250 likes | 457 Views
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
E N D
Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc
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
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
Model Linier Data Panel • Untuksatupeubahbebas (yang dapatdibuatumumuntuklebihdarisatupeubahbebas) • aiadalahvariabeltakterobservasi yang spesifikbagisetiapindividu • Diasumsikanbernilaikonstansepanjangwaktuuntuksetiapindividu
Beberapa model yang dapatdiasumsikan • Pooled Model • Random effects Model • Fixed effects Model
Pooled Model • Model paling sederhana • Diasumsikanbahwatidakadakeheterogenanantarindividu yang tidakterobservasi • Semuakeheterogenansudahditangkapolehpeubaheksogen • Model menggunakanasumsi yang samaseperti yang digunakanpada data cross section
Pooled OLS Estimator (POLS) • Denganasumsi Pooled Model makapenduga parameter model dapatdilakukandenganmenggunakan POLS
Model Fixed Effects dan Random Effects • Diasumsikanbahwaterdapatkeheterogenanantarindividu yang tidakterobservasi: ai • aitidaktergantungwaktu(time invariant) • Model fixed effects (FE): diasumsikanbahwamasihterdapathubunganantaraaidanpeubaheksogen • Model random effects (RE): diasumsikanbahwaaidanpeubaheksogensalingbebas
Beberapaalternatifpendugauntukasumsi FE • Least Square Dummy Variable (LSDV) Estimator • Within Estimator • Between Estimator
Least Squares Dummy Variable Estimator (LSDV) • Pendugaan parameter jikadiasumsikan Model FE. • aididugabersama-samadenganβ • MenggunakanNpeubah dummy untuksetiap unit cross section • Penduga OLS diterapkanpada model diatas
Within Estimator • Dilakukantransformasiterhadap data untukmenghilangkanefekheterogenitas yang tidakterobservasi • Model awal: • Hitung rata-rata dariseluruhwaktupengamatanbagisetiap unit cross section: • Transformasi: • Penduga OLS diperolehberdasarkan data hasiltransformasidiatas
Within Estimator • Mengukurkeragaman data hanyaberdasarkanwaktu • Tidakmemuatpeubah yang tidaktergantungwaktu (time invariant)
Between Estimator • Hanyamenunjukkankeragamandari unit cross section • Digunakan rata-rata seluruhwaktupadasetiap unit cross section • Model panel terduksimenjadi: • PendugaOLS diterapkanpada model tereduksitersebut • Sayangnyapendugainikurangkonsisten
Pendugauntuk model denganasumsi RE • Between Estimator: • Tidakefisien • Random effects estimator
Random Effects Estimator (Penduga RE) • Pendugainimengasumsikanbahwaefekindividubersifat random bagiseluruh unit cross section • Penduga RE mengakomodasistruktur error tersebut • Penduga RE diperolehberdasarkanmetodepooled GLS
Random Effects Estimator (Penduga RE) • Penduga RE mengukurkeragamanberdasarkanwaktudan cross section • Penduga RE rata-rata terbobotiantarapenduga FE (Fixed Effects Estimator) dan BE (Between Estimator)
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
Jika H0 ditolakmaka: • Komponengalatindividunyata, • Penduga RE lebihsesuai • JikaH0 diterimamakapenduga POLS (Pooled OLS) lebihsesuai
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)
Jikakomponendari error berkorelasidengansalahsatupeubaheksogen: gunakan FE model • Penduga FE
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
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
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
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