Ekonometrika (PRAKTEK) By Dewi Purwanti Sekolah Tinggi Ilmu Statistik TA 2013/2014

Referensi Bambang Juanda dan Junaidi, Ekonometrika Deret Waktu, IPB Press  data_bj M. Firdaus, Aplikasi Ekonometrika: untuk data panel dan time series, IPB Press Nachrowi dan Hardius Usman: Ekonometrika: untuk analisis ekonomi dan keuangan, LP FEUI Agus Widarjono, Ekonometrika: Pengantar dan Aplikasinya, UPP STIM YKPN  data_aw EViews5_1PanelPooledData

E-views Data panel dalam format Ms. Excel Stacked Data Vs Unstacked Data

Data Panel t = 1935-1954 i = Individu: 1 = IBM 2 = Goodyear 3 = UO 4 = US

Entri Data Copy paste File > new > workfile Impor data Workfile create: workfile structure type > balanced panel Quick > empty group pastikan kursor telah berada pada bagian ujung kiri atas dari window group > copy paste Impor data tutup terlebih dahulu file excel yang akan diimpor file > impor http://ariyoso.wordpress.com/2010/01/17/regresi-data-panel/

Panel Unit Root Tests Referensi: EViews5_1PanelPooledData Langkah2: Pastikan data sudah dalam format panel. View > unit root test

Level Panel unit root test: Summary Series: LOGY Date: 11/18/13 Time: 15:23 Sample: 1935 1954 Exogenous variables: Individual effects User specified lags at: 1 Newey-West bandwidth selection using Bartlett kernel Balanced observations for each test  Cross- Method Statistic Prob.** sections Obs Null: Unit root (assumes common unit root process)  Levin, Lin & Chu t* -0.43386  0.3322  4  72 Null: Unit root (assumes individual unit root process)  Im, Pesaran and Shin W-stat   0.49713  0.6905 ADF - Fisher Chi-square  6.95938  0.5410 PP - Fisher Chi-square  7.17953  0.5174  76 ** Probabilities for Fisher tests are computed using an asymptotic Chi         -square distribution. All other tests assume asymptotic normality. Level

1st difference Panel unit root test: Summary Series: D(LOGY) Date: 11/18/13 Time: 15:24 Sample: 1935 1954 Exogenous variables: Individual effects User specified lags at: 1 Newey-West bandwidth selection using Bartlett kernel Balanced observations for each test  Cross- Method Statistic Prob.** sections Obs Null: Unit root (assumes common unit root process)  Levin, Lin & Chu t* -6.23806  0.0000  4  68 Null: Unit root (assumes individual unit root process)  Im, Pesaran and Shin W-stat  -6.14455 ADF - Fisher Chi-square  47.1781 PP - Fisher Chi-square  103.406  72 ** Probabilities for Fisher tests are computed using an asymptotic Chi         -square distribution. All other tests assume asymptotic normality. 1st difference

Object: generate series Logy = log(y) dlogy = d(logy)

TUGAS Olah data dari data bab 18 buku Agus Widarjono Y = nilai investasi X1 = nilai harga saham X2 = nilai aktual kapital di awal periode Setelah digenerate, buat persamaan logy c logx1 logx2 Atau bisa secara langsung log(y) c log(x1) log(x2)

Model Pooled OLS

Estimasi Pooled Least Square Quick: estimate equation Spesification: masukkan persamaan: variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi logy c logx1 logx2 Name: pooled

Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:30 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std. Error t-Statistic Prob.   C -2.783958 0.391539 -7.110300 0.0000 LOGX1 0.906414 0.047631 19.03004 LOGX2 0.302480 0.056744 5.330573 R-squared 0.846486     Mean dependent var 4.320014 Adjusted R-squared 0.842499     S.D. dependent var 1.047154 S.E. of regression 0.415578     Akaike info criterion 1.118485 Sum squared resid 13.29828     Schwarz criterion 1.207811 Log likelihood -41.73940     Hannan-Quinn criter. 1.154298 F-statistic 212.2919     Durbin-Watson stat 0.344385 Prob(F-statistic) 0.000000

