Fixed, Common or Random Effect

Judge (1980) dalam Fadly (2011), menyatakan ada perbedaan mendasar untuk menentukan pilihan antara FEM (Fixed Effects Model) dan ECM (Error Component Model) antara lain sebagai berikut (Gujarati, 2004):

1)   Jika T (jumlah data time series) besar dan N (jumlah unit cross-section) kecil, perbedaan antara FEM dan ECM adalah sangat tipis. Oleh karena itu, dapat dilakukan penghitungan secara konvensional. Pada keadaan ini, FEM mungkin lebih disukai.

2)   Ketika N besar dan T kecil, estimasi diperoleh dengan dua metode dapat berbeda secara signifikan. Pada ECM,  , dimana adalah komponen random cross-section dan pada FEM,  ditetapkan dan tidak acak. Jika kita sangat yakin dan percaya bahwa individu, ataupun unit cross-section sampel kita adalah tidak acak, maka FEM lebih cocok digunakan. Jika unit cross-section sampel adalah random/acak, maka ECM lebih cocok digunakan.

3)   Komponen error individu  dan satu atau lebih regresor berkorelasi, estimator yang berasal dari ECM adalah bias, sedangkan yang berasal dari FEM adalah  unbiased.

4)   Jika N besar dan T kecil, serta jika asumsi untuk ECM terpenuhi, maka estimator ECM lebih efisien dibanding estimator FEM.

-->

Secara formal, ada tiga prosedur pengujian yang akan digunakan, yaitu uji statistik F yang digunakan untuk memilih antara model commoneffects atau fixed effects; uji Langrange Multiplier (LM) yang digunakanuntuk memilih antara model common effectsatau model random effects; dan uji Hausman yang digunakan untuk memilih antara model fixed effects atau model random effects.

Untuk Pengujian Formal akan dijelaskan kemudian...Terimakasih telah membaca...=D

Sumber:
Dapat dilihat disini