Assalamualaikum Wr.

Wb.
 Model Regresi Data
Panel Manajemen
B4 Kelompok 6 :
1. Dewi S ag ita
(192010200242)
(192010200224)
(192010200299)
2. N etta Tri P
(192010200311)
3. Eka M aulidia N ur
(192010200317)
4. Putri Suwijayanti
(192010200338)
5. Yeni Aprilia
(192010200371)
6. Irlia Audiana
7. N ur Hamidah N
 Pembahasan
Katalain
Pengerti Penjabara
an n
Regresi Data Panel adalah Maka dengan kata lain, data panel
gabungan antara data cross merupakan data dari beberapa Jika jumlah unit waktu sama
section dan data time s e ries,
individu sama yang diamati dalam untuk setiap individu,
dimana unit cross section yang
kurun waktu tertentu. Jika kita maka data disebut balanced
sama diukur pada waktu yang
.berbeda. Maka dengan kata lain, memiliki T periode waktu (t = 1,2, panel. Jika sebaliknya, yakni
…,T) dan N jumlah individu (i = 1,2, jumlah unit waktu
data panel merupakan data dari
…,N), maka dengan data panel kita berbeda untuk setiap
beberapa individu sama yang
diamati dalam kurun waktu akan memiliki total unit individu, maka disebut
observasisebanyak NT. unbalanced panel.
tertentu.
 Keunggulan menggunakan panel data
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 dapat menghasilkan
mana estimasi ekonometri yang efisien.

Kedua, panel data dapat memberikan informasi lebih banyak yang

tidak dapat diberikan hanya oleh data cross section atau time
series
saja.

Ketiga, panel data / data panel dapat memberikan penyelesaian yang

Rumus persamaan degresi
Data panel Dimana,
α = Konstanta
β = Vektorberukuran P x
1 merupakan parameter
hasil estimasi
Xit = Observasi ke-it dari
P variabel bebas
αi = efekindividu yang
berbeda-bedauntuk setiap
individu ke-i
Eit = errorregresi seperti
halnya padamodelregresi
klasik.
 Tahapan regresi
menggunakan data panel
Penentuan model
estimasi 01 Penentuan
metode estimasi

Pengujian 02
asumsi dan
Kesesuaian Interprestasi
model
03
04
 Tiga pendekatan model
estimasi
Common Effect Model atau Pooled Least Square (PLS)
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.
 Tiga pendekatan model
estimasi
Fixed Effect Model (FE)
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).
 Tiga pendekatan model
estimasi
Random Effect Model (RE)
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) .
 Penentuan metode
Estimasi regresi data panel
1. Uji Chow
Chow test adalah pengujian untuk menentukan model apakah Common Effect
(CE) ataukah Fixed Effect (FE) yang paling tepat digunakan dalam
mengestimasi data panel.
Apabila hasil :
H0: Pilih PLS (CE)
H1: Pilih FE (FE)

2. Uji Hausman
Hausman test adalah pengujian statistik untuk memilih apakah model Fixed
Effect
atau Random Effect yang paling tepat digunakan.
Apabila Hasil:
H0: Pilih RE
 Penentuan metode Estimasi regresi data
panel
3. Uji Lagrange Multiplier
Uji Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model
Random Effect lebih baik daripada metode Common Effect (PLS) digunakan.
Apabila Hasil:
H0: Pilih PLS
H1: Pilih RE
Pendekatan efek tetap Dan efek
random
• Pendekatan Efek Tetap (Fixed Effect)
Model ini mengasumsikan bahwa intercept adalah berbeda setiap subjek sedangkan
slope tetap sama antar subjek. Dalam membedakan satu subjek dengan subjek lainnya
digunakan variabel dummy (Kuncoro, 2012). Model ini sering disebut dengan model Least
Square Dummy Variables (LSDV).
• Pendekatan Efek Random(Random Effect)
Model ini mengestimasi data panel yang variabel residual diduga memiliki hubungan antar
waktu dan antar subjek. Menurut Widarjono (2009) model random effect digunakan untuk
mengatasi kelemahan model fixed effect yang menggunakan variabel dummy.
 Soal
BAGAIMANA CARA REGRESI DATA PANEL ?
Regresi data panel dalam penjelasan ini menggunakan software Eviews. Langkah pertama yaitu menginput data dan estimasi model. Selanjutnya
menentukan model terbaik, kemudian model tersebut diuji berdasarkan asumsi klasik. Model yang sempurna merupakan model yang bebas oleh
asumsi klasik. Tahap terakhir dalam regresi data panel sama dengan regresi pada umumnya yaitu pengujian hipotesis.
APLIKASI 1 : Input Data dan Estimasi Model

File > Workfile > isikan sesuai dengan jenis

data Workfile structure type : Balanced

Panel
Frequency : sesuaikan dengan bentuk periode penelitian, ex. Annual (tahunan), semi-annual (semesteran),
quartely (3 bulanan), monthly (bulanan), dll Start date : tahun awal peneltian, ex. 2010
End date : tahun akhir penelitian, ex. 2013
Setelah terisi > klik Ok
Selanjutnya, klik kanan > New Object > Poll > Name for object (beri nama sesuai keinginan) > Klik Ok

