APAKAH MENGGUNAKAN RANDOM EFFECT ATAU FIX EFFECT ? Untuk menentukan apakah data panel tersebut menggunakan Fix Effect (FE) atau Random Effect (RE) adalah dengan menggunakan HAUSMAN TEST. Untuk menentukan antara FE dan RE dapat dijalankan dengan menggunakan Hausman Test dimana Hipotesis Nol (H0) adalah bahwa model yang disukai adalah RE vs alternatif FE. Pada dasarnya ini menguji apakah kesalahan tersebut unik, berkorelasi dengan regressor, Hipothesis nolnya adalah tidak. Jalankan model efek tetap dan simpan perkiraan, lalu jalankan model random dan simpan estimasi (perkiraan).

1. DATA PANEL
EFEK TETAP ATAU ACAK (FIX EFFECT / RANDOM EFFECT)
Data panel atau disebut juga sebagai Longitudinal atau cross data deret waktu penampang adalah
Dataset dimana perilaku entitas adalah diamati sepanjang waktu.
Entitas tersebut bisa jadi negara bagian, perusahaan, individu, negara, dll.
Data panel memungkinkan anda menngontrol variabel yang tidak bisa anda gunakan untuk
mengamati atau mengukur seperti faktor perusahaan atau perbedaan praktik bisnis antar
perusahaan; atau variabel itu berubah dari waktu ke waktu tapi tidak melintasi Entitas (yaitu:
nasional, kebijakan, peraturan federal, kesepakatan internasional, dll). Ini menjelaskan
Heterogenitas Individu.
Dengan data panel, anda dapat memasukkan variabel pada tingkat yang berbeda dalam melakukan
analisis (yaitu : siswa, sekolah, kabupaten, negara bagian) sesuai untuk pemodelan bertingkat atau
hierarki.
Beberapa Kelemahannya adalah dalam Pengumpulan Data (contohnya sampling desain, cakupan),
non-respon dalam hal Mikro Panel atau ketergantungan lintas negara dalam hal Makro Panel (yaitu
korelasi antar negara).
Dalam hal ini akan difokuskan pada dua teknik yang digunakan dalam menganalisis data panel, yaitu
:
1. Fix Effect (Efek Tetap)
2. Random Effect (Efek Acak)
Perintah dalam stata untuk menjalankan Fix Effect atau Random Effect adalah dengan mengetikkan
“xtreg” pada command.
Sebelum mengetik xtreg, anda perlu mengatur stata untuk menangani data panel dengan
menggunakan perintah “xtset”.
Contoh : “xtset county year”
Maksud dari pengetikan diatas yaitu : county mewakili sebagai entitas atau Panel (i ) dan year
merupakan waktu (variabel t).
Catatan : sangat seimbang mengacu pada fakta bahwa semua negara memiliki data untuk semua
tahun. Jika misalnya, satu negara tidak memiliki data selama satu tahun maka datanya tidak
seimbang. Idealnya anda ingin memiliki dataset yang seimbang tetapi ini tidak selalu, namun anda
tetap bisa menjalankannya.

2. Untuk menjelajahi data panel dapat mengetikkan :
“Xtline y”
Maka akan muncul grafik menurut negara sebagai berikut
Lalu dapat dilanjutkan dengan mengetikkan :
“xtline y,overlay”
Maka akan muncul grafik sebagai berikut

3. FIX EFFECT MODEL (MODEL EFEK TETAP)
(COVARIANCE MODEL, WITHIN ESTIMATOR, INDIVIDUAL DUMMY VARIABEL MODEL, LEAST
SQUARE DUMMY VARIABLE MODEL)
Gunakan Efek Tetap (FIX EFFECT) kapanpun anda hanya tertarik untuk menganalisis dampaknya dari
variabel yang bervariasi dari waktu ke waktu.
Fix Effect (FE) mengeksplorasi hubungan antara prediktor dan variabel hasil dalam suatu Entitas
(negara, orang, perusahaan, dll). Setiap entitas memiliki karakteristik individunya sendiri yang
mungkin atau tidak mungkin tidak mempengaruhi variabel prediktor (X).
Bila menggunakan FE kita berasumsi bahwa sesuatu di dalam individu dapat berdampak atau bias
terhadap prediktor (X) atau variabel hasil (Y) dan kita perlu mengendalikan ini. Ini adalah alasan di
balik asumsi korelasi antara entitas variabel term dan prediktor. FE menghapus efek dari
karakteristik invarian tersebut sehingga dari variabel prediktor kita dapat menilai prediktor net’
Asumsi penting lain dari model FE adalah karakteristik waktu invarian unik bagi individu dan tidak
berkorelasi dengan karakteristik individu lainnya. Setiap entitas berbeda karena entitas itu kesalahan
dan konstanta (yang menangkat karakteristik individu) harus tidak berkorelasi dengan yang lain.
Jika istilah error berkorelasi maka FE adalah tidak cocok karena KESIMPULAN MUNGKIN TIDAK
BENAR DAN ANDA PERLU MEMODELKAN HUBUNGANNYA (Mungkin menggunakan efek acak /
random effect), ini adalah alasan utama untuk masuk TES HAUSMAN.
Untuk melakukan pengujian pada stata ketikkan pada command :
“Xtreg variabel Y Variabel X, fe”

