APLIKASI DATA PANEL DALAM REGRESI
Berikut ini data kemiskinan di Pulau Sumatera (terdiri dari 10
propinsi dan data tersedia 2006 -2012)
|
Provinsi
|
Tahun
|
Number of Poor People
(thousand people)
|
Population
(thousand people)
|
GDRP
(million Rupiahs)
|
Share of Agriculture
(percent)
|
Share of Industry
(percent)
|
|
Nanggroe Aceh
Darussalam
|
2006
|
1,149.70
|
4,128.40
|
70,787
|
25.71
|
12.05
|
|
2007
|
1,083.70
|
4,219.40
|
71,093
|
25.51
|
11.16
|
|
2008
|
959.7
|
4,312.10
|
73,548
|
26.37
|
11.14
|
|
2009
|
892.9
|
4,406.50
|
71,987
|
28.36
|
10.82
|
|
2010
|
861.9
|
4,494.40
|
79,145
|
27.94
|
9.64
|
|
2011
|
894.8
|
4,572.40
|
87,995
|
27.32
|
8.95
|
|
2012
|
876.6
|
4,717.80
|
96,161
|
27.03
|
8.69
|
|
Sumatera Utara
|
2006
|
1,897.10
|
12,455.70
|
160,377
|
22.33
|
25.68
|
|
2007
|
1,768.50
|
12,589.70
|
181,820
|
22.56
|
25.04
|
|
2008
|
1,613.80
|
12,724.00
|
213,932
|
22.84
|
24.14
|
|
2009
|
1,499.70
|
12,858.60
|
236,354
|
23.03
|
23.29
|
|
2010
|
1,490.90
|
12,982.20
|
275,057
|
22.9
|
22.91
|
|
2011
|
1,481.30
|
13,074.20
|
314,372
|
22.48
|
22.48
|
|
2012
|
1,378.50
|
13,241.60
|
351,118
|
21.88
|
22.07
|
|
Sumatera Barat
|
2006
|
578.8
|
4,608.50
|
53,030
|
25.26
|
11.42
|
|
2007
|
529.2
|
4,668.90
|
59,799
|
24.67
|
12.01
|
|
2008
|
477.2
|
4,729.60
|
70,955
|
24.49
|
12.12
|
|
2009
|
527.5
|
5,365.40
|
297,173
|
20.28
|
20.12
|
|
2010
|
500.3
|
5,538.40
|
345,774
|
19.98
|
20.33
|
|
2011
|
442.1
|
4,890.40
|
98,957
|
23.66
|
11.39
|
|
2012
|
397.9
|
4,973.30
|
110,104
|
23.01
|
11.15
|
|
Riau
|
2006
|
564.9
|
4,833.50
|
167,068
|
21.72
|
19.34
|
|
2007
|
574.5
|
5,005.10
|
210,003
|
20.76
|
18.65
|
|
2008
|
566.7
|
5,182.30
|
246,400
|
19.22
|
18.15
|
|
2009
|
527.5
|
5,365.40
|
297,173
|
20.28
|
20.12
|
|
2010
|
500.3
|
5,538.40
|
345,774
|
19.98
|
20.33
|
|
2011
|
482.1
|
5,691.30
|
413,706
|
18.87
|
19.36
|
|
2012
|
481.3
|
5,979.00
|
469,073
|
18.19
|
19.21
|
|
Kepulauan Riau
|
2006
|
163
|
1,392.00
|
46,216
|
5.13
|
47.36
|
|
2007
|
148.4
|
1,460.50
|
51,826
|
5.04
|
46.7
|
|
2008
|
136.4
|
1,532.20
|
58,575
|
4.9
|
45.43
|
|
2009
|
128.2
|
1,607.30
|
63,893
|
5
|
46.2
|
|
2010
|
129.7
|
1,679.20
|
71,615
|
4.8
|
46.76
|
|
2011
|
129.6
|
1,750.80
|
80,238
|
4.63
|
47.79
|
|
2012
|
131.2
|
1,921.20
|
91,717
|
4.41
|
47.88
|
|
Jambi
|
2006
|
