Regresi Data Panel

MAKALAH

REGRESI DATA PANEL

Mata Kuliah : Ekonometrika

 

Dibuat oleh:

Abu Tholib  (12.311.099)

PROGRAM STUDI MANAJEMEN FAKULTAS EKONOMI

UNIVERSITAS MUHAMMADIYAH GRESIK

2013

KATA PENGANTAR

   Dengan memanjatkan puji syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan hidayah-NYA, sehingga kami dapat menyelesaikan penulisan makalah ini untuk memenuhi tugas dalam mata kuliah Manajemen Sumber Daya Manusia dengan judul ”Regresi Data Panel”

Kami memilih judul tersebut dengan maksud agar para pembaca, masyarakat umum serta mahasiswa pada khususnya agar dapat memahami dan mengetahui tentang Regresi Data Panel.

Selanjutnya pada kesempatan ini perkenankanlah kami menyampaikan terimakasih kepada :

1. Sukaris, SE,M.S. M yang telah memberikan bimbingan dan arahan kepada kami sehingga terwujudnya makalah ini.
2. Semua pihak yang tidak sempat kami sebutkan satu per satu yang turut membantu kelancaran dalam penyusunan makalah ini.

    Kami sadari sepenuhnya bahwa dalam penulisan makalah ini masih banyak kekurangan dan kesalahan. Oleh karena itu kami mohon ma’af serta mengharap kritik dan saran yang bersifat membangun kesempurnaan makalah ini.

    Akhirnya dengan iringan do’a yang tulus ikhlas semoga makalah ini dapat bermanfa’at bagi penulis khususnya dan bagi para pembaca pada umumnya.

Gresik, 29 November 2013

                                                                                                                  Penulis

BAB I

PENDAHULUAN

1. Latar Belakang

      Regresi merupakan metode estimasi utama di dalam ekonometrika. Secara umum analisis regresi adalah studi mengenai ketergantungan satu variabel tak bebas dengan satu atau lebih variabel bebas dengan tujuan untuk memperkirakan dan atau meramalkan nilai rata-rata dari variabel tidak bebas apabila nilai variable yang menerangkan sudah diketahui.

Dalam analisis ekonomi,ketersediaan data yang sesuai sangatlah mempengaruhi hasil analisis yang di perlukan.Data yang dapat dianalisis terdiri dari tiga jenis, yaitu data time series atau runtun waktu, cross section, dan data panel.

      Data time series merupakan sekumpulan observasi dalam rentang waktu tertentu. Data ini dikumpulkan dalam interval waktu secara kontinu, misalnya data mingguan, data bulanan, data kuartalan, dan data tahunan. Data cross section merupakan data yang dikumpulkan dalam kurun waktu tertentu dari sampel. Data panel merupakan gabungan antara data time series dan data cross section.

    Dalam suatu penelitian adakalanya seorang peneliti tidak dapat melakukan analisis hanya dengan menggunakan data time series maupun data cross section.Misalnya seorang Peneliti hendak membuat model tentang keuntungan sebuah perusahaan yang di tinjau dari banyknya model fisik, banyaknya pekerja, dan total penjualan. Jika peneliti hanya menggunakan data cross section yang diamati hanya pada suatu tahun tertentu, maka peneliti tersebut tidak dapat melihat gaimana pertumbuhan keuntungan perusahaan tersebut dari waktu ke waktu pada periode tertentu. Padahal sangat mungkin kondisi antar suatu tahun dengan tahun yang lain berbeda. Dengan menggunkan data panel,maka peneliti dapat melihat fluktuasi keuntungan suatu perusahaan pada periode tertentu dan perbedaan keuntungan beberapa perusahaan pada suatu waktu.

