Regresi data panel untuk data melibatkan beberapa tahun dan beberapa perusahaan (subyek). Uji prasyarat dan uji pemilihan model. Chow test, Hautsman Test serta Normalitas. Alternatif bila tidak terpenuhinya prasayarat juga diajukan
2. Latar belakang
• Data melibatkan beberapa waktu dan beberapa subyek.
• Subyek dapat berupa individu atau perusahaan
• Biasanya dengan Regresi OLS akan terkena heteroskedastisitas
• Intersep dan slope yang berbeda (antar waktu dan antar perusahaan)
3.
4.
5. Tiga Model
• Pooled Effect: OLS
• Fixed Effect: LSDV atau Gretl menggunakan demeaning data
• Random Effect
• Dipilih yang paling baik dengan beberapa kriteria:
11. Robust standard error
• Pilhan: HC0, HC1, HC2, HC3, HC3a
• Umumnya dipilih untuk mengatisipasi heteroskedastisitas yang tidak jelas (ada namun meragukan)
• Meragukan dari sisi kurva atau perhitungan yan p value nya hamper 0,5 atau lebih sedikit.
• Umumnya HC0 namun bias dipilih yang lain.
• HC1 untuk koreksi derajat kebebasan dikaitkan banyaknya variabel
• HC2 bila diduga variasi antar individu relatif besar dan mengkhawatirkan (bisanya diliihat dari grafik awal yang
membentuk pola melebar sesuai slope)
• HC3 digunakan bila outlier/nilai ekstrem diduga ada
• Bila ragu dapat dicoba dan membanding hasil regresi dari Adjusted R square (nilai tertinggi) atau Akaike, Schwarz dan
yang semisal (dengan nilai terendah).
• Namun tidak dapat membantu bila memang melanggar asumsi klasik, hanya koreksi sedikit agar lebih presisi
24. 1. Data panel
2. OLS melanggar asumsi
Heteroskedastisitas dan otokorelasi
Panel: Fixed Effect (FE)
Memilih:
OLS atau FE
Chow Test: uji F apakah intercept
antar grup sama.
34. 1. Swamy Arora bila data balanced = semua
unit/perusahaan datanya lengkap dari sisi tahun
2. Baltagi-Chang ketika data tidak balance
3. Nerlove: bila jumlah variabel independent lebih
banyak dari unit atau perusahaan sampel
35. Breusch-Pagan Test: uji
heteroskedastisitas: bila
signifikan maka model
Random Effect cocok
daripada pooled
Hausman Test menguji
apakah RE konsisten, bila
tidak signifikan maka RE
cocok daripada Fixed
effect
39. Hasil RE
• Model RE lebih baik
• Namun Otokorelasi masih terkena
• Gunakan koreksi
• Atau Cenderung harus mencari model lain: misalnya mixed effect atau koreksi
• Syarat lainnya normalitas variabel Y atau endogen
41. solusi
● Transformasi log atau ln
● Gunakan model lain: mixed model, atau dynamic (terkait otokorelasi)
● Atau menggunakan model Quantile regression (membagi antar kelompok kuartil data)