304.6
|
2,805.60
|
26,062
|
27.53
|
11.94
|
|
2007
|
281.9
|
2,876.50
|
32,077
|
26.08
|
11.86
|
|
2008
|
260.3
|
2,949.00
|
41,056
|
23.85
|
11.13
|
|
2009
|
249.7
|
3,023.00
|
44,127
|
27.45
|
11.92
|
|
2010
|
241.6
|
3,092.30
|
53,858
|
29.42
|
11.11
|
|
2011
|
272.7
|
3,152.30
|
63,355
|
29.33
|
10.65
|
|
2012
|
270.1
|
3,261.80
|
72,654
|
29.83
|
10.91
|
|
Sumatera Selatan
|
2006
|
1,446.90
|
6,945.00
|
95,929
|
18.03
|
23.23
|
|
2007
|
1,331.80
|
7,071.50
|
109,896
|
18.27
|
23.03
|
|
2008
|
1,249.60
|
7,199.80
|
133,665
|
17.18
|
23.36
|
|
2009
|
1,167.90
|
7,329.80
|
137,332
|
17.35
|
23.64
|
|
2010
|
1,125.70
|
7,450.40
|
157,735
|
17.54
|
22.02
|
|
2011
|
1,074.80
|
7,547.80
|
182,390
|
17.21
|
20.55
|
|
2012
|
1,042.00
|
7,730.30
|
206,331
|
16.58
|
20.12
|
|
Bangka Belitung
|
2006
|
117.4
|
1,085.40
|
15,921
|
18.41
|
22.28
|
|
2007
|
95.1
|
1,119.20
|
17,985
|
18.67
|
22.51
|
|
2008
|
86.7
|
1,153.90
|
21,421
|
18.48
|
22.42
|
|
2009
|
76.6
|
1,189.70
|
22,998
|
18.71
|
21.62
|
|
2010
|
67.8
|
1,223.30
|
26,713
|
18.63
|
21.15
|
|
2011
|
72.1
|
1,253.20
|
30,416
|
18.07
|
20.39
|
|
2012
|
70.2
|
1,307.40
|
34,325
|
18.65
|
19.23
|
|
Bengkulu
|
2006
|
360
|
1,610.30
|
11,397
|
40.07
|
4
|
|
2007
|
370.6
|
1,636.70
|
12,874
|
40.29
|
3.96
|
|
2008
|
352
|
1,663.50
|
14,916
|
40.66
|
4.31
|
|
2009
|
324.1
|
1,690.50
|
16,385
|
39.13
|
4.32
|
|
2010
|
324.9
|
1,715.50
|
18,600
|
40.01
|
4.22
|
|
2011
|
303.6
|
1,734.90
|
21,269
|
39.74
|
4.34
|
|
2012
|
310.5
|
1,773.10
|
24,713
|
38.93
|
4.44
|
|
Lampung
|
2006
|
1,638.00
|
7,260.60
|
49,119
|
36.98
|
12.51
|
|
2007
|
1,661.70
|
7,348.80
|
60,922
|
37.31
|
13.65
|
|
2008
|
1,591.60
|
7,437.40
|
73,719
|
39.07
|
13.29
|
|
2009
|
1,558.30
|
7,526.40
|
88,935
|
38.89
|
14.07
|
|
2010
|
1,479.90
|
7,608.40
|
108,404
|
36.82
|
15.79
|
|
2011
|
1,298.70
|
7,671.10
|
127,908
|
36.56
|
16.07
|
|
2012
|
1,219.00
|
7,789.10
|
144,561
|
35.92
|
15.55
|
model regresi yang menggunakan data panel dari Ms. Excell
dengan menggunakan Eviews. Sebenarnya pada Eviews sendiri banyak
teknik untuk mengentri data, bisa secara langsung (Manual) ataupun dengan cara import
data dari Ms.Excell. Namun khusus untuk data pane dapat dilakukan
import langsung dari Ms. Excell karena lebih cepat dan lebih
mudah daripada input manual pada Eviews.