2. Rumusan Masalah

     Dalam makalah ini, penulis merumuskan beberapa masalah yang akan dikaji lebih jauh. Adapun rumusan masalah tersebut adalah sebagai berikut :

1. Apa yang dimaksud dengan Data Panel ?
2. Apa keunggulan Regresi Data Panel ?
3. Bagaimana Pemodelan Data Panel ?
4. Bagaimana Tahapan Regresi Data Panel ?
5. Bagaimana Estimasi Regresi Data Panel ?
6. Bagaimana Pemilihan Teknik Estimasi Regresi Data Panel ?
7. Bagaimana Tahapan-tahapan import data panel dari Ms. Excell ?
8. Bagaimana Prosedur Eviews untuk Regresi Data Panel ?
9. Bagaimana Prosedur Eviews untuk Pemilihan Model ?

3. Tujuan

     Adapun tujuan dari penyusunan makalah ini adalah sebagai berikut:

1. Untuk Mengetahui pengertian dari Data Panel.
2. Untuk Mengetahui keunggulan Regresi Data Panel
3. Untuk Mengetahui Pemodelan Data Panel
4. Untuk Mengetahui Tahapan Regresi Data Panel
5. Untuk Mengetahui Estimasi Regresi Data Panel
6. Untuk Mengetahui Pemilihan Teknik Estimasi Regresi Data Panel
7. Untuk Mengetahui Tahapan-tahapan import data panel dari Ms. Excell
8. Untuk Mengetahui Prosedur Eviews untuk Regresi Data Panel
9. Untuk Mengetahui Prosedur Eviews untuk Pemilihan Model

 

4. Manfaat

    Selain tujuan daripada penulisan makalah, perlu pula diketahui bersama bahwa manfaat yang diharapkan dapat diperoleh dari penulisan makalah ini adalah dapat menambah khazanah keilmuan terutama di bidang Regresi Data Panel dan dapat memberi masukan bagi semua pihak.

4. Metode Penulisan

   Adapun dalam penulisan makalah ini penulis menggunakan metode kepustakaan yakni penulis mencari informasi dari berbagai media, seperti buku -buku Ekonomitrika dan internet.

4. Sistematika Penulisan

    Dalam penulisan Makalah ini penulis mencantumkan sistematika penulisan yang terdiri dari tiga bab yaitu antara lain :

BAB I : PENDAHULUAN

Didalam bab pendahuluan ini diuraikan secara singkat mengenai latar belakang masalah, rumusan masalah, tujuan pembahasan, manfaat penelitian dan sistematika penulisan.

BAB II : PEMBAHASAN

Dalam bab ini diuraikan sacara teoris mengenai pembahasan yang berhubungan dengan materi yang dibahas secara keseluruhan.

BAB III : PENUTUP

Dalam bab ini merupakan bab terakhir yng terdiri dari beberapa kesimpulan dan saran yang berhubungan dengan masalah yang dihadapi.

BAB II

PEMBAHASAN

1. Pengertian Data Panel

      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.

   Menurut Agus Widarjono (2007) metode regresi data panel mempunyai beberapa keuntungan jika dibandingkan dengan data time series atau cross section, yaitu :

1. Data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan menghasilkan degree of freedom yang lebih besar.
2. Menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (ommited-variabel).

 

2. Keunggulan Regresi Data panel

    Keunggulan regresi data panel menurut Wibisono (2005) antara lain:

1. Panel data mampu memperhitungkan heterogenitas individu secara ekspilisit dengan mengizinkan variabel spesifik individu;
2. Kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku lebih kompleks.
3. Data panel mendasarkan diri pada observasi cross-section yang berulang-ulang (time series), sehingga metode data panel cocok digunakan sebagai study of dynamic adjustment.
4. Tingginya jumlah observasi memiliki implikasi pada data yang lebih informative, lebih variatif, dan kolinieritas (multiko) antara data semakin berkurang, dan derajat kebebasan (degree of freedom/df) lebih tinggi sehingga dapat diperoleh hasil estimasi yang lebih efisien.
5. Data panel dapat digunakan untuk mempelajari model-model perilaku yang kompleks.
6. Data panel dapat digunakan untuk meminimalkan bias yang mungkin ditimbulkan oleh agregasi data individu.

