Data Panel

Apa itu data panel?
Data panel merupakan gabungan antara antara data cross-section dan time series. Ada banyak sebutan untuk data panel antara lain; pooled data, micropanel data, longitudinal data, event history analysis, ataupun cohort analysis. Apabila i adalah cross-sectional unit dan t merupakan time period dan ada sejumlah j variabel bebas, maka model umum untuk persamaan data panel dapat diformulasikan:

Yit = a + b1 X1it + b2X2it + ... + bjXjit + uit

(1)

Jumlah maksimum cross-sectional units sebanyak N dan maksimum time periods adalah T. Jika masing-masing cross-sectional unit memiliki observasi time series dalam jumlah yang sama, maka disebut balanced panel. Namun bila jumlah observasi tidak sama di antara anggota panel, maka dikatakan unbalanced panel. Kita asumsikan bahwa variabel bebas X nonstokastik dan error term (u) mengikuti asumsi klasik E(uit ) ∼ N(0, σ2). Penggunaan data panel memiliki banyak keunggulan antara lain:  Selama data panel berkaitan dengan individu, perusahaan, negara, provinsi, dan lain-lain untuk beberapa periode, maka ada heterogonitas dalam unit-unit ini. Teknik estimasi data panel dapat menemukan secara eksplisit heterogenitas dari variabel individual secara spesifik.  Kombinasi observasi secara time series dan cross-section memberikan data yang lebih informatif, lebih bervariasi, sedikit kolineritas antar variabel, lebih banyak derajad bebas dan lebih efisien.  Dengan mempelajari observasi cross-section secara berulang, data panel dapat memberikan gambaran dinamika perubahan yang lebih baik, misalnya masalah pengangguran, ataupun mobilitas tenaga kerja.

Estimasi terhadap data panel dapat dilakukan menggunakan beberapa alternatif asumsi. Kedua pendekatan ini sama-sama menganggap bahwa intersep berbeda/bervariasi antara kelompok yang satu dengan yang lain. 2. yaitu (i) Fixed Effect Approach dan (ii) Random Effect Approach. 3. sehingga dapat meminimkan bias yang dapat terjadi jika kita megagregasikan individu-individu atau perusahaan-perusahaan. Perbedaan utama dari kedua pendekatan ini adalah pada asumsi yang digunakan. Data panel dapat mendeteksi dan mengukur efek-efek yang tidak dapat diobservasi dalam data cross-section ataupun time series murni. Estimasi data panel Secara umum estimasi data panel dapat dilakukan dengan dua pendekatan. Pendekatan fixed effect memandang intersep αi sebagai sebuah group specific constant. Apabila digunakan asumsi bahwa semua koefisien termasuk intersep konstan untuk setiap waktu maupun ruang (asumsi 1). Intersep dan slope koefisien konstan untuk setiap waktu dan ruang serta error term menggambarkan perbedaan-perbedaan sepanjang waktu dan antar individu. Misalnya efek dari aturan upah minimum dapat dipelajari dengan lebih baik jika kita memasukkan gelombang suksesif dari kenaikan upah minimum. Semua koefisien (termasuk intersep) bervariasi antar individu maupun antar waktu. antara lain: dengan 1. Slope koefisien konstan tetapi intersep bervariasi antar individu. 4. Metode estimasi disesuaikan asumsi yang digunakan. maka model persamaan di . 5. Semua koefisien (termasuk intersep) bervariasi antar individu.  Data panel dapat menyediakan data hingga ribuan unit. sementara pendekatan random effect memandang intersep αi sebagai sebuah group specific disturbance. Slope koefisien konstan tetapi intersep bervariasi antar individu maupun antar waktu.  Data panel memungkinkan kita untuk mempelajari lebih dalam perilaku model.