Interpretasi Pooled LS Nilai koefisien determinasi = 0,846 (model mampu menjelaskan variasi Y sebesar 84,6%) Nilai adjusted R-square = 0,842 (model mampu menjelaskan variasi Y sebesar 84,2% dengan memperhitungkan jumlah variabel yang dimasukkan ke dalam model) Koefisien X bernilai positif, sesuai dengan teori (X1 dan X2 berhubungan positif dengan variabel Y) Uji statistik t: masing-masing koefisien signifikan secara statistik dengan alfa 1 % jika harga saham (X1 naik 1% maka nilai investasi akan naik sebesar 0,91%, ceteris paribus, faktor lain diasumsikan tetap) Uji Statistik F: Secara bersama-sama, seluruh variabel bebas berpengaruh signifikan terhadap Y Nilai Durbin-Watson yang rendah kemungkinan karena ada autokorelasi pada data juga karena kesalahan spesifikasi. Perkiraan model mengasumsikan bahwa nilai intersep IBM, Goodyear, US dan UO adalah sama. Model juga mengasumsikan koefisien slope dari dua variabel adalah sama untuk keempat perusahaan Regresi data panel dengan metode OLS di mana seluruh koefisien konstan antara waktu dan individu dapat memberikan hasil yang kurang baik dalam menggambarkan hubungan antara Y dan X pada keempat perusahaan tersebut

Fixed Effect Model (LSDV)

Fixed Effect: Pendekatan LSDV Run persamaan dengan menggunakan dummy variabel dengan metode OLS logy c logx1 logx2 d1 d2 d3 Contoh: buat dummy individu, dalam hal ini individu ke-4 (US) menjadi kategori basis atau referensi d1 = 1 untuk individu ke-1 (IBM) d1 = 0 untuk individu lainnya d2 = 1 untuk individu ke-2 (GY) d2 = 0 untuk individu lainnya d3 = 1 untuk individu ke-3 (UO) d3 = 0 untuk individu lainnya

Fixed Effect: Pendekatan LSDV Dependent Variable: LOGY Method: Panel Least Squares Date: 11/21/13 Time: 07:40 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std. Error t-Statistic Prob.   C -0.302850 0.754284 -0.401506 0.6892 LOGX1 0.570443 0.116790 4.884341 0.0000 LOGX2 0.352097 0.054320 6.481923 D1 -0.768662 0.181409 -4.237179 0.0001 D2 -1.313043 0.226041 -5.808876 D3 -0.739064 0.315667 -2.341280 0.0219 R-squared 0.948601     Mean dependent var 4.320014 Adjusted R-squared 0.945128     S.D. dependent var 1.047154 S.E. of regression 0.245294     Akaike info criterion 0.099317 Sum squared resid 4.452503     Schwarz criterion 0.277969 Log likelihood 2.027324     Hannan-Quinn criter. 0.170944 F-statistic 273.1425     Durbin-Watson stat 1.001067 Prob(F-statistic) 0.000000

Interpretasi LSDV Semua variabel dummy memiliki nilai signifikan yang sangat tinggi (nilai p-value yang sangat kecil)  menunjukkan bahwa intersep masing-masing perusahaan memang berbeda Model FEM LSDV mampu menjelaskan adanya perbedaan perilaku keempat perusahaan tersebut Nilai intersep yang berbeda pada keempat perusahaan karena perbedaan karakteristik yang unik pada keempat perusahaan seperti perbedaan gaya manajemen dan kemampuan manjerial. c = -0,3029 merupakan intersep dari individu yang menjadi basis, dalam hal ini individu ke-4 (US Steel) Koefisien dari D1 = -0,769  nilai perbedaan antara intersep individu ke-1 dengan individu basis (individu ke-4) Koefisien dari D2 = -1,313  nilai perbedaan antara intersep individu ke-2 dengan individu basis (individu ke-4) dst… Nilai aktual intersep untuk IBM = -1,0715 (-0,3029-0,769) Nilai aktual intersep untuk Goodyear = -1,6158 (-0,3029-1,313) Nilai aktual intersep untuk UO = -1,0419 (-0,3029-0,739) Nilai aktual intersep untuk US Steel = -0,3029 Dibandingkan hasil pendekatan PLS maka hasil pendekatan FEM: - memiliki nilai estimasi koefisien yang lebih signifikan - nilai R2 yang meningkat - nilai Durbin-Watson yang lebih tinggi.  Pendekatan FEM memberikan hasil yang lebih baik.

Fixed Effect Model

Estimasi Fixed Effect Quick: estimate equation Spesification: masukkan persamaan variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi Panel option Effect spesification cross section : fixed period : none GLS weight: no weight Name: fixed

Effects Specification Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:33 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std. Error t-Statistic Prob.   C -1.008042 0.591978 -1.702836 0.0928 LOGX1 0.570443 0.116790 4.884341 0.0000 LOGX2 0.352097 0.054320 6.481923 Effects Specification Cross-section fixed (dummy variables) R-squared 0.948601     Mean dependent var 4.320014 Adjusted R-squared 0.945128     S.D. dependent var 1.047154 S.E. of regression 0.245294     Akaike info criterion 0.099317 Sum squared resid 4.452503     Schwarz criterion 0.277969 Log likelihood 2.027324     Hannan-Quinn criter. 0.170944 F-statistic 273.1425     Durbin-Watson stat 1.001067 Prob(F-statistic) 0.000000

View: Fixed/Random Effects > cross section effect Cross Section Fixed Effects CROSSID Effect  1 -0.063470  2 -0.607851  3 -0.033872  4  0.705192

Nilai intersep aktual individu ke-i = c + λi (FEM) Konstanta Fixed Effect Nilai Intersep Aktual Individu ke-i (1)+(2) (1) (2) (3) -1.008042 -0.063470 -1.071512 -0.607851 -1.615893 -0.033872 -1.041914  0.705192 -0.302850

Interpretasi FEM Hasil FEM menunjukkan: Adanya hubungan positif antara x1 dan x2 terhadap Y Interpretasi nilai slope untuk model FEM sama dengan model OLS biasa - Jika terjadi kenaikan x1 sebesar satu satuan maka akan meningkatkan y sebesar 0,57, dengan asumsi variabel lain konstan (ceteris paribus) dst… Interpretasi nilai intersep pada FEM: Nilai intersep yang berbeda pada keempat perusahaan karena perbedaan karakterristik yang unik pada keempat perusahaan seperti perbedaan gaya manajemen dan kemampuan manjerial. Nilai aktual intersep untuk IBM = -1,0715 (-1,008-0.063) Nilai aktual intersep untuk GY = -1,6158 (-1,008-0,608) Nilai aktual intersep untuk UO = -1,0419 ((-1,008-0,034) Nilai aktual intersep untuk US = -0,3029 ((-1,008+0,705) Perusahaan yang mempunyai nilai rata-rata Y (nilai investasi) terbesar adalah perusahaan ke-4 (US Steel) Perusahaan yang mempunyai nilai rata-rata Y (nilai investasi) terkecil adalah perusahaan ke-2 (Goodyear)

Random Effect Model oi tidak dianggap konstan, tapi dianggap sebagai peubah random dengan nilai rata-rata βo dan deviasi acak intercept individu dari nilai intercept rata-rata sebesar λi Nilai intersep masing-masing perusahaan sebesar oi (nilai intersep aktual)

Asumsi REM atau Error individual tidak berkorelasi satu sama lain Tidak ada autokorelasi pada data cross section maupun data time series Tidak ada korelasi antara komponen error dengan variabel penjelas Sehingga

Estimasi Random Effect Quick: estimate equation Spesification: masukkan persamaan: variabel dependent diikuti variabel-variabel independent yang masing-masing dipisahkan dengan satu spasi Panel option Effect spesification cross section : random period : none GLS weight: no weight Name: random

Dependent Variable: LOGY Method: Panel EGLS (Cross-section random effects) Date: 11/18/13 Time: 15:40 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob.   C -1.185062 0.648776 -1.826614 0.0716 LOGX1 0.608437 0.110327 5.514840 0.0000 LOGX2 0.341992 0.053142 6.435428 Effects Specification S.D.   Rho   Cross-section random 0.637481 0.8710 Idiosyncratic random 0.245294 0.1290 Weighted Statistics R-squared 0.678575     Mean dependent var 0.370329 Adjusted R-squared 0.670226     S.D. dependent var 0.424397 S.E. of regression 0.243714     Sum squared resid 4.573520 F-statistic 81.27906     Durbin-Watson stat 0.969126 Prob(F-statistic) 0.000000 Unweighted Statistics 0.768426 4.320014 Sum squared resid 20.06029 0.220950

View: Fixed/Random Effects > cross section effect Cross Section Random Effects CROSSID Effect  1 -0.067142  2 -0.589243  3  0.010771  4  0.645614

Nilai intersep aktual individu ke-i = c + λi (REM) Konstanta Random Effect Nilai Intersep Aktual Individu ke-i (1)+(2) (1) (2) (3) 1.185062 -0.067142 1.117920 -0.589243 0.595819  0.010771  0.645614 Jumlah = 0

Interpretasi REM Jumlah nilai efek acak yang diberikan pada keempat perusahaan akan sama dengan nol Intercept c merepresentasikan nilai rata-rata dari seluruh cross-sectional intercept (nilai intersep umum/nilai intersep bersama/nilai intersep rata-rata) yaitu sebesar -1,185. Error component λi merepresentasikan deviasi acak intercept individu dari nilai intercept rata-rata. Random effect dari IBM adalah -0,067 menunjukkan seberapa besar intersep IBM berbeda dari nilai intersep bersama  perusahaan IBM memiliki intersep 0,067 lebih rendah dari intersep bersama) dst… Random effect dari US adalah 0,646 menunjukkan seberapa besar intersep US berbeda dari nilai intersep bersama  perusahaan US memiliki intersep 0,646 lebih tinggi dari intersep bersama) dst…

Perbedaan FEM dan REM FEM: tiap-tiap unit cross section mempunyai nilai intersep masing-masing REM: - Intersep bersama mewakilkan nilai rata-rata dari semua intersep (cross section) - Komponen error λi mewakilkan deviasi acak dari intersep individual terhadap nilai rata-ratanya

Uji Chow Pastikan kita berada pada window hasil estimasi dengan pendekatan fixed effect View: Fixed/Random Effects Testing > Redundant Fixed Effects – Likelihood Ratio

Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Statistic   d.f.  Prob.  Cross-section F 49.005196 (3,74) 0.0000 Cross-section Chi-square 87.533451 3 Cross-section fixed effects test equation: Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:38 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Variable Coefficient Std. Error t-Statistic Prob.   C -2.783958 0.391539 -7.110300 LOGX1 0.906414 0.047631 19.03004 LOGX2 0.302480 0.056744 5.330573 R-squared 0.846486     Mean dependent var 4.320014 Adjusted R-squared 0.842499     S.D. dependent var 1.047154 S.E. of regression 0.415578     Akaike info criterion 1.118485 Sum squared resid 13.29828     Schwarz criterion 1.207811 Log likelihood -41.73940     Hannan-Quinn criter. 1.154298 F-statistic 212.2919     Durbin-Watson stat 0.344385 Prob(F-statistic) 0.000000

Uji Chow (hitung manual) Fo = 49,005 Ftabel = F(N-1,NT-N-K) = F 0,01(3,74) = 4,058 Fo> F-tabel  cukup bukti utk menolak H0 artinya dugaan intersep sama utk semua individu dpt ditolak

Uji Hausman Pastikan kita berada pada window hasil estimasi dengan pendekatan Random effect View: fixed/random effects testing > correlated random effects – Hausman Test

Effects Specification Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.  Cross-section random 1.011286 2 0.6031 Cross-section random effects test comparisons: Variable Fixed   Random  Var(Diff.)  LOGX1 0.570443 0.608437 0.001468 0.3213 LOGX2 0.352097 0.341992 0.000127 0.3691 Cross-section random effects test equation: Dependent Variable: LOGY Method: Panel Least Squares Date: 11/18/13 Time: 15:43 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Coefficient Std. Error t-Statistic Prob.   C -1.008042 0.591978 -1.702836 0.0928 0.116790 4.884341 0.0000 0.054320 6.481923 Effects Specification Cross-section fixed (dummy variables) R-squared 0.948601     Mean dependent var 4.320014 Adjusted R-squared 0.945128     S.D. dependent var 1.047154 S.E. of regression 0.245294     Akaike info criterion 0.099317 Sum squared resid 4.452503     Schwarz criterion 0.277969 Log likelihood 2.027324     Hannan-Quinn criter. 0.170944 F-statistic 273.1425     Durbin-Watson stat 1.001067 Prob(F-statistic) 0.000000

GLS Weight

Uji Heteroskedasticity GLS WEIGHT Cross section weights  adanya cross-section heteroskedasticity bandingkan sum square resid antara weight dan unweight Period weights  adanya period heteroskedasticity ATAU white heteros-cedasticity consistence variance (dikonstankannya residual)

berarti ada heteroskedas  model pakai fixed—cross section weight Dependent Variable: APS Method: Panel EGLS (Cross-section weights) Date: 07/13/13 Time: 08:53 Sample: 2007 2011 Periods included: 5 Cross-sections included: 26 Total panel (unbalanced) observations: 129 Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob.   C 10.81151 29.67492 0.364332 0.7164 JLN -1.687265 2.184015 -0.772552 0.4418 LNPDRB 12.34980 3.420510 3.610516 0.0005 MISKIN -0.276074 0.158942 -1.736949 0.0857 SR 0.055664 0.128401 0.433516 0.6657 LNB_PENDIDIKAN -0.417892 0.232435 -1.797889 0.0755 LNBOS -1.914117 1.563390 -1.224338 0.2240 MURID_GURU -0.001333 0.078652 -0.016947 0.9865 MURID_SEKOLAH -0.010458 0.006316 -1.655722 0.1012 ART_5 0.170663 0.150995 1.130254 0.2613 PENDIDIKAN_KRT 0.319493 0.088038 3.629049 PEKERJA_ANAK -0.309051 0.126828 -2.436768 0.0167 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared 0.849906     Mean dependent var 99.59156 Adjusted R-squared 0.791174     S.D. dependent var 32.32252 S.E. of regression 3.242954     Sum squared resid 967.5408 F-statistic 14.47087     Durbin-Watson stat 2.564033 Prob(F-statistic) 0.000000 Unweighted Statistics 0.779507 83.86597 Sum squared resid 1009.889 2.569733 berarti ada heteroskedas  model pakai fixed—cross section weight Weighted < Unweighted = ada heteroskedastis

Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights) Date: 11/18/13 Time: 15:45 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob.   C -1.111833 0.560888 -1.982273 0.0512 LOGX1 0.595690 0.114604 5.197825 0.0000 LOGX2 0.342771 0.055303 6.198098 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared 0.943521     Mean dependent var 4.312445 Adjusted R-squared 0.939704     S.D. dependent var 0.799190 S.E. of regression 0.245211     Sum squared resid 4.449493 F-statistic 247.2421     Durbin-Watson stat 0.993571 Prob(F-statistic) 0.000000 Unweighted Statistics 0.948566 4.320014 Sum squared resid 4.455514 0.994933

Hasil regresi data panel metode fixed effect dengan weighting cross section weights dan white heteroskedasticity-consistent standard errors & covariance:

