Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.

Presentasi berjudul: "Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc."— Transcript presentasi:

1 Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc

2 Panel Data Regression Model  Panel Data/ Pooled Data/ Longitudinal Data/ Micropanel Data  Mempunyai dua dimensi: individu (mis: perusahaan, propinsi, negara) dan waktu  Penggabungan data cross section dan time series  Setiap unit data cross section diulang dalam beberap periode waktu

3 Kelebihan Penggunaan data Panel  Keheterogenan antar individu dapat secara eksplisit diakomodasi  Penggabungan antara cross section dan time series membuat data panel menjadi  Lebih informatif  Lebih bervariasi  Mengurangi kolinieritas  Memperbanyak derajat bebas  Lebih efisien  Pengulangan waktu pada unit cross section yang sama mengakomodasi perubahan dinamis setiap unit cross section

4 Model Linier Data Panel  Untuk satu peubah bebas (yang dapat dibuat umum untuk lebih dari satu peubah bebas)  a i adalah variabel tak terobservasi yang spesifik bagi setiap individu  Diasumsikan bernilai konstan sepanjang waktu untuk setiap individu

5 Beberapa model yang dapat diasumsikan  Pooled Model  Random effects Model  Fixed effects Model

6 Pooled Model  Model paling sederhana  Diasumsikan bahwa tidak ada keheterogenan antar individu yang tidak terobservasi  Semua keheterogenan sudah ditangkap oleh peubah eksogen  Model menggunakan asumsi yang sama seperti yang digunakan pada data cross section

7 Pooled OLS Estimator (POLS)  Dengan asumsi Pooled Model maka penduga parameter model dapat dilakukan dengan menggunakan POLS

8 Model Fixed Effects dan Random Effects  Diasumsikan bahwa terdapat keheterogenan antar individu yang tidak terobservasi: a i  a i tidak tergantung waktu (time invariant)  Model fixed effects (FE): diasumsikan bahwa masih terdapat hubungan antara a i dan peubah eksogen  Model random effects (RE): diasumsikan bahwa a i dan peubah eksogen saling bebas

9 Beberapa alternatif penduga untuk asumsi FE  Least Square Dummy Variable (LSDV) Estimator  Within Estimator  Between Estimator

10 Least Squares Dummy Variable Estimator (LSDV)  Pendugaan parameter jika diasumsikan Model FE.  a i diduga bersama-sama dengan β  Menggunakan N peubah dummy untuk setiap unit cross section  Penduga OLS diterapkan pada model di atas  Kelemahan: Jika unit cross section terlalu besar → kehilangan terlalu banyak derajat bebas.

11 Within Estimator  Dilakukan transformasi terhadap data untuk menghilangkan efek heterogenitas yang tidak terobservasi  Model awal:  Hitung rata-rata dari seluruh waktu pengamatan bagi setiap unit cross section:  Transformasi:  Penduga OLS diperoleh berdasarkan data hasil transformasi di atas

12 Within Estimator  Mengukur keragaman data hanya berdasarkan waktu  Tidak memuat peubah yang tidak tergantung waktu (time invariant) Efisien dan konsisten dalam menduga model FE jika:  Semua variabel penjelas yang mungkin dipakai di dalam model.  Tidak ada korelasi antar peubah X dan galat  Ragam galat homogen dan tidak berkorelasi serial.

13 Between Estimator  Hanya menunjukkan keragaman dari unit cross section  Digunakan rata-rata seluruh waktu pada setiap unit cross section  Model panel terduksi menjadi:  Penduga OLS diterapkan pada model tereduksi tersebut  Sayangnya penduga ini kurang konsisten jika dipakai untuk menduga model dengan asumsi FE.

14 Penduga untuk model dengan asumsi RE  Between Estimator:  Tidak efisien jika dipakai untuk menduga model dengan asumsi RE.  Random effects estimator

15 Random Effects Estimator (Penduga RE)  Penduga ini mengasumsikan bahwa efek individu bersifat random bagi seluruh unit cross section  Penduga RE mengakomodasi struktur error tersebut  Penduga RE diperoleh berdasarkan metode pooled GLS

16 Random Effects Estimator (Penduga RE)  Penduga RE mengukur keragaman berdasarkan waktu dan cross section  Penduga RE rata-rata terboboti antara penduga FE (Fixed Effects Estimator) dan BE (Between Estimator)

17 Prosedur untuk pendugaan pada model data Panel  Duga model FE dan RE  Lakukan uji Hausman  Menguji apakah terdapat perbedaan nyata antara penduga model FE dan penduga model RE  Hipotesis nol: kedua penduga tidak ada perbedaan  Jika H 0 ditolak maka penduga FE lebih sesuai  Jika H 0 diterima maka lanjutkan dengan uji Breusch Pagan

18 Jika H0 ditolak maka:  Komponen galat individu nyata,  Penduga RE lebih sesuai Jika H0 diterima maka penduga POLS (Pooled OLS) lebih sesuai

19 Garis besar penetapan asumsi FE atau RE  Jika T (waktu pengamatan) cukup besar dan N (jumlah unit cross section) kecil → kemungkinan besar tidak banyak perbedaan antara penduga FE dan RE.  Alasan kemudahan: gunakan penduga FE (LSDV)  Ketika N besar dan T kecil dan unit pengamatan bukan berupa sampel dari populasi yang lebih besar, FE model lebih tepat  Gunakan penduga FE (LSDV)  Ketika N besar dan T kecil dan unit pengamatan berupa sampel acak dari populasi yang lebih besar, RE model lebih tepat  Gunakan peduga RE (Random Effect Estimator)

20  Jika komponen dari error berkorelasi dengan salah satu peubah eksogen: gunakan FE model  Penduga FE

21 Contoh Aplikasi  Penelitian tentang jumlah investasi (I) berdasarkan nilai asset perusahaan (Finv) dan modal perusahaan (Cinv)  Penelitian berdasarkan pada data tahunan investasi 4 perusahaan (unit cross section) mulai dari tahun 1935 – 1954 (time series, 20 tahun)  Secara a priori diharapkan bahwa investasi berkorelasi positif terhadap nilai asset dan modal

22 Pemilihan asumsi RE atau FE  Dari N (kecil) dan T(besar), semestinya penduga RE dan FE tidak akan berbeda nyata Akan tetapi jika diasumsikan bahwa:  perbedaan setiap perusahaan bersifat random dan  efek tak terobservasi setiap perusahaan tidak berhubungan dengan peubah penjelas  Penduga RE lebih sesuai Jika hanya 4 perusahaan tsb yang mungkin ada maka  Penduga FE lebih sesuai Jika 4 perusahaan adalah sampel acak dari populasi perusahaan- perusahaan  Penduga RE lebih sesuai

23 Output hasil pendugaan, asumsi RE  Dependent variable: I  coefficient std. error t-ratio p-value  ---------------------------------------------------------  const -74.8236 84.5994 -0.8844 0.3792  Finv 0.107965 0.0165715 6.515 6.78e-09 ***  Cinv 0.347411 0.0262238 13.25 1.50e-021 ***  Mean dependent var 290.9116 S.D. dependent var 284.8557  Sum squared resid 1576262 S.E. of regression 142.1565  Log-likelihood -509.0567 Akaike criterion 1024.113  Schwarz criterion 1031.259 Hannan-Quinn 1026.978

24 Prosedur Lanjutan  'Within' variance = 5593.42  'Between' variance = 23981.7  theta used for quasi-demeaning = 0.89201  Hausman test -  Null hypothesis: GLS estimates are consistent  Asymptotic test statistic: Chi-square(2) = 1.51948  with p-value = 0.467788  Breusch-Pagan test -  Null hypothesis: Variance of the unit-specific error = 0  Asymptotic test statistic: Chi-square(1) = 382.288  with p-value = 3.95186e-085 Terima H 0 : tidak ada beda penduga FE dan RE Tolak H 0 : RE lebih sesuai