Isikan dengan cross section

Example : _BBCA ( setiap cross section diberi _ ) kemudian klik enter masukkan kembali cross
section _BBRI begitu seterusnya Setelah terisi > klik sheet
 Soal
Isikan dengan variabel penelitian
Example : LDR? CAR? SIZE? KAP? BOPO? PDN?
(setiap variabel diberi tanda ? ) Setelah terisi >
klik
OK

Copy paste data peneltian dari excel (sebelum copy paste,

klik edit +/- terlebih dahulu) Klik estimate
Dependent variable : isikan dengan variabel dependen
(ex. LDR?)

Common Coefficients : isikan variabel independen (ex.

CAR? SIZE? KAP? BOPO? PDN?) Cross section : None
(model polled least square / PLS)
Cross section : Fixed (model fixed effect / FEM )

Cross section : Random (model random effect / REM )

Klik OK
APLIKASI 2 : Menentukan Model Terbaik

Uji Chow : Pooled Least Square vs Fixed Effect

Langka-langkah :

Bentuk model fixed effect ( Cross section :

Fixed ) > klik Ok

Klik view > Fixed/Random Effects Testing > Redundant Fixed Effects – Likelihood Ratio

Jika Cross-section F kurang dari 5% artinya menolak H0 (model terbaik FEM)

Uji Hausman : Fixed Effect vs Random Effect

Langkah-langkah :

Bentuk model random effect ( Cross section : Random ) > klik Ok

Klik view > Fixed/Random Effects Testing > Correlated Random Effects – Hausman Testing

Jika cross section random kurang dari 5% artinya menolak H0 (model terbaik FEM)
APLIKASI 3 : Menguji Asumsi Klasik

Uji Autokorelasi, menggunakan Durbin-Watson

Uji Heterokedastisitas, diasumsikan setiap data panel cenderung mengandung heterokedastisitas karena terdiri dari banyak
cross section.
APLIKASI 4 : Perbaikan Asumsi Klasik
Pada model fixed effect, implikasi terjadi autokorelasi dan heterokedastisitas pada data panel
dapat diperbaiki dengan berbagai macam cara, yaitu dengan merubah kebentuk model cross-
section weights atau cross-section SUR.
Cross-section Weight : jika hanya terjadi heterokedastisitas
Langkah-langkah :
Klik estimat
.weight > cross-section weights > klik Ok
Cross-section SUR : jika terjadi autokorelasi dan heterokedastisitas
Langkah-langkah :
Klik estimate
Weight > cross-section SUR > klik OK
APLIKASI 5 : Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini dapat diukur darigoodness of fitfungsi regresinya,
Secara statistik, analisa ini dapat dapat diukur dari nilai statistik t, nilai statistik F, dan
koefisien determinasi (Kuncoro, 2011). Analisa regresi ini bertujuan untuk mengetahui secara
parsial maupun simultan pengaruh variabel independen terhadap variabel dependen serta
untuk mengetahui proporsi variabel independen dalam menjelaskan perubahan variabel
dependen.
Uji F-statistic

Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Kuncoro, 2011).
Pengujian ini dilakukan untuk melihat pengaruh secara simultan variabel independen
terhadap variabel dependen. Pengujian ini dilakukan dengan derajat kepercayaan sebesar 5%
dengan menggunakan rumus sebagai berikut (Kuncoro, 2011) : Dimana :
SSR : sum of squares due to regression
SSE : sum of squares error
n : jumlah observasi
k : jumlah parameter (termasuk intercept )
dalam model
Pengujian ini dilakukan dengan dua cara. Pertama, jika probabilitas nilai Fstatistik > 0,05
maka H0 diterima atau menolak H1, sebaliknya jika probabilitas nilai Fstatistik < 0,05 maka
H0 ditolak atau menerima H1. Kedua, membandingkan nilai F-statistic dengan nilai F
menurut tabel, jika Fstatistik > F tabel maka H0 ditolak atau menerima H1. H0 ditolak artinya
semua variabel independen secara simultan mempengaruhi variabel independen.
Uji Koefisien Determinasi

Uji koefisien determinasi (R2) digunakan untuk menjelaskan seberapa

besar proporsi variasi variabel dependen dapat dijelaskan oleh variabel
independen (Widarjono, 2009). Pengujian ini pada intinya mengukur
seberapa jauh variabel independen menerangkan variasi varabel
dependen. Menurut Kuncoro (2011) nilai koefisien determinasi (R2)
berkisar diantara nol dan satu (0 < R2 < 1). Nilai R2
yang kecil atau mendekati nol artinya kemampuan variabel independen
dalam menjelaskan variabel dependen sangat terbatas. Nilai R2 yang
besar atau mendekati satu artinya variabel independen mampu
memberikan hampir semua informasi yang dibutuhkan dalam
menjelaskan perubahan variabel dependen.
Thanks
!
Apakah ada
yang
bertanya
?