Blogger Ali TtphS: Regresi Data Panel menggunakan Eviews 6

Data panel atau panel data adalah gabungan dari data time series (antar waktu) dan data cross section (antar individu/ruang). Untuk menggambarkan panel data secara singkat, misalkan pada data cross section, nilai dari satu variabel atau lebih dikumpulkan untuk beberapa unit sampel pada suatu waktu waktu. Dalam panel data, unit cross section yang sama di-survei dalam beberapa waktu (Gujarati, 2003: 637).

Regresi dengan menggunakan panel data, memberikan beberapa keunggulan dibandingkan dengan pendekatan standar cross section dan time series. Hsiao (1986), mencatat bahwa penggunaan panel data dalam penelitian ekonomi memiliki beberapa keuntungan utama dibandingkan data jenis cross section maupun time series.

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 mana dapat menghasilkan 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 dapat memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section.

Dengan kata lain, regresi data panel merupakan regresi gabungan jangka pendek dan jangka panjang.

Data panel dapat dianalisa dengan menggunakan 3 macam pendekatan model, yaitu pooled least square, fixed effects model, dan random effects model.

Tiga macam pendekatan di atas merupakan asumsi yang ditetapkan dalam melakukan estimasi terhadap data panel. Selain harus menetapkan bentuk asumsi yang paling tepat, harus ditetapkan juga metode estimasi yang paling tepat di antara metode estimasi OLS (jika diasumsikan tidak memiliki masalah pada heteroskedastis) atau GLS (jika memiliki masalah pada heteroskedastis).

1. Pooled least square

Merupakan pendekatan model data panel yang paling sederhana karena hanya dengan mengkombinasikan data time series dan cross section dalam bentuk pool, dan menggunakan teknik kuadrat terkecil atau least square untuk mengestimasi koefisiennya. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa prilaku individu tidak berbeda dalam berbagai kurun waktu.

2. Model Efek Tetap (Fixed Effect)

Asumsi pembuatan model yang menghasilkan intersep konstan untuk setiap individu (i) dan waktu (t) dianggap kurang realistik sehingga dibutuhkan model yang lebih dapat menangkap perbedaan tersebut. Model efek tetap (fixed effects) ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi model Fixed Effects dengan intersep berbeda antar individu, maka digunakan teknik variable dummy. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV).

Berdasarkan asumsi struktur matriks varians-covarians residual, maka pada model fixed effects, terdapat tiga metode estimasi yang dapat digunakan, yaitu:

Ordinary Least Square (OLS/LSDV), jika struktur matriks varians-covarians residualnya diasumsikan bersifat homoskedastik dan tidak ada cross sectional correlation.
Weighted Least Square (WLS), jika struktur matriks varians-covarians residualnya diasumsikan bersifat heteroskedastik dan tidak ada cross sectional correlation.
Seemingly Uncorrelated Regression (SUR), jika struktur matriks varians-covarians residualnya diasumsikan bersifat heteroskedastik dan ada cross sectional correlation.

3. Model Efek Random (Random Effect)

Pada Efek Tetap perbedaan antar individu dicerminkan oleh intercept atau konstanta, tetapi pada metode Efek Random perbedaan tersebut diakomodasi oleh error terms masing-masing individu. Metode ini memiliki keuntungan karena menghilangkan heteroskedastisitas jika memang ada.

Dari ketiga model yang telah dijelaskan sebelumnya, maka selanjutnya akan ditentukan model yang paling tepat untuk mengestimasi parameter regresi data panel dengan melalui serangkaian pengujian. Langkah-langkah yang digunakan dalam analisis regresi untuk data panel dapat diringkas seperti pada gambar berikut: