Pendidikan Penelitian Pengabdian Pelatihan
Mat Eko 1 Mat Eko 2 Stat Eko 1 Stat Eko 2 Ekonometrika 1 Ekonometrika 2
Jurnal Pemb Jurnal Moneter Jurnal Perencanaan
Diskusi Stat Eko Diskusi Ekonometrika Diskusi Blog
Mat Eko 1 Mat Eko 2 Stat Eko 1 Stat Eko 2 Ekonometrika 1 Ekonometrika 2
Slmt Datang Di Blog Page Rank Di Blog Contoh Menu 2 Contoh Menu 3 Contoh Menu 4 Contoh Menu 5
Tampilkan postingan dengan label Data Panel. Tampilkan semua postingan
Tampilkan postingan dengan label Data Panel. Tampilkan semua postingan

Sabtu, 08 Maret 2014

Analisis Data Panel Dengan Eviews Versi 6


Data panel biasa disebut data longitudinal atau data runtun waktu silang (cross-sectional time series), dimana banyak kasus (orang, perusahaan, Negara dan lain-lain) diamati pada dua periode waktu atau lebih yang diindikasikan dengan penggunaan data time series.
Data panel dapat menjelaskan dua macam informasi yaitu: informasi cross-section pada perbedaan antar subjek, dan informasi time series yang merefleksikan perubahan pada subjek waktu. Ketika kedua informasi tersebut tersedia, maka analisis data panel dapat digunakan.
Analisis data panel dapat diterapkan pada beberapa bidang keilmuan dan terapan misalnya, pada ilmu ekonomi kita dapat mempelajari perilaku perusahaan dan system penggajian karyawan pada beberapa periode waktu tertentu, dalam ilmu politik kita dapat mempelajari perilaku parta dan organisasi pada beberapa jangka waktu tertentu, dan dalam bidang pendidikan, peneliti dapat mempelajari kelas-kelas siswa dan lulusan pada beberapa waktu.
Dengan pengamatan berulang terhadap data cross section yang cukup, analisis data panel memungkinkan seseorang dalam mempelajari dinamika perubahan dengan dengan data time series. Kombinasi data time series dan cross section dapat meningkatkan kualitas dan kuantitas data dengan pendekatan yang tidak mungkin dilakukan dengan menggunakan hanya salah satu dari data tersebut (Gujarati, 2003). Analisis data panel dapat mempelajari sekelompok subjek jika kita ingin mempertimbangkan baik dimensi data maupun dimensi waktu.
Model yang digunakan dalam analisis data panel adalah:
Terdapat beberapa model analisis dalam data panel yaitu model koefisien tetap (fixed effects models), dan model efek acak (random effects models). Diantara tipe-tipe model tersebut terdapat data panel dinamik (dynamic panel), robust, dan model struktur kovarians (covariance structure models).
Contoh data panel adalah pada data perbandingan antara tiga perusahaan garmen yang memiliki variabel yang sama misalnya jumlah karyawan, jumlah pemesanan, jumlah produksi, unit produksi, market share. Semua variabel tersebut dikumpulkan setiap tahun selama 10 tahun. Kelompok data panel tersebut akan memiliki pengamatan sebanyak 3*10 = 30 pengamatan karena 3 perusahaan garmen menggunakan data selama 10 tahun.
Berikut adalah tabel yang menunjukkan variabel tersebut:
LANGKAH MENGINPUT DATA PANEL
Berikut akan diberikan langkah-langkah menginput data panel dengan software eviews 5.1.
1. Pertama-tama anda harus memiliki data dalam program Micro Data panel biasa disebut data longitudinal atau data runtun waktu silang (cross-sectional time series), dimana banyak kasus (orang, perusahaan, Negara dan lain-lain) diamati pada dua periode waktu atau lebih yang diindikasikan dengan penggunaan data time series.

Data panel dapat menjelaskan dua macam informasi yaitu: informasi cross-section pada perbedaan antar subjek, dan informasi time series yang merefleksikan perubahan pada subjek waktu. Ketika kedua informasi tersebut tersedia, maka analisis data panel dapat digunakan.
Analisis data panel dapat diterapkan pada beberapa bidang keilmuan dan terapan misalnya, pada ilmu ekonomi kita dapat mempelajari perilaku perusahaan dan system penggajian karyawan pada beberapa periode waktu tertentu, dalam ilmu politik kita dapat mempelajari perilaku parta dan organisasi pada beberapa jangka waktu tertentu, dan dalam bidang pendidikan, peneliti dapat mempelajari kelas-kelas siswa dan lulusan pada beberapa waktu.
Dengan pengamatan berulang terhadap data cross section yang cukup, analisis data panel memungkinkan seseorang dalam mempelajari dinamika perubahan dengan dengan data time series. Kombinasi data time series dan cross section dapat meningkatkan kualitas dan kuantitas data dengan pendekatan yang tidak mungkin dilakukan dengan menggunakan hanya salah satu dari data tersebut (Gujarati, 2003). Analisis data panel dapat mempelajari sekelompok subjek jika kita ingin mempertimbangkan baik dimensi data maupun dimensi waktu.
Model yang digunakan dalam analisis data panel adalah:
http://ariyoso.files.wordpress.com/2009/12/pooled_equation.jpg?w=468&h=26
Terdapat beberapa model analisis dalam data panel yaitu model koefisien tetap (fixed effects models), dan model efek acak (random effects models). Diantara tipe-tipe model tersebut terdapat data panel dinamik (dynamic panel), robust, dan model struktur kovarians (covariance structure models).
Contoh data panel adalah pada data perbandingan antara tiga perusahaan garmen yang memiliki variabel yang sama misalnya jumlah karyawan, jumlah pemesanan, jumlah produksi, unit produksi, market share. Semua variabel tersebut dikumpulkan setiap tahun selama 10 tahun. Kelompok data panel tersebut akan memiliki pengamatan sebanyak 3*10 = 30 pengamatan karena 3 perusahaan garmen menggunakan data selama 10 tahun.
Berikut adalah tabel yang menunjukkan variabel tersebut:
http://ariyoso.files.wordpress.com/2009/12/1.jpg?w=448&h=196
LANGKAH MENGINPUT DATA PANEL
Berikut akan diberikan langkah-langkah menginput data panel dengan software eviews 5.1.
1. Pertama-tama anda harus memiliki data dalam program Microsoft excel misalnya seperti berikut ini:
http://ariyoso.files.wordpress.com/2009/12/pooled_2.jpg?w=448&h=272
2. Lalu buka eviews anda dengan, jalankan dari menubar FILE – NEW – WORKFILE kemudian setelah muncul tampilan WORKFILE CREATE, pastikan memilih data ANNUAL, karena data yang kita gunakan adalah tahunan, kemudian isikan  start date dengan tahun awal yang anda gunakan misalnya 1991 dan end date dengan 2000, lalu klik OK, seperti gambar berikut:
http://ariyoso.files.wordpress.com/2009/12/pooled_2_1.jpg?w=376&h=336
3. Setelah muncul tampilan workfile:UNTITLED, anda dapat memilih pada menubar OBJECT – NEW OBJECT, maka akan muncul tampilan NEW OBJECT, anda dapat memilih POOL dan memberi nama objek misalnya pada kasus ini GARMEN lalu klik OK, berikut adalah tampilannya pada eviews:
http://ariyoso.files.wordpress.com/2009/12/pooled_2_2.jpg?w=387&h=336
4. Setelah muncul kotak dialog Pool:Garmen, anda dapat memasukkan nama perusahaan yang diamati pada kotak tersebut seperti pada gambar:
http://ariyoso.files.wordpress.com/2009/12/pooled_4.jpg?w=401&h=336
5. Kemudian setelah itu anda dapat mengklik tombol PROCS. – IMPORT POOL DATA (ASCII,XLS,WK?), ambil data yang telah kita save di program excel tadi, kemudian OPEN, seperti gambar,
http://ariyoso.files.wordpress.com/2009/12/pooled_5.jpg?w=336&h=337
http://ariyoso.files.wordpress.com/2009/12/pooled_6.jpg?w=448&h=311
6. Setelah muncul kotak dialog ASCII Text Import, anda bisa memasukkan variabel-variabel cross section seperti contoh berikut, jangan lupa antar variabel diberikan tanda tanya (?) dan spasi, dan pada upper left data cell masukkan posisi data cross section pada sell dari excel anda tadi. berikut gambarnya,
http://ariyoso.files.wordpress.com/2009/12/pooled_7.jpg?w=388&h=336
7. Kemudian data panel (pooled data) yang telah diinput akan ditampilkan sebagai berikut:
http://ariyoso.files.wordpress.com/2009/12/pooled_8.jpg?w=448&h=313
8. Untuk menampilkan datanya, cukup klik 2x pada variabel cross section tadi, misalnya data employee_du, seperti berikut:
http://ariyoso.files.wordpress.com/2009/12/pooled_10.jpg?w=382&h=336
Pada bahasan ini, hanya ditampilkan pengantar kepada data panel (pooled data) dan langkah input data panel saja, adapun materi terkait selanjutnya yang akan dibahas dalam Statistik 4 Life adalah regresi data panel pada bahasan lain tentang regresi data panel pada halaman ini >>. (yoz)