Tahapan-tahapan import data panel dari Ms. Excell adalah
sebagai berikut:
1.
Siapkan file Ms. Excell yang akan
diimport, Simpan dalam format .XLS (format 2003-2007). Perhatikan susunan
tabelnya. Provinsi i kemudian periode (t) nya bergerak, setelah selesai
baru dilanjutkan kepada provinsi berikutnya begitu seterusnya.
Data yang digunakan pada simulasi ini adalah data 10
provinsi yang diamati dalam rentang waktu 2006-2012,
variabelnya dimisalkan saja Y, X1, X2 , X3dan X4,
seperti yang terlihat dibawah ini.
Setelah disimpan file Ms. Excell 2003-2007 nya jangan
lupa ditutup filenya (atau save as ke format yang berbeda dari Ms.
Excell yang akan diinput)
2. Bukalah Eviews yang
miliki, Kemudiaan pilih file
>new >workfile
3.
Karena menggunakan data tahunan,
maka frekuensinya dalam annual, dimulai dari tahun 2006-2012. OK
4. Kemudian pada
workfile, klik Object >New Object >Pool > tuliskan nama pool
nya misal PANEL
Kemudian pada pool, identifikasikan observasi ,
tetapi dahulukan dengan menggunakan “_”, bisa berupa angka, bisa berupa
tulisan, misalnya: _1,_2,…,_70 ataupun _ACEH,_SUMUT,…,_LAMPUNG
5.
Setelah identifikasi, pilih opsi proc
> import pool data
- Pada upper left data, isikan pada cell apakah
input data dimulai (misal c3),
kemudian identifikasi variabel yang digunakan (Note: akhiri identifikasi
variabel dengan t tanya ?)
7. Apabila input data
panel benar, maka akan terbentuk data input pada workfile yang ditandai
dengan x1_1 sampai x1_30, hingga y_1 sampai y_30
Note: Cek terlebih dahulu, apakah data sudah benar, apabila
ada nilai yang tertukar, itu artinya
salah dalam penyusunan tabel yang akan diinput pada Ms. Excell, perbaiki
format struktur tabelnya (Back to Tahapan 1).
Lakukan estimasi model sederhana. Caranya pada workfile
klik pool panel, kemudian pada pool pilih estimate.
Dependent Variable,
isikan dengan y? (jangan lupa t tanya ya). Kemudian untuk Independent
Variable nya, diisikan juga variabel nya dan jangan lupa diakhiri tanda
tanya.
Model Fixed
Effect
|
Dependent Variable:
Y?
|
|
|
|
Method: Pooled
Least Squares
|
|
|
|
Date: 04/03/15 Time: 19:57
|
|
|
|
Sample: 2006 2012
|
|
|
|
Included
observations: 7
|
|
|
|
Cross-sections
included: 10
|
|
|
|
Total pool
(balanced) observations: 70
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
C
|
2650.235
|
593.0849
|
4.468559
|
0.0000
|
|
X1?
|
-0.500833
|
0.111142
|
-4.506241
|
0.0000
|
|
X2?
|
0.000998
|
0.000514
|
1.940710
|
0.0573
|
|
X3?
|
7.839311
|
9.919094
|
0.790325
|
0.4327
|
|
X4?
|
13.70187
|
7.089345
|
1.932742
|
0.0583
|
|
Fixed
Effects (Cross)
|
|
|
|
|
|
_ACEH--C
|
85.85472
|
|
|
|
|
_SUMUT--C
|
4625.561
|
|
|
|
|
_SUMBAR--C
|
-190.1408
|
|
|
|
|
_RIAU--C
|
-158.8202
|
|
|
|
|
_KEPRI--C
|
-2446.977
|
|
|
|
|
_JAMBI--C
|
-1287.389
|
|
|
|
|
_SUMSEL--C
|
1635.942
|
|
|
|
|
_BABEL--C
|
-2432.584
|
|
|
|
|
_BENGKULU--C
|
-1856.429
|
|
|
|
|
_LAMPUNG--C
|
2024.983
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Effects
Specification
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section fixed
(dummy variables)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.986933
|
Mean dependent var
|
709.4900
|
|
Adjusted R-squared
|
0.983900
|
S.D. dependent var
|
544.1165
|
|
S.E. of regression
|
69.04091
|
Akaike info criterion
|
11.48413
|
|
Sum squared resid
|
266932.2
|
Schwarz criterion
|
11.93383
|
|
Log likelihood
|
-387.9446
|
Hannan-Quinn criter.
|
11.66276
|
|
F-statistic
|
325.3602
|
Durbin-Watson stat
|
0.580885
|
|
Prob(F-statistic)
|
0.000000
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Kemudian pada model estimasi nya
dapat ditentukan apakah menggunakan fixed
effects model ataupun random effects model.
Model Random Effect
|
Dependent Variable:
Y?
|
|
|
|
Method: Pooled EGLS
(Cross-section random effects)
|
|
Date: 04/03/15 Time: 19:56
|
|
|
|
Sample: 2006 2012
|
|
|
|
Included
observations: 7
|
|
|
|
Cross-sections
included: 10
|
|
|
|
Total pool
(balanced) observations: 70
|
|
|
Swamy and Arora
estimator of component variances
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
C
|
-588.4240
|
287.6299
|
-2.045768
|
0.0448
|
|
X1?
|
0.124234
|
0.024887
|
4.991891
|
0.0000
|
|
X2?
|
-0.001364
|
0.000207
|
-6.572830
|
0.0000
|
|
X3?
|
15.20552
|
7.696078
|
1.975749
|
0.0524
|
|
X4?
|
25.31354
|
5.588710
|
4.529406
|
0.0000
|
|
Random
Effects (Cross)
|
|
|
|
|
|
_ACEH--C
|
432.4659
|
|
|
|
|
_SUMUT--C
|
-21.83344
|
|
|
|
|
_SUMBAR--C
|
-40.04610
|
|
|
|
|
_RIAU--C
|
76.52462
|
|
|
|
|
_KEPRI--C
|
-637.6475
|
|
|
|
|
_JAMBI--C
|
-159.6296
|
|
|
|
|
_SUMSEL--C
|
251.2586
|
|
|
|
|
_BABEL--C
|
-262.3548
|
|
|
|
|
_BENGKULU--C
|
24.12940
|
|
|
|
|
_LAMPUNG--C
|
337.1330
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Effects
Specification
|
|
|
|
|
|
|
S.D.
|
Rho
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section
random
|
249.5900
|
0.9289
|
|
Idiosyncratic
random
|
69.04091
|
0.0711
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Weighted
Statistics
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.372190
|
Mean dependent var
|
73.77613
|
|
Adjusted R-squared
|
0.333556
|
S.D. dependent var
|
110.1835
|
|
S.E. of regression
|
89.94942
|
Sum squared resid
|
525908.4
|
|
F-statistic
|
9.633633
|
Durbin-Watson stat
|
0.512244
|
|
Prob(F-statistic)
|
0.000004
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Unweighted
Statistics
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.671759
|
Mean dependent var
|
709.4900
|
|
Sum squared resid
|
6705413.
|
Durbin-Watson stat
|
0.040176
|
|
|
|
|
|
|
|
|
|
|
|
|
1.
Dan hasil outputnya
Dimana ditunjukkan dari nilai Prob (f-stat) yang
kurang dari 0.1 (sebagai overall test) bahwa dengan tingkat
keyakinan 90 persen, seluruh variabel yang berpengaruh
signifikan terhadap variabel tidak bebas. Variabel yang signifikan ditandai
oleh prob t-statistik (sebagai partial test) yang kurang dari 0.1.
Sehingga dengan tingkat keyakinan 90 persen variabel yang signifikan
mempengaruhi Y adalah variabel X1 dan X4. Dan model dapat menjelaskan 33,3 persen
variasi yang terjadi pada variabel y (adjusted R-squared).
UJI HAUSMANN TEST
Pada penulisan ini akan dijelaskan
tahapan Hausmann test dengan menggunakan E-views.
1.
Diasumsikan telah dilakukan pengujian
signifikansi fixed effect
2.
