1 / 25

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 Penggabungan data cross section dan time series

ginny
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 • Mempunyai dua dimensi: individu (mis: perusahaan, propinsi, negara) dan waktu • Penggabungan data cross section dan time series • Setiap unit data cross section diulang dalam beberapa periode waktu

  3. Kelebihan Penggunaan 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) • ai adalah variabel tak terobservasi yang spesifik bagi setiap individu • Diasumsikan bernilai konstan sepanjang waktu untuk setiap individu

  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) • Dengan asumsi Pooled Model maka penduga parameter model dapat dilakukan dengan menggunakan POLS

  8. Model Fixed Effects dan Random Effects • Diasumsikan bahwa terdapat keheterogenan antar individu yang tidak terobservasi: ai • ai tidak tergantung waktu (time invariant) • Model fixed effects (FE): diasumsikan bahwa masih terdapat hubungan antara ai dan peubah eksogen • Model random effects (RE): diasumsikan bahwa ai dan peubah eksogen saling bebas

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

  10. Least Squares Dummy Variable Estimator (LSDV) • Pendugaan parameter jika diasumsikan Model FE. • ai diduga bersama-sama dengan β • Menggunakan N peubah dummy untuk setiap unit cross section • Penduga OLS diterapkan pada model di atas

  11. Within Estimator • Dilakukan transformasi terhadap data untuk menghilangkan efek heterogenitas yang tidak terobservasi • Model awal: • Hitung rata-rata dari seluruh waktu pengamatan bagi setiap unit cross section: • Transformasi: • Penduga OLS diperoleh berdasarkan data hasil transformasi di atas

  12. Within Estimator • Mengukur keragaman data hanya berdasarkan waktu • Tidak memuat peubah yang tidak tergantung waktu (time invariant)

  13. Between Estimator • Hanya menunjukkan keragaman dari unit cross section • Digunakan rata-rata seluruh waktu pada setiap unit cross section • Model panel terduksi menjadi: • Penduga OLS diterapkan pada model tereduksi tersebut • Sayangnya penduga ini kurang konsisten

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

  15. Random Effects Estimator (Penduga RE) • Pendugainimengasumsikanbahwaefekindividubersifat random bagiseluruh unit cross section • Penduga RE mengakomodasi struktur error tersebut • Penduga RE diperoleh berdasarkan metode pooled GLS

  16. Random Effects Estimator (Penduga RE) • Penduga RE mengukur keragaman berdasarkan waktu dan cross section • Penduga RE rata-rata terboboti antara penduga FE (Fixed Effects Estimator) dan BE (Between Estimator)

  17. Proseduruntukpendugaanpada model data Panel • Duga model FE dan RE • Lakukan uji Hausman • Menguji apakah terdapat perbedaan nyata antara penduga model FE dan penduga model RE • Hipotesis nol: kedua penduga tidak ada perbedaan • Jika H0 ditolak maka penduga FE lebih sesuai • Jika H0 diterima maka lanjutkan dengan uji Breusch Pagan

  18. Jika H0 ditolak maka: • Komponen galat individu nyata, • Penduga RE lebih sesuai • Jika H0 diterima maka penduga POLS (Pooled OLS) lebih sesuai

  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. Jika komponen dari error berkorelasi dengan salah satu peubah eksogen: gunakan FE model • Penduga FE

  21. Contoh Aplikasi • Penelitian tentang jumlah investasi (I) berdasarkan nilai asset perusahaan (Finv) dan modal perusahaan (Cinv) • Penelitian berdasarkan pada data tahunan investasi 4 perusahaan (unit cross section) mulai dari tahun 1935 – 1954 (time series, 20 tahun) • Secara a priori diharapkan bahwa investasi berkorelasi positif terhadap nilai asset dan modal

  22. Pemilihan asumsi 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 hasil pendugaan, 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. Prosedur Lanjutan • '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: tidak ada beda penduga FE dan RE Tolak H0: RE lebih sesuai

More Related