Kamis, 06 Maret 2014

Part 7: Uji Asumsi Klasik Regresi Data Panel Dengan Eviews (Multikolinearitas)

Uji multikolinearitas ini bertujuan untuk menguji apakah dalam model regresi panel ditemukan adanya korelasi antar variabel independen. Model yang baik adalah model yang tidak terjadi korelasi antar variabel independennya.
Multikolinearitas muncul jika diantara variabel independen memiliki korelasi yang tinggi dan membuat kita sulit untuk memisahkan efek suatu variabel independen terhadap variabel dependen dari efek variabel lainnya. Hal ini disebabkan perubahan suatu variabel akan menyebabkan perubahan variabel pasangannya karena korelasi yang tinggi.
Beberapa indikator dalam menditeksi adanya multikolinearitas, diantaranya (Gujarati, 2006):
1.      Nilai R2 yang terlampau tinggi, (lebih dari 0,8) tetapi tidak ada atau sedikit t-statistik yang signifikan.
2.      Nilai F-statistik yang signifikan, namun t-statistik dari masing-masing variabel bebas tidak signifikan.
Untuk menguji masalah multikolinearitas dapat melihat matriks korelasi dari variabel bebas, jika terjadi koefisien korelasi lebih dari 0,80 maka terdapat multikolinearitas (Gujarati, 2006).
Langkah-langkah untuk mengetahui nilai koefisiensi korelasi antar variabel independen dapat dilakukan oleh software EViews melalui langkah berikut ini:
1.      Inputlah dulu variabel yang kita pakai dalam penelitian, dalam hal ini kita akan memakai contoh pada Part 4. Download disini untuk mendapatkan variabel yang sudah diinput “Hasil Regresi EViews”

2.      Dilanjutkan uji multikolinearitas dengan klick Quick + Group Statistics + Correlations 

3. Akan muncul kotak dialog Series List, isikanlah dengan variabel independen (npl kurs) lalu Ok. 

4. Maka muncul hasil uji multikolinearitas seperti gambar di bawah ini:


Uji Multikolinearitas

NPL
KURS
NPL
1
0.104267
KURS
0.104267
1
Dari tabel diatas dapat dilihat nilai koefisien korelasinya antar variabel independen dibawah 0,80 dengan demikian data dalam penelitian ini tidak terjadi masalah multikolinearitas.

Sumber:
Dapat dilihat disini

Part 6: Uji Asumsi Klasik Regresi Data Panel Dengan Eviews (Normalitas)

Uji normalitas bertujuan untuk menguji apakah dalam model regresi panel variabel-variabelnya berdistribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Dalam software EViews normalitas sebuah data dapat diketahui dengan membandingkan nilai Jarque-Bera (JB) dan nilai Chi Square tabel. Uji JB didapat dari histogram normality yang akan kita bahas dibawah ini.
Hipotesisi yang digunakan adalah:
H0       : Data berdistribusi normal
            H1       :  Data tidak berdistribusi normal
Jika hasil dari JB hitung > Chi Square tabel, maka H0 ditolak
Jika hasil dari JB hitung < Chi Square tabel, maka H0 diterima
Langkah-langkah uji Normalitas dalam software EViews dapat dilakukan sebagai berikut:
1. Langkah pertama lakukanlah running model regresi panel yang sudah dipilih melalui uji Chow, uji Hausman, dan uji LM. Dalam hal ini model yang paling tepat, yang sudah kita hitung dalam pembahasan sebelumnya adalah model Fixed Effect. Coba lihat kembali pada pembahasan “Part 2” tentang cara running model regresi panel Fixed Effect Model.
2. Lalu pada hasil model Fixed Effect klick View lalu pilih Residual Diagnostics dan klik Histogram-Normality Test

Maka hasil output model Fixed Effect akan berganti menjadi histogram normalitas yang akan kita pakai sebagai uji normalitas.