Untuk pengujian hausmann, yang
harus pastikan adalah sedang dalam
kondisi model random effects.
3. Pilih view >
Fixed/Random Effect Testing > Correlated Random Effects – Hausmann Test
Berikut hasil Output nya
|
Correlated Random Effects
- Hausman Test
|
|
|
Pool: AGUSTB
|
|
|
|
|
Test cross-section random effects
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Test Summary
|
Chi-Sq. Statistic
|
Chi-Sq. d.f.
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section random
|
49.330891
|
4
|
0.0000
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section random effects test comparisons:
|
|
Variable
|
Fixed
|
Random
|
Var(Diff.)
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X1?
|
-0.500833
|
0.124234
|
0.011733
|
0.0000
|
|
X2?
|
0.000998
|
-0.001364
|
0.000000
|
0.0000
|
|
X3?
|
7.839311
|
15.205519
|
39.158819
|
0.2391
|
|
X4?
|
13.701875
|
25.313537
|
19.025142
|
0.0078
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section random effects test equation:
|
|
|
Dependent Variable: Y?
|
|
|
|
Method: Panel Least
Squares
|
|
|
|
Date: 10/26/14 Time:
21:11
|
|
|
|
Sample: 2006 2012
|
|
|
|
Included observations: 7
|
|
|
|
Cross-sections included: 10
|
|
|
|
Total pool (balanced) observations: 70
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
C
|
2650.235
|
593.0849
|
4.468559
|
0.0000
|
|
X1?
|
-0.500833
|
0.111142
|
-4.506241
|
0.0000
|
|
X2?
|
0.000998
|
0.000514
|
1.940710
|
0.0573
|
|
X3?
|
7.839311
|
9.919094
|
0.790325
|
0.4327
|
|
X4?
|
13.70187
|
7.089345
|
1.932742
|
0.0583
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Effects Specification
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section fixed (dummy variables)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.986933
|
Mean
dependent var
|
709.4900
|
|
Adjusted R-squared
|
0.983900
|
S.D.
dependent var
|
544.1165
|
|
S.E. of regression
|
69.04091
|
Akaike
info criterion
|
11.48413
|
|
Sum squared resid
|
266932.2
|
Schwarz
criterion
|
11.93383
|
|
Log likelihood
|
-387.9446
|
Hannan-Quinn
criter.
|
11.66276
|
|
F-statistic
|
325.3602
|
Durbin-Watson
stat
|
0.580885
|
|
Prob(F-statistic)
|
0.000000
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Nilai Prob yang lebih kecil dari
0.05 menunjukkan kondisi ditolaknya Ho. Dalam hal ini Ho nya adalah Model
random lebih baik dibandingkan model Fixed Effect. Sehingga karena nilai prob
nya = 0.00000, maka dengan tingkat keyakinan 95% dapat disimpulkan bahwa untuk
data yang miliki model fixed effect lebih sesuai digunakan.
UJI CHOW TEST
Chow test yakni pengujian untuk menentukan model Fixed Effet
atau Random Effect yang paling tepat digunakan dalam mengestimasi data
panel. Hipotesis dalam uji chow adalah:
H0 : Common Effect Model atau pooled OLS
H1 : Fixed Effect Model
Dasar penolakan terhadap hipotesis diatas adalah dengan
membandingkan perhitungan F-statistik dengan F-tabel. Perbandingan dipakai
apabila hasil F hitung lebih besar (>) dari F tabel maka H0 ditolak yang
berarti model yang paling tepat digunakan adalah Fixed Effect Model. Begitupun
sebaliknya, jika F hitung lebih kecil (<) dari F tabel maka H0 diterima dan
model yang digunakan adalah Common Effect Model (Widarjono, 2009). Perhitungan F statistik didapat dari Uji Chow dengan rumus
(Baltagi, 2005):
Dimana:
SSE1 : Sum Square Error dari model Common Effect
SSE2 : Sum Square Error dari model Fixed Effect
n : Jumlah perusahaan (cross section)
nt : Jumlah cross section x jumlah time series
k : Jumlah variabel independen
Sedangkan F tabel didapat dari:
Dimana:
α :
Tingkat signifikasi yang dipakai (alfa)
n :
Jumlah perusahaan (cross section)
nt :
Jumlah cross section x jumlah time series
k :
Jumlah variabel independen
Untuk menghitung kita lihat hasil Common Effect dan Random
Effect dibawah ini:
Hasil
Regresi Panel dengan Common Effect
|
Dependent Variable:
Y?