4. Syarat :
Apabila hasil “P>|z|” < α (0,05)”, maka hasil tersebut menunjukkan bahwa variabel x
memberikan pengaruh yang signifikan terhadap variabel Y.
Jadi dalam melakukan pengujian pada data panel menggunakan FIX EFFECT adalah sebagai berikut :
Langkah-langkah pengujian FIX EFFECT (FE).
1. Pada stata perlu melakukan pengetikan
“xtset Entitas (i) Tahun (t)”
Contoh : xtset county year
Hal ini menunjukkan bahwa data panel yang digunakan adalah county (daerah) sebagai
Entitas atau Panel dan year (tahun) sebagai Waktu.
2. Xtline y
3. Xtreg Variabel Y Variabel X, fe
Syarat :
Nilai “P>|z|” < α (0,05)”, maka hasil tersebut menunjukkan bahwa variabel x
memberikan pengaruh yang signifikan terhadap variabel Y.

5. RANDOM EFFECT MODEL (MODEL EFEK ACAK)
(RANDOM INTERCEPT, PARTIAL POOLING MODEL)
Alasan di balik model acak adalah tidak seperti model Efek Tetap (FE/FIX EFFECT). Variasi antar
entitas diasumsikan acak dan tidak berkorelasi dengan Prediktor atau Variabel Independent (BEBAS)
(X) yang termasuk dalam model :
“Perbedaan penting antara efek tetap dan efek acak adalah apakah Efek individu
yang tidak teramati mewujudkan elemen yang berkorelasi dengan regresor di
Model, bukan apakah efek ini stochatic atau tidak (Green, 2009:183).”
Jika anda memiliki alasan untuk percaya bahwa perbedaan antar entitas memiliki pengaruh pada
variabel dependent anda maka anda harus menggunakan efek acak.
Keuntungan dari efek acak adalah anda dapat memasukkan variabel invarian waktu (misalnya jenis
kelamin). Dalam model efek tetap, variabel-variabel ini diserap oleh intercept.
Efek acak (Random Effect) mengasumsikan bahwa istilah kesalahan entitas tidak berkorelasi dengan
prediktor yang memungkinkan variabel waktu-invarian untuk berperan sebagai penjelas variabel.
Dalam efek acak, anda perlu menentukan karakteristik individu yang mungkin atau tidak mungkin
mempengaruhi variabel prediktor. Masalahnya dengan ini adalah beberapa variabel mungkin tidak
tersedia sehingga menyebabkan efek bias variabel dihilangkan dalam model.
RE (Random Effect) memungkinkan untuk menggeneralisasi kesimpulan di luar sampel yang
digunakan dalam model.
Untuk melakukan pengujian pada stata ketikkan pada command :

6. “Xtreg variabel Y Variabel X, re”
Syarat :
Apabila hasil “P>|z|” > α (0,05)”, maka hasil tersebut menunjukkan bahwa variabel x
memberikan pengaruh yang signifikan terhadap variabel Y.
Jadi dalam melakukan pengujian pada data panel menggunakan RANDOM EFFECT adalah sebagai
berikut :
Langkah-langkah pengujian RANDOM EFFECT (RE).
1. Pada stata perlu melakukan pengetikan
“xtset Entitas (i) Tahun (t)”
Contoh : xtset county year
Hal ini menunjukkan bahwa data panel yang digunakan adalah county (daerah) sebagai
Entitas atau Panel dan year (tahun) sebagai Waktu.
2. Xtline y
3. Xtreg Variabel Y Variabel X, re
Syarat :
Nilai “P>|z|” > α (0,05)”, maka hasil tersebut menunjukkan bahwa variabel x
memberikan pengaruh yang signifikan terhadap variabel Y.

