CARA PENENTUAN MODEL ESTIMASI DALAM SOFTWARE PENGOLAHAN DATA EVIEWS
Dalam melakukan pemodelan menggunakan regresi data panel, terdapat tiga metode estimasi model yang dapat digunakan, yaitu Model Common Effect, Model Fixed Effect dan Model Random Effect. Ketiga model ini memiliki asumsi-asumsi tersendiri yang harus terpenuhi agar diperoleh estimasi model yang tepat.
Dalam hal penelitian yang menggunakan data panel yang merupakan kombinasi dari data cross section dan time series. Model yang digunakan untuk menganalisis data jenis disebut dengan model data panel yang dapat dibedakan menjadi tiga model regresi yaitu :
- Common Effect Model (CEM)
- Fixed Effect Model (FEM)
- Random Effect Model (REM)
Pemilihan model yang sesuai dilakukan berdasarkan pengolahaan data statistik yang benar dan dapat dipertanggung jawabkan. Sehingga dalam memilih model yang tepat dari ketiga model tersebut, dilakukan pengumpulan data panel yang diperlukan dalam penelitian dan diolah.
Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan, antara lain (Widarjono, 2009):
- Common Effect Model atau Pooled Least Square (PLS) Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel.
- Fixed Effect Model (FE) Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model Fixed Effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV).
- Random Effect Model (RE) Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model Random Effect perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan. Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS).
Referensi:
- Widarjono, Agus. 2009. Ekonometrika Pengantar dan Aplikasinya, Edisi Ketiga. Yogyakarta: Ekonesia.
Image Sources: Google Images
Comments :