   Dengan keunggulan tersebut maka implikasi pada tidak harus dilakukannya pengujian asumsi klasik dalam model data panel (Verbeek, 2000; Gujarati, 2006; Wibisono, 2005; Aulia; 2004, dalam Shochrul R, Ajija, dkk. 2011).

3. 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 (1)

N: banyaknya data cross section

• Model dengan data time series

Yt = α + β Xt + εt ; t = 1,2,....,T (2)

N: banyaknya data time series

Mengingat data panel merupakan gabungan dari data cross section dan data time series, maka modelnya dituliskan dengan:

Yit = α + β Xit + εit ; i = 1,2,....,N; t = 1,2,….., T (3)

dimana :

N = banyaknya observasi

T = banyaknya waktu

N x T = banyaknya data panel 

 

4. Tahapan Regresi menggunakan Data Panel

   Seperti halnya Regresi dengan menggunakan data Cross section, Regresi dengan menggunakan data panel pun memiliki tahapan yang pada dasarnya sama. Yaitu: Eksplorasi, Identifikasi, Estimasi, Pengujian signifikansi, Uji asumsi dan Goodness of fit model.

Namun, dengan menggunakan data panel, konsekuensinya adalah selain harus melewati tahapan tersebut, sebagai pembuat model kita harus juga melalui tahapan yang dapat dijelaskan oleh Gambar 1 berikut

Gambar 1. Tahapan Regresi menggunakan Data Panel

Tahapan yang harus dilalui:

1. Penentuan Model Estimasi – Terkait dengan model yang digunakan, Fixed or Random Effects?
2. Penentuan Metode Estimasi
3. Pengujian Asumsi dan Kesesuaian Model
4. Interpretasi

5. 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. Oleh karena itu, di dalam mengestimasi persamaan (3) akan sangat tergantung dari asumsi yang kita buat tentang intersep, koefisien slope dan variabel gangguannya. Ada beberapa kemungkinan yang akan muncul, yaitu:

1. Diasumsikan intersep dan slope adalah tetap sepanjang waktu dan individu (perusahaan) dan perbedaan intersep dan slope dijelaskan oleh variabel gangguan
2. Diasumsikan slope adalah tetap tetapi intersep berbeda antar individu
3. Diasumsikan slope tetap tetapi intersep berbeda baik antar waktu maupun antar individu
4. Diasumsikan intersep dan slope berbeda antar individu
5. Diasumsikan intersep dan slope berbeda antar waktu dan antar individu

     Untuk mengestimasi parameter model dengan data panel, terdapat beberapa teknik yang ditawarkan, yaitu:

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. Akan tetapi, untuk data panel, 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. Metode ini dikenal dengan estimasi Common Effect. Akan tetapi, dengan menggabungkan data, maka kita tidak dapat melihat perbedaan baik antar individu maupun antar waktu. Atau dengan kata lain, dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu. Diasumsikan bahwa perilaku data antar perusahaaan sama dalam berbagai kurun waktu.kalo kita punya asumsi bahwa α dan β akan sama (konstan) untuk setiap data time series atau cross section, maka α dan β dapat diestimasi dengan model berikut dengan menggunakan N*T pengamatan:

Yit = α + βxit + εit ; i = 1,2,....,N; t = 1,2,....,T

2. Model Efek Tetap (Fixed Effect)
   Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept ini mungkin berubah untuk setiap individu dan waktu... pemikiran inilah yang menjadi dasar pemikiran pembentukan model tsb...asumsi pembuatan model yang menghasilkan nilai α konstan untuk setiap individu (i) dan waktu (t) kurang realistis.... kalo dalam FEM, kita dapat mengatasi hal tersebut, karena metode ini memungkinkan adanya perubahan α pada setiap i dan t yang secara matematis, model FEM dinyatakan sbb:

Yit = α + βxit + γ²x²t + γ²x²i + δ²x²t + δ²x²i + εit

ket:

Yit    = Variabel dependen untuk individu ke-i dan waktu ke-t

βxit   = Variabel independen untuk individu ke-i  dan waktu ke-t

variabel dummy yang didefinisikan sebagai berikut:

γt      = 1 ; untuk waktu ke-t ; i = 1,2,...,N

γi      = 0 ; untuk individu ke-  i

δt      = 1 ; untuk periode t; t = 1,2,...,T

δi      = 0 ; untuk observasi   i

  Dari model di atas terlihat bahwa sesungguhnya FEM adalah sama dengan regresi yang menggunakan Dummy Variable sebagai variabel independen, sehingga dapat diestimasi dengan OLS... dengan diestimasinya tersebut menggunakan OLS, maka akan memperoleh estimator yang tidak bias dan konsisten...

3. Model Efek Random (Random Effect)
   Bila pada FEM, perbedaan antar individu dan atau waktu dicerminan lewat intercept, maka pada REM perbedaan tersebut diakomodasi lewat error... teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section....Pada FEM, perbedaan karakteristik individu dan waktu diakomodasikan pada intecept-nya berubah antar individu dan antar waktu... sementara pada REM, perbedaan karakteristik individu dan waktu diakomodasikan pada error dari model.... mengingat ada dua komponen yang memiliki kontribusi pada pembentukan error, yaitu individu (i) dan waktu (t), maka random error untuk komponen individu, error komponen waktu, dan error gabungan. Dengan demikian, persamaan REM diformulasikan sbb:

Yit = α + βxit + εit ; εit = ui + vt + wit

Di mana:

ui  = Komponen error cross section

  vt  = Komponen error time series

  wit = Komponen error gabungan

Adapun asumsi yang digunakan untuk komponen error tersebut :

  ui ~ N (0, σu²);

  vt ~ N (0, σv²);

  wit ~ N (0, σw²);

Kalo melihat persamaan di atas, maka dapat dinyatakan bahwa REM menganggap efek rata-rata dari data cross section dan time series direpresentasikan dalam intercept.. kita telah mengetahui bahwa:

dengan demikian, varians dari error tersebut dapat dituliskan dengan:

Var(εit) = σu² + σv² + σw²

6. Pemilihan Teknik Estimasi Regresi Data Panel

     Seperti diketahui terdapat tiga jenis teknik estimasi model regresi data panel, yaitu model dengan metode OLS (common), model Fixed Effect dan model Random Effect. Pertanyaan yang muncul adalah teknik mana yang sebaiknya dipilih untuk regresi data panel.

1. Uji Statistik F
   Uji Statistik F digunakan untuk memilih antara metode OLS tanpa variabel dummy atau Fixed Effect. 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. Uji F Statistik disini merupakan uji perbedaan dua regresi sebagaimana uji Chow. 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). Adapun uji F statistiknya adalah sebagai berikut: Dimana RSS₁ dan RSS₁ merupakan residual sum of square teknik tanpa variabel dummy dan teknik fixed effect dengan variabel dummy.

2. Uji Langrange Multiplier (LM)
   Uji ini digunakan untuk memilih antara OLS tanpa variabel dummy atau Random Effect

3. Uji Hausman
   Uji ini untuk memilih antara Fixed Effect atau Random Effect

7. Tahapan-tahapan import data panel dari Ms. Excell

1. Siapkan file Ms. Excell yang akan diimport, Simpan dalam format .XLS
   Setelah disimpan file Ms. Excell 2003-2007 nya jangan lupa ditutup filenya (atau save as ke format yang berbeda dari Ms. Excell yang akan diinput)

2. Bukalah Eviews yang anda miliki, Kemudiaan pilih file >new >workfile

3. Karena menggunakan data tahunan, maka frekuensinya dalam annual, dimulai dari tahun 2006-2008. OK

4. Kemudian pada workfile, klik Object >New Object >Pool > tuliskan nama pool nya misal FERDI
   Kemudian pada pool, identifikasikan observasi kita, tetapi dahulukan dengan menggunakan “_”, bisa berupa angka, bisa berupa tulisan, misalnya: _1,_2,…,_30 ataupun _NAD,_SUMUT,…,_PAPUA