7. APAKAH MENGGUNAKAN RANDOM EFFECT ATAU FIX EFFECT ? (untuk
UTS)
Untuk menentukan apakah data panel tersebut menggunakan Fix Effect
(FE) atau Random Effect (RE) adalah dengan menggunakan HAUSMAN
TEST.
Untuk menentukan antara FE dan RE dapat dijalankan dengan menggunakan Hausman Test
dimana Hipotesis Nol (H0) adalah bahwa model yang disukai adalah RE vs alternatif FE. Pada
dasarnya ini menguji apakah kesalahan tersebut unik, berkorelasi dengan regressor,
Hipothesis nolnya adalah tidak.
Jalankan model efek tetap dan simpan perkiraan, lalu jalankan model random dan simpan
estimasi (perkiraan). Lalu lakukan tesnya sebagai berikut :
“xtreg y x1, fe”
“Estimates store fixed”
“xtreg y x1, re”
“Estimates store random”
“hausman fixed random”
Apabila hasil (Prob>chi2) > alpha (α); maka menggunakan Random Effect (RE)
Apabila hasil (Prob>chi2) < alpha (α); maka menggunakan Fix Effect (FE)

8. Setelah dari hasil diatas diketahui bahwa data panel ini menggunakan Fix Effect (FE) atau
Random Effect (RE), maka :
Apabila RE; gunakan pengujian sebagai berikut :
Pengujian Random Effect (Breusch-Pagan Langrange Multiplier) (LM)
TES LM membantu kita dalam memutuskan antara regresi RE dan Regresi Sederhana OLS.
Hipotesis 0 (H0) dalam uji LM adalah bahwa varians di seluruh entitas adalah nol. Yang
berarti, tidak ada perbedaan yang signifikan antar unit (yaitu tidak ada efek panel).
Perintah dalam menjalankannya di stata adalah xtset0, tentu setelah menjalankan Model
RE.
“xtreg Y X1, re”
“xttest 0”
Maka akan muncul sebagai berikut :
Or
FAILED

9. Syarat :
Apabila hasil (Prob > chi2) < aplha (α); maka Random Effect (RE) dapat digunakan dalam
data panel ini.
Interpretasi : disini kita berhasil menerima null, dan menyimpulkan bahwa efek acak (RE)
tepat. Ini bukti persamaan (tidak ada perbedaan) yang signifikan antar daerah.
Sedangkan apabila pada pengujian Hausman Test diketahui bahwa FIX Effect (FE) yang
digunakan, maka lakukan pengujian sebagai berikut :
Pengujian untuk Ketergantungan Cross-Sectional / Contemporaneous Correlation :
MENGGUNAKAN PENGUJIAN LM Breusch-Pagan
Menurut Baltagi, ketergantungan cross-sectional adalah masalah pada panel makro dengan
seri waktu yang lama (lebih dari 20-30 tahun). Ini bukan masalah besar di panel mikro
(beberapa tahun dan besar jumlah kasus).
H0 dalam uji independensi B-P/LM adalah residual di seluruh entitas tidak berkorelasi.
Perintah untuk menjalankan test ini adalah xttest2, menjalankannya setelah xtreg Y X1,fe
“xtreg Y X1, fe”
“xttest2”
Maka akan muncul hasil sebagai berikut :
SUCCES

10. Syarat :
Apabila hasil (Prob > chi2) > aplha (α); maka residual diseluruh entitas tidak berkorelasi.
Lalu langkah selanjutnya dilakukan :
USING PASARAN CD TEST (MENGGUNAKAN TES PASARAN CD)
Seperti yang disebutkan di Tes LM, ketergantungan cross-sectional lebih merupakan
masalah secara makro Panel dengan deret waktu lama (lebih dari 20-30 tahun) dibanding di
panel mikro Tes Pasaran CD (cross-sectional dependence) digunakan untuk menguji residu
apakah Berkorelasi antar entitas *.
Ketergantungan cross-sectional dapat menyebabkan bias dalam hasil tes (juga disebut
korelasi kontemporer). Hipotesis nol adalah bahwa residu tidak berkorelasi.
Perintah untuk menjalankan tes ini xtcsd, kita harus menginstallnya mengetik ssc install
xtcsd.
“xtreg Y X1, fe”
“xtcsd, pesaran abs”
Maka akan muncul sebagai berikut :

11. Syarat :
Apabila hasil (Prob > chi2) > aplha (α); maka residu tidak berkorelasi.
Lalu langkah selanjutnya dilakukan :
PENGUJIAN UNTUK HETEROSKEDASTICITY
Pengujian Heteroskedasticitas dapat dilakukan avalable untuk menggunakan Model FE (Fix
Effect) dengan menggunakan perintah xttest3.
Ini adalah program yang ditulis pengguna, untuk menginstallnya ketik “ssc install xttest3”.
“xtreg Y X1, fe”
“xttest3”
Maka akan muncul sebagai berikut :

12. Syarat :
Apabila hasil (Prob > chi2) > aplha (α); maka tidak ada heteroskedasticity yang artinya null
(hasil) diatas adalah homoskedasticity, di atas kita menerima null (homoskedasticity) dan
menyimpulkan Homoskedasticity.
Summary langkah-langkah dari hasil pembahasan diatas :
Gunakan link dibawah ini :
3. Summary Data Panel (UTS).xlsx
Untuk UTS data Crime43. Summary Data Panel (UTS).xlsx
X
Firly Zulkifli
College Student
559 Tidak ada heteroskedasticity