|
|
|
|
Method: Pooled Least
Squares
|
|
|
|
Date: 04/03/15 Time: 19:47
|
|
|
|
Sample: 2006 2012
|
|
|
|
Included
observations: 7
|
|
|
|
Cross-sections
included: 10
|
|
|
|
Total pool
(balanced) observations: 70
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X1?
|
0.166742
|
0.010070
|
16.55859
|
0.0000
|
|
X2?
|
-0.001553
|
0.000312
|
-4.969914
|
0.0000
|
|
X3?
|
3.849323
|
1.637978
|
2.350045
|
0.0218
|
|
X4?
|
-1.446228
|
1.733339
|
-0.834359
|
0.4071
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.854828
|
Mean dependent var
|
709.4900
|
|
Adjusted R-squared
|
0.848230
|
S.D. dependent var
|
544.1165
|
|
S.E. of regression
|
211.9753
|
Akaike info criterion
|
13.60626
|
|
Sum squared resid
|
2965612.
|
Schwarz criterion
|
13.73475
|
|
Log likelihood
|
-472.2192
|
Hannan-Quinn criter.
|
13.65730
|
|
Durbin-Watson stat
|
0.159751
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Hasil
Regresi Panel dengan Fixed Effect
|
Dependent Variable:
Y?
|
|
|
|
Method: Pooled
Least Squares
|
|
|
|
Date: 04/03/15 Time: 20:10
|
|
|
|
Sample: 2006 2012
|
|
|
|
Included
observations: 7
|
|
|
|
Cross-sections
included: 10
|
|
|
|
Total pool
(balanced) observations: 70
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
C
|
2650.235
|
593.0849
|
4.468559
|
0.0000
|
|
X1?
|
-0.500833
|
0.111142
|
-4.506241
|
0.0000
|
|
X2?
|
0.000998
|
0.000514
|
1.940710
|
0.0573
|
|
X3?
|
7.839311
|
9.919094
|
0.790325
|
0.4327
|
|
X4?
|
13.70187
|
7.089345
|
1.932742
|
0.0583
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section fixed
(dummy variables)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.986933
|
Mean dependent var
|
709.4900
|
|
Adjusted R-squared
|
0.983900
|
S.D. dependent var
|
544.1165
|
|
S.E. of regression
|
69.04091
|
Akaike info criterion
|
11.48413
|
|
Sum squared resid
|
266932.2
|
Schwarz criterion
|
11.93383
|
|
Log likelihood
|
-387.9446
|
Hannan-Quinn criter.
|
11.66276
|
|
F-statistic
|
325.3602
|
Durbin-Watson stat
|
0.580885
|
|
Prob(F-statistic)
|
0.000000
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Fn-1,nt,n-k (ROE) = 
=
299.853/5354,52
= 55,99
F-tabel = ⍺ ;
df (n-1, nT-n-k)
= 5% ; (10 - 1, 10.7 -
10 - 4)
=
5% ; (9, 56)
=
2,04
Hasil dari perhitungan F-hitung didapat sebesar 48,237289 sedangkan F-tabel
dari numerator 9 dan denumenator 56 pada ⍺:
5% adalah 2,04. Dari hipotesis diatas dapat disimpulkan bahwa H0 ditolak
karena F-hitung lebih besar dari F-tabel (55,99 > 2,04),
sehingga model yang dipakai dalam penelitian ini adalah Fixed Effect Model.
