3 Tipe Model dan Estimasi dalam Regresi Panel
Halo, Sobat Exsight!
Pada artikel sebelumnya, kita telah membahas tentang perbedaan regresi berganda dan regresi panel. Selain dari jenis datanya, ciri khas dari regresi panel yang tidak dimiliki oleh regresi berganda adalah terletak pada residualnya. Residual dari regresi panel akan mempunyai tiga kemungkinan yaitu residual time series, cross section maupun gabungan keduanya. Oleh karena itu, model regresi dengan data panel secara umum mengakibatkan kesulitan dalam spesifikasi modelnya. Sehingga terdapat beberapa metode yang bisa digunakan untuk mengestimasi model regresi dengan data panel, yaitu pendekatan common effect (CE), fixed effect (FE), dan random effect (RE).
- Model Common Effect (CE)
Estimasi Common Effect adalah teknik yang paling sederhana untuk mengestimasi data panel, yaitu dengan hanya mengkombinasikan data time series dan cross section dengan menggunakan metode OLS. Dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu (intersep dan koefisien slope nya konstan).
Persamaan model CE dapat dituliskan sebagai berikut:
2. Model Fixed Effect (FE)
Pada model FE mengasumsikan bahwa dalam berbagai kurun waktu, karakteristik masing-masing individu adalah berbeda. Perbedaan tersebut dicerminkan oleh nilai intersep pada model estimasi yang berbeda untuk setiap individu. Permodelan FE menggunakan teknik penambahan variabel dummy yang biasa disebut dengan teknik Least Square Dummy Variables (LSDV)
Persamaan model FE dituliskan sebagai berikut:
3. Model Random Effect (RE)
Bila pada Fixed Effect perbedaan antar individu dan waktu dicerminkan lewat intersep, maka pada Random Effect Model diakomodasi lewat error. Metode pendugaan regresi data panel pada model Random Effect menggunakan metode Generalized Least Square (GLS). Dengan persamaan sebagai berikut:
Bagaimana Cara Memilih Model Panel?
Terdapat tiga pendekatan yang disarankan dalam memilih ketiga model panel yaitu uji Chow Likelihood Ratio, uji Hausman dan uji Langrange Multiplier Breuch Pagan (LM-BP).
- Uji Chow
Uji Chow digunakan untuk memilih kedua model di antara model CE dan model FE. Dalam pengujiannya dilakukan dengan hipotesis nol bahwa model CE lebih baik dari pada FE. Dasar penolakan H0 adalah dengan menggunakan F-Statistik, yang dapat dituliskan berikut ini:
dimana:
RSS1 = Residual Sum of Square hasil pendugaan model CE
RSS2 = Residual Sum of Square hasil pendugaan model FE
N = jumlah data cross section
T = jumlah data time series
K = jumlah variabel bebas
Jika nilai Chow statistik lebih besar dari nilai F tabel (F(N-1,NT-N-K)) maka H0 ditolak dan sebaliknya. Atau bisa dengan membandingkan nilai p-value, di mana jika nilai p-value kurang dari taraf signifikansi maka model FE dianggap lebih baik dari pada CE.
2. Uji Hausman
Uji hausman digunakan untuk membandingkan model FE dan RE. Alasan dilakukannya uji hausman didasarkan pada model fixed effect model yang mengandung suatu unsur trade off yaitu hilangnya unsur derajat bebas dengan memasukkan variabel dummy dan model Random Effect yang harus memperhatikan ketiadaan pelanggaran asumsi dari setiap komponen galat.
H0 dalam pengujian ini adalah model RE lebih baik daripada FE, dengan kriteria penolakan H0 nya menggunakan Statistik Hausman yang dituliskan oleh Greene (2000) sebagai berikut:
dengan:
Jika nilai χ2 hasil pengujian lebih besar dari χ2(K, α) (K: jumlah variabel bebas) atau p-value < α, maka H0 ditolak maka model FE dianggap lebih baik dari pada RE, begitu pula sebaliknya.
3. Uji Lagrange Multiplier Breuch Pagan (LM-BP)
Uji LM-BP digunakan untuk memilih model terbaik di antara model CE dan model RE. Statistik yang digunakan adalah uji Lagrange Multiplier.
dengan:
Jika nilai LM> χ2 (α;1) atau p-value kurang dari taraf signifikansi maka model yang terpilih adalah RE.
Nah, itulah ketiga pendekatan untuk menentukan model mana yang akan paling tepat untuk digunakan. Untuk memudahkan pemahaman sobat Exsight, kami memberikan contoh sebagai berikut; contoh jika pada uji Chow, uji Hausman dan Uji LM-BP semuanya signifikan dimana nilai p-value lebih kecil dari taraf signifikansi untuk ketiga uji maka model FE yang terbaik digunakan diantara ketiga model tersebut.
Dari penjelasan di atas, dapat kita simpulkan bahwa kita perlu memperhatikan dalam melakukan pemilihan model ketika menggunakan data panel. Nah, dengan adanya artikel ini diharapkan dapat mempermudah Sobat Exsight dalam menyelesaikan masalah penelitian yang dilakukan. Tentunya kebijakan dalam memilih model akan memberikan hasil yang lebih baik dan tepat sasaran.
PUSTAKA
Caraka, Rezzy E. 2017. Spatial Data Panel. Jawa Timur : Wade Group.
3 Tipe Model dan Estimasi dalam Regresi Panel Read More »
