Teks tersebut merupakan penjelasan tentang analisis data panel menggunakan program Eviews untuk menguji hipotesis konvergensi pendapatan antar daerah di Indonesia. Teks tersebut menjelaskan langkah-langkah estimasi data panel meliputi pembuatan workfile, pool object, impor data dari Excel ke Eviews, serta estimasi menggunakan metode Pooled Least Squares, Fixed Effect Model, dan Random Effect Model.

1. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
PANEL DATA DENGAN E-VIEWS
Untuk keperluan pembelajaran, pada modul ini akan dipergunakan contoh kasus
model pertumbuhan ekonomi regional di Indonesia. Modul ini akan menguji model
pertumbuhan neoklasik (neoclassical growth model) untuk kasus Indonesia dengan
hipotesis utama tentang konvergensi pendapatan (income convergence); yaitu
kecenderungan dimana negara miskin tumbuh lebih cepat daripada negara kaya.
Dengan mendasarkan diri pada “Barro Regression” (Barro: 1991, 1992, 1995),
kita akan menguji hipotesis absolute convergence dengan mempergunakan persamaan
berikut:
(1 − e − βT ) ⋅ log( y ) + u
 1   y iT 
=a−
  log 
i0
i 0,T

T
 T   yi 0 
[1.1]
dimana ui0,T merepresentasikan rata-rata error term uit antara waktu 0 dan T, dan
intersep adalah a=x+[(1-e-βT)/T].log[ŷ*].
Sedangkan untuk menguji hipotesis conditional convergence, dimana kita
berusaha
untuk
mempertahankan
konstan
steady-state
dari
masing-masing
perekonomian, kita akan mengestimasi:
(1 − e− βT ) ⋅ log( y ) +ψX + u
 1   yiT 
  log   = a −
i0
i ,t
i 0 ,T
T
 T   yi 0 
[1.2]
dimana X adalah vektor dari variabel-variabel yang mempengaruhi steady-state
perekonomian i.
Untuk menguji hipotesis konvergensi, akan dipergunakan data 26 propinsi di
Indonesia untuk periode waktu 1975-2000. Sebagai variabel dependent (Y) adalah
tingkat pertumbuhan PDRB riil tahunan (growth) dan variabel independent (X)
adalah PDRB per kapita riil pada awal observasi (pdrb) dan variabel-variabel yang
mempengaruhi steady-state perekonomian yaitu secondary and upper educational
attainment (educ), angka harapan hidup (lex), tingkat inflasi regional (inf), dan
tingkat pertumbuhan transfer pemerintah pusat (trans).
Studi-studi konvergensi awal, seperti Mankiw, Romer, dan Weil (1992) dan
Barro (1991, 1992, 1995), banyak menggunakan model cross-section linear yang
diestimasi dengan metode ordinary least squares (OLS).
1

2. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
Jika kita menerapkan pendekatan ini untuk kasus kita diatas, maka kita akan
menguji hipotesis model neoklasik dengan sebuah single cross-section equation untuk
satu periode 1975-2000. Dengan merpergunakan data pada file Regresi_CrossSection.xls, maka kita akan dapatkan hasil estimasi dengan Eviews pada tabel 1 dan
2.
Tabel 1: Regresi Konvergensi Absolut
Dependent Variable: GROWTH
Method: Least Squares
Date: 12/08/05 Time: 22:04
Sample: 1 26
Included observations: 26
Variable
Coefficient
C
0.229692
LOG(PDRB)
-0.015094
R-squared
0.588052
Adjusted R-squared
0.570888
S.E. of regression
0.011021
Sum squared resid
0.002915
Log likelihood
81.35555
Durbin-Watson stat
1.585783
Std. Error
t-Statistic
Prob.
0.032367
7.096584
0.0000
0.002579
-5.853186
0.0000
Mean dependent var
0.040667
S.D. dependent var
0.016824
Akaike info criterion
-6.104273
Schwarz criterion
-6.007496
F-statistic
34.25979
Prob(F-statistic)
0.000005
Tabel 2: Regresi Konvergensi Kondisional
Dependent Variable: GROWTH
Method: Least Squares
Date: 12/08/05 Time: 20:57
Sample: 1 26
Included observations: 26
Variable
Coefficient
C
0.213956
LOG(PDRB)
-0.015940
EDUC
0.000274
LOG(LEX)
0.005254
INF
0.005986
TRANS
0.004754
R-squared
0.642218
Adjusted R-squared
0.552772
S.E. of regression
0.011251
Sum squared resid
0.002532
Log likelihood
83.18820
Durbin-Watson stat
1.460876
Std. Error
t-Statistic
Prob.
0.052675
4.061820
0.0006
0.003317
-4.806203
0.0001
0.000587
0.465937
0.6463
0.006075
0.864789
0.3974
0.010467
0.571932
0.5737
0.005040
0.943257
0.3568
Mean dependent var
0.040667
S.D. dependent var
0.016824
Akaike info criterion
-5.937553
Schwarz criterion
-5.647223
F-statistic
7.179987
Prob(F-statistic)
0.000541
Terlihat bahwa hasil estimasi kurang memuaskan dimana hanya ada satu
variabel penjelas yang signifikan yaitu pdrb. Walau demikian, angka R 2 dan DW-stat
terlihat cukup baik. Kita juga gagal membuktikan hipotesis konvergensi kondisional
dengan melihat koefisien PDRB per kapita awal yang tidak banyak berubah.
2

3. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
Untuk kasus kita diatas, penggunaan metode OLS ini memberikan kita hasil
yang kurang memuaskan karena regresi persamaan tunggal cross-section seperti ini
akan menghadapi masalah bias spesifikasi (specification bias). Hal ini terjadi sebagai
akibat dari perlakuan yang kurang tepat terhadap efek spesifik-daerah khususnya
yang berasosiasi dengan perbedaan dalam teknologi dan selera. Selain itu, hal ini
juga terjadi karena kita tidak mengetahui variabel-variabel apa saja yang seharusnya
kita masukkan ke dalam persamaan sebagai determinan dari pertumbuhan ekonomi.
Dengan kata lain, kita tidak tahu “regresi yang sesungguhnya”. Disini kita
menghadapi masalah omitted variable bias.
Persamaan
regresi
pertumbuhan
antar
daerah,
secara
implisit
mengasumsikan bahwa semua daerah memiliki fungsi produksi yang sama, yang
artinya semua perekonomian beroperasi pada tingkat efisiensi yang sama. Asumsi
implisit ini terlihat kurang realistis. Dalam kenyataannya kita melihat perbedaan
dalam metode produksi dan tingkat pengetahuan teknologi antar daerah sangat
bervariasi. Karena itu sangat mungkin fungsi produksi antar daerah untuk bervariasi
secara substansial. Persamaan regresi seperti diatas mungkin akan memperkirakan
lebih rendah tingkat konvergensi karena tidak sepenuhnya mampu menangkap
keseluruhan perbedaan dalam fungsi produksi antar daerah.
Beberapa peneliti merekomendasikan penggunaan metode data panel untuk
mengatasi masalah bias spesifikasi ini. Metode data panel dipertimbangkan
mengingat pendekatan ini mungkin akan memuaskan karena metode ini
mengizinkan kita untuk menghitung “efek spesifik-daerah” yang menandakan
variasi dalam pendapatan per kapita yang terkait dengan karakteristik spesifik
daerah. Dengan metode ini kita dapat mengkontrol kondisi steady-state setiap daerah
dengan lebih baik. Pendekatan ini juga mungkin memuaskan karena ia dapat
mengatasi kesulitan interpretasi terhadap homogenitas parameter yang biasa kita
temui dalam regresi pertumbuhan cross-section konvensional.
Untuk menganalisa kasus diatas dengan metode data panel, modul ini akan
mempergunakan file data: Regresi_Panel-Data.xls. Struktur data terdiri dari 26 data
cross-section yaitu 26 propinsi di Indonesia serta 5 data time-series yaitu periode tahun
1975-1980, 1980-1985, 1985-1990, 1990-1995, dan 1995-2000.
Analisis data panel dengan program E-views secara umum terdiri dari
langkah-langkah sebagai berikut:
3

4. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
1. Membuat Workfile untuk Data Panel
2. Membuat Pool Object
3. Mengimpor Data Panel
4. Estimasi Data Panel
1. Membuat Workfile untuk Data Panel
Langkah pertama dalam pengolahan data panel dengan Eviews adalah membuat
workfile. Tidak ada yang istimewa disini. Urutan langkah-langkahnya adalah:
-
Klik File
-
Klik New
-
Klik Workfile ...
-
Kemudian ketik frekuensi dan waktu untuk workfile panel data kita. Karena
data kita terdiri dari data 26 propinsi dengan 5 periode rentang waktu,
maka ...
-
Klik Annual
-
Ketik sembarang tahun yang menunjukkan 5 tahun. Misal, ketik Start date:
1901 dan End date: 1905
-
Klik OK
4

5. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
-
Kita akan dapatkan sebuah workfile yang siap digunakan untuk analisa data
panel dengan rentang waktu (time-series) 5 tahun.
2. Membuat Pool Object
Aspek terpenting dalam pool object adalah daftar nama cross-section dari data panel
kita. Untuk alasan teknis, nama cross-section sebaiknya harus singkat. Pool object
adalah deskripsi yang menggambarkan struktur data yang melandasi data panel
kita. Urutan langkah membuat pool object adalah:
-
Klik Objects
-
Klik New object
-
Klik Pool ...
5

6. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
-
Klik OK
-
Maka akan terlihat pool window di layar monitor.
-
Ketik kemudian cross-section identifiers pada kolom edit di pool window.
-
Pergunakan tanda “_” untuk mengawali nama cross-section identifiers
-
Untuk 26 propinsi di Indonesia, cross-section identifiers akan nampak seperti
pada gambar berikutnya.
-
Setelah itu, simpan pool dengan cara meng-klik Name... pada pool window.
-
Beri nama sesuai dengan keinginan pada kolom edit yang tersedia.
-
Pemberian nama pool ini dapat juga dilakukan langsung pada saat kita mengklik pool pada pertama kali object window terbuka. Lihat gambar sebelumnya.
6

7. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
3. Mengimpor Data Panel
Untuk alasan kenyamanan dan kemudahan, disarankan untuk menyimpan data
dalam format Ms Excel. Dari Excel, data dapat diimpor dengan mudah ke Eviews.
Terdapat beberapa cara untuk mengimpor data panel.
Dalam modul ini kita hanya berhubungan dengan balanced data; yaitu kasus
dimana setiap cross-section atau time series memiliki jumlah observasi yang sama,
sehingga total observasi yang kita miliki adalah N.T dimana N=jumlah cross-section
dan T=jumlah time-series. Jika ada data yang hilang sehingga jumlah observasi tidak
sama, maka kita menghadapi kasus unbalanced data yang merupakan topik lanjutan
dalam pengolahan data panel dan berada di luar pembahasan modul ini.
Selain itu, sebelum melakukan impor data panel, terlebih dahulu kita harus
mengetahui struktur data time-series dan cross-section serta membedakan pengaturan
data panel yaitu dalam bentuk unstacked data dan stacked data.
Unstacked data
Pada bentuk data ini, observasi pada variabel tertentu untuk cross-section tertentu
dikelompokkan secara bersama-sama. Contoh:
c_usa
c_kor
c_jpn
g_usa
g_kor
g_jpn
7

8. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
1990
1991
1992
...
Disini, C adalah konsumsi dan G adalah pengeluaran pemerintah. Setiap negara
(USA, Korea, dan Japan) memiliki kolom terpisah untuk C dan G masing-masing.
Stacked data
Pada bentuk data ini, data seluruh variabel dikelompokkan secara bersama-sama,
sehingga setiap kolom mencerminkan variabel. Terdapat dua jenis stacked data yaitu:
a. Stacked data by cross-section
Pada bentuk data ini, data diurutkan menurut cross-section. Contoh:
id
_usa
...
_usa
_kor
...
_kor
_jpn
...
_jpn
Year
1990
...
2000
1990
...
2000
1990
...
2000
c
g
b. Stacked data by date
Pada bentuk data ini, data diurutkan menurut date. Contoh:
year
1990
1990
1990
...
2000
2000
2000
Id
_usa
_kor
_jpn
...
_usa
_kor
_jpn
c
g
Setelah memahami hal diatas, kini kita siap untuk mengimpor data panel ke
dalam Eviews. Tempatkan data dalam format Excel. Ketik sesuai dengan salah satu
8

9. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
cara pengaturan diatas. Dalam file Regresi_Panel-data.xls data diatur dalam bentuk
stacked by date.
Urutan langkah mengimpor data panel ke dalam Eviews adalah:
-
Klik Procs pada pool window
-
Klik Import Pool Data (ASCII, XLS,WK?) ...
-
Pada layar kemudian akan muncul open window
-
Temukan dimana file data kita disimpan, pilih Regresi_Panel-Data.xls,
kemudian klik open
-
Pada layar akan muncul Excel Spreadsheet Import window
-
Karena kita menggunakan bentuk pengaturan data stacked by date, maka
pilihlah: series order= in columns dan group observation= by cross-section.
-
Ketik kemudian nama semua variabel kita pada tempat yang telah
disediakan, dengan ketentuan: penulisan antar variabel diselingi spasi satu
dan setiap variabel diakhiri tanda ?
-
Untuk kasus kita diatas, ketiklah: growth? pdrb? educ? lex? inf? trans?
-
Tampilan Excel Spreadsheet Import window akan menjadi seperti gambar ini.
-
Klik OK
-
Kini data telah diimpor ke Eviews dan siap untuk diolah.
9

10. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
4. Estimasi Data Panel
Sebagaimana telah dibahas pada materi, bahwa dalam analisis data panel kita
memiliki beberapa pilihan-pilihan yaitu dengan metode PLS (pooled least squares),
FEM (fixed effect model), atau REM (random effect model). Urutan langkah untuk
melakukan estimasi dalam data panel adalah:
-
Klik Estimate pada pool window kita.
-
Pada layar kemudian akan muncul pooled estimation window
-
Terdapat beberapa fitur utama pada pooled estimation window yaitu:
o
Dependent variable; adalah tempat kita menuliskan variabel
dependent (Y) untuk data panel. Dalam kasus kita diatas, Y = growth?
o
Common coefficents; adalah tempat kita menuliskan variabel
penjelas (X) dengan slope koefisien yang konstan. Dalam kasus kita
diatas, X = log(pdrb?) educ? log(lex?) inf? trans?
o
Cross-section specific coefficients; adalah tempat kita menuliskan
variabel penjelas (X) dengan slope koefisien yang berbeda untuk setiap
unit cross-section.
o
Intercept; adalah pilihan untuk asumsi intercept, apakah mengikuti
asumsi PLS, FEM, atau REM.
o
Weighting; adalah pilihan untuk pembobotan yaitu:

No Weighting : semua observasi diberi bobot yang sama.

Cross-Section Weights : GLS dengan menggunakan estimasi
varians residual cross section. Digunakan apabila ada asumsi
bahwa terdapat cross section heteroskedasticity.

SUR : GLS menggunakan estimasi residual covariance matrix
cross section. Metode ini mengoreksi baik heteroskedastisitas
maupun autokorelasi antar unit cross-section.
10

11. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
-
Selain fitur utama, terdapat pilihan tambahan yang dapat dipilih yaitu:
o
White
Heteroskedasticity
covariance:
Eviews
mengestimasi
covariance yang akan menghasilkan general heteroskedasticity; format
ini lebih umum dari cross section heteroskedasticity di atas di mana
variance dalam tiap unit cross section diizinkan untuk berbeda untuk
tiap unit time series.
o
Iterate to Convergence : Eviews akan terus meng-update pembobot
(weights) dan koefisien sampai mencapai konvergensi.
Dalam kasus kita diatas, kita akan memiliki dua skenario berikut:
1. Regresi untuk konvergensi absolut
o
Klik Estimate pada pool window kita.
o
Ketik growth? pada dependent variabe
o
Ketik log(pdrb?) pada common coefficients
o
Pilih fixed effects pada intercept
o
Pilih cross-section weights pada weighting
o
Klik OK
11

12. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
Dependent Variable: GROWTH?
Method: GLS (Cross Section Weights)
Date: 12/08/05 Time: 22:19
Sample: 1901 1905
Included observations: 5
Number of cross-sections used: 26
Total panel (balanced) observations: 130
One-step weighting matrix
Variable
Coefficient
Std. Error
t-Statistic
LOG(PDRB?)
-0.017269
0.002050
-8.423665
Fixed Effects
_ACEH--C
0.294528
_SUMUT--C
0.263274
_SUMBAR--C
0.274427
_RIAU--C
0.298392
_JAMBI--C
0.284905
_SUMSEL--C
0.248926
_BENGKULU--C
0.265552
_LAMPUNG--C
0.277618
_DKI--C
0.251854
_JABAR--C
0.254435
_JATENG--C
0.252185
_DIY--C
0.266324
_JATIM--C
0.273989
_BALI--C
0.268498
_NTB--C
0.261194
_NTT--C
0.274980
_KALBAR--C
0.264951
_KALTENG--C
0.286785
_KALSEL--C
0.281322
_KALTIM--C
0.280516
_SULUT--C
0.262019
_SULTENG--C
0.249130
_SULTRA--C
0.242042
_SULSEL--C
0.243294
_MALUKU--C
0.253103
_IRJA--C
0.232443
Weighted Statistics
R-squared
0.806834 Mean dependent var
Adjusted R-squared
0.758074 S.D. dependent var
S.E. of regression
0.030252 Sum squared resid
F-statistic
16.54693 Durbin-Watson stat
Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.442582 Mean dependent var
Adjusted R-squared
0.301874 S.D. dependent var
S.E. of regression
0.030268 Sum squared resid
Durbin-Watson stat
2.040500
Prob.
0.0000
0.071177
0.061505
0.094264
2.566027
0.040667
0.036226
0.094365
2. Regresi untuk konvergensi kondisional
12

13. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
o
Klik Estimate pada pool window kita.
o
Ketik growth? pada dependent variabe
o
Ketik log(pdrb?) educ? log(lex?) inf? trans? pada common coefficients
o
Pilih fixed effects pada intercept
o
Pilih cross-section weights pada weighting
o
Klik OK
Dependent Variable: GROWTH?
Method: GLS (Cross Section Weights)
Date: 12/08/05 Time: 22:25
Sample: 1901 1905
Included observations: 5
Number of cross-sections used: 26
Total panel (balanced) observations: 130
One-step weighting matrix
Variable
Coefficient
Std. Error
LOG(PDRB?)
-0.020151
0.002309
EDUC?
0.094658
0.023149
LOG(LEX?)
-0.005753
0.019347
INF?
-0.004196
0.013513
TRANS?
0.000402
0.006784
Fixed Effects
_ACEH--C
0.349572
_SUMUT--C
0.316335
_SUMBAR--C
0.327502
_RIAU--C
0.354583
_JAMBI--C
0.336469
_SUMSEL--C
0.301308
_BENGKULU--C
0.313732
_LAMPUNG--C
0.328407
_DKI--C
0.303234
_JABAR--C
0.303235
_JATENG--C
0.297486
_DIY--C
0.314321
_JATIM--C
0.316371
_BALI--C
0.317324
_NTB--C
0.306085
_NTT--C
0.318606
_KALBAR--C
0.306579
_KALTENG--C
0.325154
_KALSEL--C
0.326679
_KALTIM--C
0.320543
_SULUT--C
0.302759
_SULTENG--C
0.286958
_SULTRA--C
0.278609
_SULSEL--C
0.282808
_MALUKU--C
0.291696
_IRJA--C
0.270648
Weighted Statistics
t-Statistic
-8.727343
4.088989
-0.297382
-0.310542
0.059324
Prob.
0.0000
0.0001
0.7668
0.7568
0.9528
13

14. Qiyara Consulting
Info lengkap buka http://qiyara.ipromart.co.id
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)
R-squared
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.881503 Mean dependent var
0.845595 S.D. dependent var
0.029923 Sum squared resid
24.54875 Durbin-Watson stat
0.000000
Unweighted Statistics
0.458427 Mean dependent var
0.294313 S.D. dependent var
0.030432 Sum squared resid
2.042965
0.078655
0.076150
0.088641
2.594638
0.040667
0.036226
0.091683
14