1 / 24

Ekonometrika

Ekonometrika. Program Studi Statistika, semester Ganjil 2012/2013. Panel Data Regression Model. Panel Data/ Pooled Data/ Longitudinal Data/ Micropanel Data Mempunyai dua dimensi : individu ( mis : perusahaan , propinsi , negara ) dan waktu

dorian-raymond
Download Presentation

Ekonometrika

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  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 • Mempunyaiduadimensi: individu (mis: perusahaan, propinsi, negara) danwaktu • Penggabungan data cross section dan time series • Setiap unit data cross section diulangdalambeberapperiodewaktu

  3. KelebihanPenggunaan data Panel • Keheterogenanantarindividudapatsecaraeksplisitdiakomodasi • Penggabunganantara cross section dan time series membuat data panel menjadi • Lebihinformatif • Lebihbervariasi • Mengurangikolinieritas • Memperbanyakderajatbebas • Lebihefisien • Pengulanganwaktupada unit cross section yang samamengakomodasiperubahandinamissetiap unit cross section

  4. Model Linier Data Panel • Untuksatupeubahbebas (yang dapatdibuatumumuntuklebihdarisatupeubahbebas) • aiadalahvariabeltakterobservasi yang spesifikbagisetiapindividu • Diasumsikanbernilaikonstansepanjangwaktuuntuksetiapindividu

  5. Beberapa model yang dapatdiasumsikan • Pooled Model • Random effects Model • Fixed effects Model

  6. Pooled Model • Model paling sederhana • Diasumsikanbahwatidakadakeheterogenanantarindividu yang tidakterobservasi • Semuakeheterogenansudahditangkapolehpeubaheksogen • Model menggunakanasumsi yang samaseperti yang digunakanpada data cross section

  7. Pooled OLS Estimator (POLS) • Denganasumsi Pooled Model makapenduga parameter model dapatdilakukandenganmenggunakan POLS

  8. Model Fixed Effects dan Random Effects • Diasumsikanbahwaterdapatkeheterogenanantarindividu yang tidakterobservasi: ai • aitidaktergantungwaktu(time invariant) • Model fixed effects (FE): diasumsikanbahwamasihterdapathubunganantaraaidanpeubaheksogen • Model random effects (RE): diasumsikanbahwaaidanpeubaheksogensalingbebas

  9. Beberapaalternatifpendugauntukasumsi FE • Least Square Dummy Variable (LSDV) Estimator • Within Estimator • Between Estimator

  10. Least Squares Dummy Variable Estimator (LSDV) • Pendugaan parameter jikadiasumsikan Model FE. • aididugabersama-samadenganβ • MenggunakanNpeubah dummy untuksetiap unit cross section • Penduga OLS diterapkanpada model diatas

  11. Within Estimator • Dilakukantransformasiterhadap data untukmenghilangkanefekheterogenitas yang tidakterobservasi • Model awal: • Hitung rata-rata dariseluruhwaktupengamatanbagisetiap unit cross section: • Transformasi: • Penduga OLS diperolehberdasarkan data hasiltransformasidiatas

  12. Within Estimator • Mengukurkeragaman data hanyaberdasarkanwaktu • Tidakmemuatpeubah yang tidaktergantungwaktu (time invariant)

  13. Between Estimator • Hanyamenunjukkankeragamandari unit cross section • Digunakan rata-rata seluruhwaktupadasetiap unit cross section • Model panel terduksimenjadi: • PendugaOLS diterapkanpada model tereduksitersebut • Sayangnyapendugainikurangkonsisten

  14. Pendugauntuk model denganasumsi RE • Between Estimator: • Tidakefisien • Random effects estimator

  15. Random Effects Estimator (Penduga RE) • Pendugainimengasumsikanbahwaefekindividubersifat random bagiseluruh unit cross section • Penduga RE mengakomodasistruktur error tersebut • Penduga RE diperolehberdasarkanmetodepooled GLS

  16. Random Effects Estimator (Penduga RE) • Penduga RE mengukurkeragamanberdasarkanwaktudan cross section • Penduga RE rata-rata terbobotiantarapenduga FE (Fixed Effects Estimator) dan BE (Between Estimator)

  17. Proseduruntukpendugaanpada model data Panel • Duga model FE dan RE • LakukanujiHausman • Mengujiapakahterdapatperbedaannyataantarapenduga model FE danpenduga model RE • Hipotesisnol: keduapendugatidakadaperbedaan • Jika H0ditolakmakapenduga FE lebihsesuai • Jika H0diterimamakalanjutkandenganujiBreusch Pagan

  18. Jika H0 ditolakmaka: • Komponengalatindividunyata, • Penduga RE lebihsesuai • JikaH0 diterimamakapenduga POLS (Pooled OLS) lebihsesuai

  19. Garisbesarpenetapanasumsi FE atau RE • JikaT (waktupengamatan) cukupbesardanN (jumlah unit cross section) kecil→kemungkinanbesartidakbanyakperbedaanantarapenduga FE dan RE. • Alasankemudahan: gunakanpenduga FE (LSDV) • KetikaNbesardanTkecildan unit pengamatanbukanberupasampeldaripopulasi yang lebihbesar, FE model lebihtepat • Gunakanpenduga FE (LSDV) • KetikaNbesardanTkecildan unit pengamatanberupasampelacakdaripopulasi yang lebihbesar, RE model lebihtepat • Gunakanpeduga RE (Random Effect Estimator)

  20. Jikakomponendari error berkorelasidengansalahsatupeubaheksogen: gunakan FE model • Penduga FE

  21. ContohAplikasi • Penelitiantentangjumlahinvestasi (I) berdasarkannilai asset perusahaan (Finv) dan modal perusahaan (Cinv) • Penelitianberdasarkanpada data tahunaninvestasi 4 perusahaan (unit cross section) mulaidaritahun 1935 – 1954 (time series, 20 tahun) • Secara a priori diharapkanbahwainvestasiberkorelasipositifterhadapnilai asset dan modal

  22. Pemilihanasumsi RE atau FE • Dari N (kecil) dan T(besar), semestinyapenduga RE dan FE tidakakanberbedanyata Akantetapijikadiasumsikanbahwa: • perbedaansetiapperusahaanbersifat random dan • efektakterobservasisetiapperusahaantidakberhubungandenganpeubahpenjelas • Penduga RE lebihsesuai Jikahanya 4 perusahaantsb yang mungkinadamaka • Penduga FE lebihsesuai Jika 4 perusahaanadalahsampelacakdaripopulasiperusahaan-perusahaan • Penduga RE lebihsesuai

  23. Output hasilpendugaan, 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. ProsedurLanjutan • '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 H0: tidakadabedapenduga FE dan RE Tolak H0: RE lebihsesuai

More Related