Data panel adalah gabungan antara data
runtut waktu (time series) dan data silang (cross section).
Misalkan anda sebagai seorang peneliti ingin meneliti bank Mandiri dalam kurun
waktu 2000-2013 maka anda melakukan penelitian menggunakn data time series.
Contoh lain pada tahun 2009 keuntungan industri perbankan Indonesia di atas
rata-rata negara-negara ASEAN, apabila
anda ingin meneliti fenomena tersebut dengan memasukan data semua bank dalam
waktu 2009 saja, penelitian anda disebut menggunakan data cross section.
Sedangkan jika anda ingin meneliti banyak bank dan dengan beberapa periode
waktu (misalnya 10 bank dalam kurun waktu 5 tahun) penelitian anda menggunakan
data panel.
Menurut Agus
Widarjono (2009) penggunaan data panel dalam sebuah observasi mempunyai
beberapa keuntungan yang diperoleh. Pertama, data panel yang merupakan gabungan
dua data time series dan cross section mampu menyediakan data
yang lebih banyak sehingga akan lebih 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 (omitted-variabel).
Hsiao (1986), mencatat bahwa penggunaan panel data dalam penelitian ekonomi memiliki beberapa keuntungan utama dibandingkan
data jenis cross section maupun time series.
1.
Pertama, dapat memberikan peneliti jumlah
pengamatan yang besar, meningkatkan degree of freedom (derajat
kebebasan), data memiliki variabilitas yang besar dan mengurangi kolinieritas
antara variabel penjelas, di mana dapat menghasilkan estimasi ekonometri yang
efisien.
2.
Kedua, panel data dapat memberikan informasi
lebih banyak yang tidak dapat diberikan hanya oleh data cross section
atau time series saja.
3.
Ketiga, panel data dapat memberikan
penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan
data cross section.
B.
Model Regresi Data Panel
Untuk dapat lebih memahami tentang regresi panel, kita akan
langsung masuk pada praktikum, dalam pembahasan ini terdapat 13 part pembahasan
yang setiap part akan dijelaskan secara terpisah. Diantaranya:
Part 3: Uji Chow (pemilihan model regresi datapanel)
Part 4: Uji Hausman (pemilihan model regresi data panel)
Part 4: Uji Hausman (pemilihan model regresi data panel)
Part 9: Uji asumsi klasik regresi data panel dengan eviews
(autokorelasi)
Part 10: Uji signifikasi (ajusted R square) dengan eviews
Part 11: Uji signifikasi (uji f atau uji simultan) dengan
eviews
Part 12: Uji signifikasi (uji t atau uji parsial) dengan
eviews
Part 13: Interpretasi regresi data panel
Judul penelitian yang akan kita pakai adalah “Analisis
Pengaruh Non Performing Loan (NPL) dan Kurs Terhadap Penyaluran Kredit Bank Umum Periode 2007-2011”
Model
Regresi Panel dari judul diatas sebagai berikut ini:
Y = α + b1X1it + b2X2it + e
Keterangan: Y = α + b1X1it + b2X2it + e
Y = Variabel dependen (LDR)
α = Konstanta
X1 = Variabel independen 1
(NPL)
X2 = Variabel independen 2
(Kurs)
b(1…2) = Koefisien regresi
masing-masing variabel independen
e = Error term
t = Waktu
i = Perusahaan
C.
Metode Estimasi Model Regresi Panel
Dalam metode estimasi model regresi dengan menggunakan data panel
dapat dilakukan melalui tiga pendekatan, antara lain:
1.
Common Effect
Model
Merupakan
pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan
data time series dan cross section. Pada model ini tidak
diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku
data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan
pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil
untuk mengestimasi model data panel.
2.
Fixed Effect
Model
Model ini mengasumsikan bahwa perbedaan antar
individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data
panel model Fixed Effects menggunakan teknik variable dummy untuk
menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi
karena perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya
sama antar perusahaan. Model estimasi ini sering juga disebut dengan teknik Least
Squares Dummy Variable (LSDV).
3.
Random Effect
Model
Model ini akan
mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan
antar individu. Pada model Random Effect perbedaan
intersep diakomodasi oleh error terms masing-masing perusahaan.
Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas.
Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS)
D.
Pemilihan Model
Untuk
memilih model yang paling tepat digunakan dalam mengelola data panel, terdapat
beberapa pengujian yang dapat dilakukan yakni:
1. Uji
Chow
Chow test yakni
pengujian untuk menentukan model Fixed Effet atau Random Effect
yang paling tepat digunakan dalam mengestimasi data panel. Pembahasan uji Chow
akan dijelaskan lebih lanjut pada Part 3.
2.
Uji
Hausman
Hausman test adalah
pengujian statistik untuk memilih apakah model Fixed Effect atau Random
Effect yang paling tepat digunakan. Pembahasan uji Hausman akan
dijelaskan lebih lanjut pada Part 4.
3.
Uji
Lagrange Multiplier
Untuk mengetahui apakah
model Random Effect lebih baik
daripada metode Common Effect (OLS)
digunakan uji Lagrange Multiplier (LM). Pembahasan uji Hausman akan dijelaskan
lebih lanjut pada Part 5.
E. Kerangka Pemikiran
Tidak ada komentar:
Posting Komentar