5. Setelah identifikasi, pilih opsi proc > import pool data

6. Pada upper left data, isikan pada cell apakah input data dimulai (misal D2), kemudian identifikasi variabel yang digunakan (Note: akhiri identifikasi variabel dengan tanda tanya ?)
   Apabila input data panel benar, maka akan terbentuk data input pada workfile yang ditandai dengan x1_1 sampai x1_30, hingga y_1 sampai y_30

Note: Cek terlebih dahulu, apakah data sudah benar, apabila ada nilai yang tertukar, itu artinya kita salah dalam penyusunan tabel yang akan diinput pada Ms. Excell, perbaiki format struktur tabelnya (Back to Tahapan 1).

8. Prosedur Eviews untuk Regresi data Panel

• Estimasi dengan Metode PLS. Klik Estimate

• dependent variable misalnya isikan dta? Sebagai peubah tak bebasnya.
• Common coeficients: misalnya isikan c size? tang? growth? prof? risk? sebagai peubah bebasnya.
• Perhatikan bahwa untuk setiap nama peubah diakhiri dengan tanda tanya (?) kecuali untuk c (konstanta) yang menunjukkan analisis dilakukan untuk seluruh data individu.

• Estimasi dengan Metode FEM.
  Sama dengan metode PLS tetapi dengan mengganti pilihan pada kotak Cross-section (yang tadi nya none) dengan Fixed.

• Estimasi dengan Metode REM
  Sama dengan metode PLS tetapi dengan mengganti pilihan pada kotak Cross-section dengan Random

8. Prosedur Eviews untuk Pemilihan Model

• Uji Chow untuk memilih antara model PLS dengan FEM
  Dalam posisi setelah mengestimasi model FEM.

• klik View.
• Klik Fixed/Random Effect Testing
• Klik Redundant Fixed Effects – Likelihood Ratio

• Uji Hausman untuk memilih antara model FEM dengan REM
  Dalam posisi setelah mengestimasi model REM.

• klik View.
• klik Fixed/Random Effect Testing
• klik Correlated Random Effects – Hausman Test

BAB III

PENUTUP

1. Kesimpulan

    Data time series merupakan sekumpulan observasi dalam rentang waktu tertentu. Data ini dikumpulkan dalam interval waktu secara kontinu, misalnya data mingguan, data bulanan, data kuartalan, dan data tahunan. Data cross section merupakan data yang dikumpulkan dalam kurun waktu tertentu dari sampel. Data panel merupakan gabungan antara data time series dan data cross section.

   Secara formal, ada tiga prosedur pengujian yang akan digunakan, yaitu uji statistik F yang digunakan untuk memilih antara model common effects atau fixed effects; uji Langrange Multiplier (LM) yang digunakan untuk memilih antara model common effects atau model random effects; dan uji Hausman yang digunakan untuk memilih antara model fixed effects atau model random effects.

2. Saran

    Bagi para peneliti untuk mendapatkan estimator yang efisien bagi model random effects. Sebaiknya menggunakan metode yang tepat untuk mengestimasi model random effects yaitu dengan Generalized Least Squares (GLS) dengan asumsi homokedastik dan tidak ada cross-sectional correlation Karena itu, metode OLS tidak bisa digunakan.

DAFTAR PUSTAKA

• Fajar, Egi. 2013. Part 1 Pengenalan Regresi data Panel, (http://egienews.blogspot.com, di unduh pada tanggal 25 November 2013).
• Fajar, Egi. 2013. Part 2 Analisa Regresi data Panel, (http://egienews.blogspot.com, di unduh pada tanggal 25 November 2013).
• Fadly, Ferdian. 2012. Analisa Regresi dengan menggunakan Eviews, (http://ferdifadly.blogspot.com, di unduh pada tanggal 25 November 2013).