Uji Asumsi
Klasik Untuk Data Panel
Uji asumsi klasik yang digunakan dalam regresi
linier dengan pendekatan Ordinary Least Squared (OLS) meliputi uji
Linieritas, Autokorelasi, Heteroskedastisitas, Multikolinieritas dan
Normalitas. Walaupun demikian, tidak semua uji asumsi klasik harus dilakukan
pada setiap model regresi linier dengan pendekatan OLS.
1. Uji linieritas hampir tidak dilakukan pada setiap model
regresi linier. Karena sudah diasumsikan bahwa model bersifat linier. Kalaupun
harus dilakukan semata-mata untuk melihat sejauh mana tingkat linieritasnya.
2.
Uji normalitas pada dasarnya tidak
merupakan syarat BLUE (Best Linier Unbias Estimator) dan beberapa
pendapat tidak mengharuskan syarat ini sebagai sesuatu yang wajib dipenuhi.
3.
Autokorelasi hanya terjadi pada data
time series. Pengujian autokorelasi pada data yang tidak bersifat time
series (cross section atau panel) akan sia-sia semata atau tidaklah
berarti.
4.
Multikolinieritas perlu dilakukan
pada saat regresi linier menggunakan lebih dari satu variabel bebas. Jika
variabel bebas hanya satu, maka tidak mungkin terjadi multikolinieritas.
5.
Heteroskedastisitas biasanya terjadi
pada data cross section, dimana data panel lebih dekat ke ciri data cross
section dibandingkan time series.
Dari
penjelasan di atas dapat ditarik kesimpulan bahwa pada regresi data panel,
tidak semua uji asumsi klasik yang ada pada metode OLS dipakai, hanya
multikolinieritas dan heteroskedastisitas saja yang diperlukan.
Berikut ini hasil regresi panel dengan model Fixed Effect:
|
Dependent
Variable: Y?
|
|
|
|
Method:
Pooled Least Squares
|
|
|
|
Date:
04/03/15 Time: 20:26
|
|
|
|
Sample:
2006 2012
|
|
|
|
Included
observations: 7
|
|
|
|
Cross-sections
included: 10
|
|
|
|
penduduk
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
C
|
2650.235
|
593.0849
|
4.468559
|
0.0000
|
|
X1?
|
-0.500833
|
0.111142
|
-4.506241
|
0.0000
|
|
X2?
|
0.000998
|
0.000514
|
1.940710
|
0.0573
|
|
X3?
|
7.839311
|
9.919094
|
0.790325
|
0.4327
|
|
X4?
|
13.70187
|
7.089345
|
1.932742
|
0.0583
|
|
Fixed Effects (Cross)
|
|
|
|
|
|
_ACEH--C
|
85.85472
|
|
|
|
|
_SUMUT--C
|
4625.561
|
|
|
|
|
_SUMBAR--C
|
-190.1408
|
|
|
|
|
_RIAU--C
|
-158.8202
|
|
|
|
|
_KEPRI--C
|
-2446.977
|
|
|
|
|
_JAMBI--C
|
-1287.389
|
|
|
|
|
_SUMSEL--C
|
1635.942
|
|
|
|
|
_BABEL--C
|
-2432.584
|
|
|
|
|
_BENGKULU--C
|
-1856.429
|
|
|
|
|
_LAMPUNG--C
|
2024.983
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Effects Specification
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section
fixed (dummy variables)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.986933
|
Mean dependent var
|
709.4900
|
|
Adjusted
R-squared
|
0.983900
|
S.D. dependent var
|
544.1165
|
|
S.E. of
regression
|
69.04091
|
Akaike info criterion
|
11.48413
|
|
Sum squared
resid
|
266932.2
|
Schwarz criterion
|
11.93383
|
|
Log
likelihood
|
-387.9446
|
Hannan-Quinn criter.
|
11.66276
|
|
F-statistic
|
325.3602
|
Durbin-Watson stat
|
0.580885
|
|
Prob(F-statistic)
|
0.000000
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Dari hasil diatas dapat disimpulkan
:
1. Ada hubungan negatif antara jumlah
penduduk dengan jumlah penduduk miskin, artinya jika jumlah penduduk bertambah
maka mengakibatkan jumlah penduduk miskin berkurang. Hal ini dapat
dimungkingkan karena peningkatan jumlah penduduk disertai dengan kualitas
penduduknya.
