Pendidikan Penelitian Pengabdian Pelatihan
Mat Eko 1 Mat Eko 2 Stat Eko 1 Stat Eko 2 Ekonometrika 1 Ekonometrika 2
Jurnal Pemb Jurnal Moneter Jurnal Perencanaan
Diskusi Stat Eko Diskusi Ekonometrika Diskusi Blog
Mat Eko 1 Mat Eko 2 Stat Eko 1 Stat Eko 2 Ekonometrika 1 Ekonometrika 2 Ekonomi Manajerial Olah Data Statistika
Uji Normalitas Uji Autokorelasi Uji Multikolinearitas Uji Heteroskedastisitas Uji Liniearitas Contoh Menu 5
Slmt Datang Di Blog Page Rank Di Blog Memasang Jam Blog Memasang File PPT, DOC excel dan pdf Membuat Efek Remote Linking Pada Gambar Membuat Gambar Berputar Memasang Jam Online Animasi Flash Teks Berwarna Anti COPAS dan Klik Kanan Tanggal Di Blog Kotak Teks Di Blog
BPS BI Kebij Moneter Kebij Fiskal Kalkulator Kurs Contoh Menu 5
Abg/Ade Blog Bbg TtphS EPFEUP MK Stat Eko (1 MK Stat Eko (2) Abg dan Ade Blog

Kamis, 03 April 2014

PART 1: PENGENALAN REGRESI DATA PANEL

A.    Pengertian Data Panel

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 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         = 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

MENU BAR