAt (9.118453 Prob.

Hasilnya akan tampak seperti pada Gambar 9.Tanpa menggunakan variabel semu. i = 1. metode efek random menggunakan residual. Datanya tetap meliputi tahun 2001 hingga 2004. kita perlu menambah satu objek lagi. pada model ini βo diasumsikan bersifat random. Persamaan yang digunakan mirip dengan persamaan (9. yaitu: labait = βoi + β1penjualanit + β2iklanit + et (9. Dalam contoh kita..13)..17 berikut ini. tetapi pilihan yang harus Anda pilih (dengan menekan klik) adalah pilihan Random effects. yang diduga memiliki hubungan antarwaktu dan antarobjek... sehingga dapat dituliskan dalam persamaan: − β0 = Β 0 + ui .1). katakanlah perusahaan D. Untuk menganalisis dengan metode efek random. Agar dapat dianalisis oleh EViews.4) Tidak seperti pada model efek tetap (β0 dianggap tetap). 16 . langkah-langkahnya sama dengan metode efek tetap (seperti juga terlihat pada Gambar 9.n (9. yaitu objek data silang harus lebih besar daripada banyaknya koefisien.5) Namun untuk menganalisis dengan metode efek random ini ada satu syarat. dan variabel yang dianalisis juga ada 3. objek data silang ada 3. kecuali konstannya yang berbeda.

363744 0.499708 Effects Specification Cross-section random S.139205 Hasil di atas menunjukkan tidak ada satu koefisienpun yang signifikan.D.265858 3.802456 137. karena di sini Anda dibimbing untuk menggunakan program EViews untuk menganalisis data panel dengan metode regresi.198551 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. of regression F-statistic Prob(F-statistic) 0.960352 Prob.69209 0.D.3544 -9.2521 0.091308 Std. 0.479475 -4. dependent var Sum squared resid Durbin-Watson stat 9. Abaikan saja dulu hasil tersebut.98500 0. Error 35. Dalam analisis data 17 .7424 0.201582 Unweighted Statistics R-squared Sum squared resid -0.380055 0.71578 2. / Rho Idiosyncratic random S. / Rho Weighted Statistics R-squared Adjusted R-squared S.E.095078 t-Statistic 0.087110 0.695544 11.9913 1.81250 0.D.258023 3.44359 3.335789 1.716011 0.0802 Mean dependent var S.052919 11.9198 0.072680 0.102 Mean dependent var Durbin-Watson stat 61.030726 3.245353 1191.

juga berlaku di data panel ini. lalu kliklah Residuals.20 berikut obs 2001 2002 RES-_A RES-_B RES-_C -5. tetapi ada cara yang lebih praktis. Caranya adalah dengan mengklik tombol View.4419167799339 0.08711010858*PENJUALAN_D + 0.98500105 + 0.479475167 + 11.666987030441891 -9.10087772441379 -7.98500105 + 0.09130801692*IKLAN_B LABA_C = 2. Anda dapat menuliskan persamaan seperti pada contoh efek tetap.499708072 + 11.98500105 + 0.08711010858*PENJUALAN_B + 0.98500105 + 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 = -9.695543567 + 11.63871433184497 9. Table. yaitu dengan mengklik tombol View.08711010858*PENJUALAN_C + 0.80809911403243 RES-_D -7.19 berikut.47998281041788 1.34980460294161 18 . nilai uji statistik yang berlaku pada analisis regresi data silang. lalu kliklah Representation.00050847976939 11.09130801692*IKLAN_D Anda juga dapat menampilkan residual dari masing-masing perusahaan untuk masing-masing tahun. EViews akan menampilkan hasil residual seperti pada Gambar 9.09130801692*IKLAN_A LABA_B = 11.71577647 + 11.sesungguhnya. EViews akan menampilkan hasil estimasi persamaan seperti pada Gambar 9.08711010858*PENJUALAN_A + 0.09130801692*IKLAN_C LABA_D = -4.

25048132498152 0.2003 2004 -9.30270522914108 3.0687640287418 4.374041786618 12.8945438115837 -15.61476312628233 14.35642234878142 -4.309770223777357 19 .

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)//-->