3. Histogram normalitas dapat langsung anda pakai dengan meng-copy-nya pada lembar penelitian anda. Jika anda melakukan langkah diatas, histogram normality tidak akan tersimpan pada work file sehingga bila anda menyimpan semua hasil running lalu membukanya kembali histogram normality tidak ada di work file. Ada cara lain agar histogram normality dapat tersimpan pada work file pada saat dibuka kembal. 
4. Langkahnya yakni jalankan running model Fixed Effect seperti pada langkah pertama. Pada menu bar klick Proc lalu klick Make Residual Series…
 Maka akan muncul kotal dialog Make Residuals, pada Name for resid series namakan residu_LDR (residu maksudnya residual dan LDR adalah variabel dependen dalam penelitian) lalu Ok.
 

5. Munculah kotak dialog Series: RESID_LDR, klick View + Descriptive Statistics & Test lalu pilih Histogram and Stats.
Maka keluarlah histogram normality, bedanya dengan diatas selain tersimpan pada work file, pada series telah dinamai sesuai dengan keinginan kita.

Setelah mendapatkan histogram normalitas, selanjutnya kita akan menganalisis apakah model dalam penelitian yang kita pakai datanya berdistribusi normal atau tidak. Seperti yang telah dipaparkan diatas bahwa data berdistribusi normal jika nilai Jarque-Bera lebih kecil dari nilai Chi Square.
 

Dari histogram diatas nilai JB sebesar 0,630487 sementara nilai Chi Square dengan melihat jumlah variabel independen yang kita pakai dalam hal ini 2 variabel independen dan nilai signifikan yang kita pakai dalam hal ini 0,05 atau 5%. Didapat nilai Chi Square sebesar 5,99146 yang berarti nilai JB lebih kecil dari nilai Chi Square (0,630487 < 5,99146). Sehingga dapat disimpulkan bahwa data dalam penelitian ini berdistribusi normal.

Sumber:
Dapat dilihat disini

Part 5: Uji Lagrange Multiplier (Pemilihan Model Regresi Data Panel)

Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model Random Effect atau model Common Effect (OLS) yang paling tepat digunakan. Uji signifikasi Random Effect ini dikembangkan oleh Breusch Pagan. Metode Breusch Pagan untuk uji signifikasi Random Effect didasarkan pada nilai residual dari metode OLS. Adapun nilai statistik LM dihitung berdasarkan formula sebagai berikut:
 


Dimana:
n = jumlah individu
T = jumlah periode waktu
e = residual metode Common Effect (OLS)
Hipotesis yang digunakan adalah :
H0 : Common Effect Model
H1 : Random Effect Model
Uji LM ini didasarkan pada distribusi chi-squares dengan degree of freedom sebesar jumlah variabel independen. Jika nilai LM statistik lebih besar dari nilai kritis statistik chi-squares maka kita menolak hipotesis nul, yang artinya estimasi yang tepat untuk model regresi data panel adalah metode Random Effect dari pada metode Common Effect. Sebaliknya jika nilai LM statistik lebih kecil dari nilai statistik chi-squares sebagai nilai kritis, maka kita menerima hipotesis nul, yang artinya estimasi yang digunakan dalam regresi data panel adalah metode Common Effect bukan metode Random Effect (Widarjono, 2009).  
Pada kesempatan ini uji LM tidak digunakan karena pada uji Chow dan uji Hausman menunjukan model yang paling tepat adalah Fixed Effct Model. Uji LM dipakai manakala pada uji Chow menunjukan model yang dipakai adalah Common Effect Model, sedangkan pada uji Hausman menunjukan model yang paling tepat adalah Random Effect Model. Maka diperlukan uji LM sebagai tahap akhir untuk menentukan model Common Effect atau Random Effect yang paling tepat. 

Sumber:
Dapat dilihat disini

Ronaldo

Ronaldo Luis Nazario de Lima