2. Ada hubungan positif antara pendapatan
domestik bruto dengan jumlah penduduk miskin, artinya jika PDB bertambah maka
mengakibatkan jumlah penduduk miskin bertambah. Hal ini dapat dimungkingkan
karena peningkatan PDB tidak disertai dengan distribusi pendapatan yang merata.
3. Ada hubungan positif antara share
pertanian dengan jumlah penduduk miskin, artinya jika Share sektor pertanian
bertambah maka mengakibatkan jumlah penduduk miskin bertambah. Hal ini dapat
dimungkingkan karena share pertanian sangat padat karya.
4. Ada hubungan positif antara share industri
dengan jumlah penduduk miskin, artinya jika Share sektor industri bertambah
maka mengakibatkan jumlah penduduk miskin bertambah. Hal ini dapat
dimungkingkan karena terjadinya akumulasi kapital disektor industri.
DAFTAR PUSTAKA
Agus
Widarjono, Ekonometrika Teori dan
Aplikasi untuk Ekonomi dan Bisnis, Edisi Kedua, Cetakan Kesatu, Penerbit
Ekonisia Fakultas Ekonomi UII Yogyakarta 2007.
Baltagi, Bagi (2005). Econometric Analysis of Panel Data,
Third Edition. John Wiley & Sons.
Budiyuwono,
Nugroho, Pengantar Statistik Ekonomi
& Perusahaan, Jilid 2, Edisi Pertama, UPP AMP YKPN, Yogyakarta, 1996.
Barrow, Mike. Statistics
of Economics: Accounting and Business Studies. 3rd edition.
Upper Saddle River, NJ: Prentice-Hall, 2001
Catur
Sugiyanto. 1994. Ekonometrika Terapan.
BPFE, Yogyakarta
Gujarati,
Damodar N. 1995. Basic Econometrics.
Third Edition.Mc. Graw-Hill, Singapore.
Insukindro (1996), “Pendekatan Masa Depan Dalam Penyusunan Model Ekonometrika:
Forward-Looking Model dan Pendekatan Kointegrasi”, Jurnal Ekonomi dan
Industri, PAU Studi Ekonomi, UGM, Edisi Kedua, Maret 1-6
Insukindro (1998a), “Sindrum R2 Dalam Analisis Regresi Linier Runtun Waktu”,
Jurnal Ekonomi dan Bisnis Indonesia, Vol. 13, No. 41 1-11.
Insukindro (1998b), “Pendekatan Stok Penyangga Permintaan Uang: Tinjauan Teoritik dan Sebuah
Studi Empirik di Indonesia”, Ekonomi dan Keuangan Indonesia, Vol XLVI. No.
4: 451-471.
Insukindro (1999), “Pemilihan Model Ekonomi Empirik Dengan Pendekatan Koreksi Kesalahan”,
Jurnal Ekonomi dan Bisnis Indonesia, Vol. 14, No. 1: 1-8.
Insukindro dan Aliman (1999), “Pemilihan dan Bentuk Fungsi Model Empiris:
Studi Kasus Permintaan Uang Kartil Riil di Indonesia”, Jurnal Ekonomi dan
Bisnis Indonesia. Vol. 13, No. 4: 49-61.
Johnston, J. and J. Dinardo (1997), Econometric Methods, McGrow-Hill
Koutsoyiannis, A (1977). Theory of Econometric An Introductory Exposition of Econometric Methods
2nd Edition, Macmillan Publishers LTD.
Maddala, G.S (1992). Introduction to Econometric, 2nd Edition, Mac-Millan
Publishing Company, New York.
Nachrowi, D.N. dan H. Usman (2002). Penggunaan Teknik
Ekonometrika. Jakarta: PT Raja Grafindo Persada.
Sritua
Arif.1993. Metodologi Penelitian Ekonomi.
BPFE, Yogyakarta.
Thomas,
R.L. 1998. Modern Econometrics : An
Intoduction. Addison-Wesley. Harlow, England.