Cara ini dikenal sebagai pooled regression. Penggunaan asumsi koefisien parameter konstan akan tetapi intersep bervariasi (asumsi 2). maka modelnya menjadi: . maka estimasi model ini juga dikenal dengan sebutan least square dummy variable (LSDV). Misalkan ada 3 entity dan 2 variabel bebas. Regresi dengan model seperti ini dikenal juga dengan fixed effect (regression) model (FEM).atas dapat langsung di ‘run’ menggunakan metode OLS (Ordinary Least Square) biasa. + αk-1Dk-1 +uit dengan D dummy untuk individual effect. Estimasi model data panel dengan menggunakan asumsi bahwa semua koefisien (termasuk intersep) bervariasi untuk setiap individu adalah dengan cara menambah variabel dummy untuk masing-masing entity/kelompok (individual effect) dan juga menambahkan perkalian antara masing-masing dummy individu dengan masing-masing variabel bebas.. Besarnya intersep kelompok lainnya adalah sebesar perbedaan koefisien dummy dengan intersep dasar a. dapat dilakukan dengan menambahkan variabel dummy yang mewakili kelompok. dapat diartikan bahwa karakter masingmasing kelompok/entity berbeda. Satu kelompok dijadikan sebagai dasar pembanding. Asumsi yang ketiga yaitu intersep bervariasi baik untuk setiap individu/kelompok maupun untuk setiap periode.. juga dapat digunakan time effect. Estimasi dapat dilakukan dengan menambah variabel dummy sejumlah t-1 yang mewakili waktu. dengan intersep sebesar nilai a. maka ditambahkan variabel dummy sebanyak k-1. dapat diestimasi dengan menggabungkan individual effect dengan time effect dalam satu model. Apabila ada sejumlah k kelompok. yaitu dengan menganggap bahwa intersep bervariasi untuk setiap periode pengamatan. Dengan demikian maka akan ada tambahan variabel dummy sebanyak (k1) + (t-1). (2) Model fixed effect selain dapat menggunakan individual effect.. + bjXjit +α1D1 + α2D2 + .. Untuk mendapatkan gambaran perbedaan intersep dari setiap kelompok (individual effect). Model persamaan menjadi: Yit = a + b1 X1it + b2X2it + . Karena banyak menggunakan variabel dummy dalam estimasi regresi FEM.

Misalkan ada 3 kelompok individu selama periode 5 tahun. dan tambahan variabel bebas sejumlah 6 + 2 = 12. maka jumlah dummy ada 6 (2 + 4). Tentu saja ini akan berdampak pada menurunnya derajad bebas. Variabel bebas (selain dummy) menjadi bertambah sebanyak jumlah dummy X jumlah variabel bebas. dan 2 variabel bebas. Pengujian dilakukan secara statistik maupun ekonometrik.Yit = a + b1 X1it + b2X2it + α1D1 + α2D2 +β1 D1 X1it + β2 D1 X2it + β3 D2 X1it + β4 D2 X2it + uit (3) Apabila asumsi yang digunakan adalah semua koefisisen bervariasi untuk setiap kelompok maupun setiap periode. secara formal bisa dilakukan dengan restricted F test. Pengujian untuk membandingkan apakah hasil estimasi dari model LSDV terhadap pooled regression memang lebih baik. Pengujian secara ekonometrik mencakup pengujian terhadap penyimpangan-penyimpangan terhadap asumsi-asumsi klasik yang digunakan dalam proses perhitungan. pengujian terhadap . Asumsi mana yang sebaiknya digunakan dalam mengestimasi model? Hal ini tergantung pada kepentingan dan kesesuaian dengan topik penelitian. Validasi hasil estimasi Sudah selayaknya apabila hasil regresi yang diperoleh diuji validitasnya. Pengujian secara statistik meliputi uji parsial (uji t) dan uji keseluruhan (uji F). antara lain. maka estimasi dapat dilakukan dengan menambah dummy untuk individual effect maupun time effect dan juga menambahkan perkalian antara masing-masing dummy individu dan dummy waktu dengan masing-masing variabel bebas (sebagai variabel penjelas). Formulanya adalah: Apabila F > F kritis maka hipotesis yang menyatakan bahwa estimator baru lebih baik dari pada estimator lama diterima.

autokorelasi.linieritas. heteroskesdastisitas. dan juga normalitas. multikolineritas. .

Sign up to vote on this title
UsefulNot useful