Hasil regresi data panel metode fixed effect dengan weighting cross section weights dan white heteroskedasticity-consistent standard errors & covariance: Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights) Date: 12/06/13 Time: 09:29 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix White cross-section standard errors & covariance (d.f. corrected) Variable Coefficient Std. Error t-Statistic Prob.   C -1.111833 0.522423 -2.128223 0.0366 LOGX1 0.595690 0.082434 7.226306 0.0000 LOGX2 0.342771 0.047299 7.246854 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared 0.943521     Mean dependent var 4.312445 Adjusted R-squared 0.939704     S.D. dependent var 0.799190 S.E. of regression 0.245211     Sum squared resid 4.449493 F-statistic 247.2421     Durbin-Watson stat 0.993571 Prob(F-statistic) 0.000000 Unweighted Statistics 0.948566 4.320014 Sum squared resid 4.455514 0.994933

Uji Autokolerasi Durbin Watson Statistik

Coef Covariance Method

Cross-section SUR Struktur Heteroskedastik dan ada autokorelasi antar kelompok individu (crossection)  cross-section SUR Estimate- panel option – coef covariance method – cross section SUR (PCSE)

Dependent Variable: LOGY Method: Panel EGLS (Cross-section weights) Date: 11/18/13 Time: 15:47 Sample: 1935 1954 Periods included: 20 Cross-sections included: 4 Total panel (balanced) observations: 80 Linear estimation after one-step weighting matrix Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected) Variable Coefficient Std. Error t-Statistic Prob.   C -1.111833 0.542198 -2.050602 0.0438 LOGX1 0.595690 0.110741 5.379128 0.0000 LOGX2 0.342771 0.062583 5.477064 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared 0.943521     Mean dependent var 4.312445 Adjusted R-squared 0.939704     S.D. dependent var 0.799190 S.E. of regression 0.245211     Sum squared resid 4.449493 F-statistic 247.2421     Durbin-Watson stat 0.993571 Prob(F-statistic) 0.000000 Unweighted Statistics 0.948566 4.320014 Sum squared resid 4.455514 0.994933

Misal Model Terbaik: FEM dengan cross section weight and cross section SUR View > representation

Tugas: Interpretasikan hasil output Uji stasioneritas Uji t, Uji F Nilai R square, Nilai Adjusted R square Hasil PLS, FEM (LSDV), FEM, REM - Fixed effect (cross) - Individual effect untuk i = c + fixed effect i - Random effect (cross) > Gujarati 5th edition - Konstanta random effect Uji Chow, Uji Hausman Uji asumsi

STATA Data editor > copy data COMMAND sort i t xtset i t, yearly xtreg logy logx1 logx2, fe est sto fixed xtreg logy logx1 logx2, re est sto random hausman fixed

. xi: reg logy logx1 logx2 i.i . test _Ii_2 _Ii_3 _Ii_4 . xi: reg logy logx1 logx2 i.t . test _It_1936 _It_1937 _It_1938 _It_1939 _It_1940 _It_1941 _It_1942 _It_1943 _It_1944 _It_1945 _It_1946 _It_1947 _It_1948 _It_1949 _It_1950 _It_1951 _It_1952 _It_1953 _It_1954

1. UJI KENORMALAN . xtreg logy logx1 logx2, fe . predict resid, e . sktest resid

2. UJI MULTIKOLINEARITAS ANTAR VARIABEL INDEPENDEN (CROSS-SECTIONAL DEPENDENCE) step2 -mengeluarkan model yang terpilih berdasarkan berbagai uji yg telah dilakukan. pada contoh misalkan terpilih model fixed. -mengeluarkan uji cross-sectional dependence dengan Pesaran's Test misalnya variabel dependen Y, variabel independen X1, X2, X3. command -xtreg Y X1 X2 X3, fe -xtcsd, pesaran abs Ho: antar variabel independen tidak berkorelasi (residual tidak berkorelasi) dan yang diharapkan adalah Terima Ho.

3. UJI HETEROSCEDASTICITY . xtreg logy logx1 logx2, fe . xttest3

4. UJI ADANYA AUTOKORELASI (Wooldridge test for autocorrelation)   . xtserial logy logx1 logx2

. xtgls logy logx1 logx2, panels(hetero) corr(ar1) . xtpcse logy logx1 logx2, correlation(ar1)