Tutorial Regresi Data Panel dan Uji Asumsi Klasik dengan Eviews

Table of Contents
Regresi linear sederhana merupakan pengujian statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat antara variabel independent terhadap variabel dependent.

Data panel merupakan gabungan dari data time series dan cross section. Data ini memiliki jangkauan pengamatan yang lebih luas dan lebih banyak dibandingkan data time series maupun data cross section. Data panel sering disebut juga pooled data (pooling time series dan cross section), micropanel data, longitudinal data, event history analysis dan cohort analysis. 


Secara sederhana data ini dapat didefinisikan sebagai sekelompok data yang mengamati perilaku unit cross section sepanjang waktu. Contoh : individu, perusahaan, dan negara. Regresi data panel merupakan jenis pengujian regresi yang memiliki ciri tersendiri, yaitu adanya kombinasi antara data runtut waktu (time series) dan data cross sectional (cross section). Teknik data panel memiliki beberapa keunggulan dibandingkan dengan data time series maupun cross section (Gujarati, 2003). 
Keunggulan yang dimaksud antara lain :

  1. Menggabungkan data time series dengan cross section, menjadikan data lebih informatif, bervariasi, tingkat kolinearitas antar variabel yang rendah, memiliki degree of freedom yang lebih besar, dan lebih efisien.
  2. Data panel tepat digunakan untuk meneliti perubahan dinamis (dynamic change) dengan melakukan analisis data cross section dalam beberapa periode.
  3. Mampu mendeteksi dan mengukur pengaruh yang tidak dapat di observasi melalui data time series atau data cross section.
  4. Data panel memungkinkan kita mempelajari perilaku yang lebih luas. 
  5. Bersifat heterogen. 

Selain keunggulan di atas, data panel juga memiliki beberapa keuntungan yang banyak dibandingkan data time series maupun cross section. Keuntungan ini diutarakan oleh Hsiao (2003) antara lain :

  • Memberikan peneliti jumlah pengamatan yang jauh lebih besar dari data time series maupun cross section, meningkatkan nilai degree of freedom (derajat kebebasan), memiliki variabilitas yang besar dan mengurangi kolinearitas antar variabel sehingga hasil estimasi menjadi efisien.
  • Memberikan infomasi yang lebih banyak dibandingkan data time series maupun cross section.
  • Memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section.

Tutorial Pengolahan Data Dengan Eviews
 
Pada kesempatan ini kita akan belajar cara olah data panel dengan software eviews per-tahapan agar mudah dipahami dan dipraktekkan secara langsung.

Adapun tahapan untuk melakukan regresi data panel adalah dengan kita mencari model regresi terbaik, kemudian uji asumsi klasik :

Berikut merupakan video tutorial regresi data panel

 

Langkah 1 : Persiapkan data yang akan diolah, usahakan data telah disusun terlebih dahulu. Berikut susunan data yang saya miliki (Data ini merupakan data sekunder, data ini hanya sebagai contoh saja bukan data real (karena sudah dirubah satuannya dengan log)).
Langkah 2 : Buka sofware eviews, Klik File => New => Workfile.
Langkah 3 : Pada bagian Workfile structure type, pilih Balanced Panel.
Langkah 4 : Di Panel Specification dibagian Frequency pilih Annual (Karena data berbentuk tahunan). Start date isikan dengan tahun awal data yaitu 2011 dan End date isikan dengan tahun akhir data yaitu 2015. Kemudian klik ok.
Langkah 5 : Menuju ke menu Quick, lalu pilih Empty Group (Edit Series).
Langkah 6 : Setelah itu copy data yang sudah siap diolah (note : Jangan lupa sertakan variabel independent dan dependent), kemudian klik paste pada kolom atas group.
Langkah 7 : Data sudah masuk ke dalam program eviews. Kemudain pilih Proc => Make Equation. Langkah 8 : Lalu akan muncul tampilan Equation Estimator => Specification.
Langkah 9 : Ubah persamaan regresi y x c menjadi y c x. Lalu pada Estimation setting di bagian Method => Pilih dengan “LS – Least Squared (NLS and ARMA).
Langkah 10 : Kemudian menuju ke bagian Panel Options. Pada Effects specification pada bagian Cross section => tentukan uji yang akan dilakukan. Dalam regresi data panel untuk menentukan model regresi yang dipergunakan harus melalui tahapan pemilihan model. Urutannya : Lakukan uji chow/Redundant Fixed Effects-Likelihood Ratio, setelah itu uji hausman/Random Effect Testing, dan jika tidak menemukan hasil yang sama maka dilakukan uji terakhir yaitu uji LM test/Lagrange multipliers. Kita lakukan uji chow/Redundant Fixed Effects. Cara dengan mengganti pada bagian Cross section dengan Fixed. Klik ok.
Langkah 11 : Hasil regresi fixed effects sebagai berikut.
Langkah 12 : Klik View => Fixed/Random Effects Testing pilih Redundant Fixed Effect - Likelihood Ratio. 
Langkah 13 : Hasilnya sebagai berikut.
Interpretasi output :
Hipotesa : 
H0 : Common Effect
H1 : Fixed Effect
Hasil likelihood ratio/uji chow untuk model ini memiliki nilai probabilitas F lebih kecil dari Alpha (0.05) yaitu nilai probabilitas F sebesar 0.0000 < 0,05 sehingga H0 ditolak dan H1 diterima, model yang sesuai dari hasil ini yaitu fixed effects.
Langkah 14 : Setelah mengetahui hasil dari uji chow, kita melakukan pengujian lagi ke uji selanjutnya yaitu uji hausman. Pilih Proc => Specify/Estimate.
Langkah 15 : Kembali lagi ke Panel Options, caranya pilih Proc => Specify/Estimate. Pilih Panel Options, ganti metode pada bagian Cross section dengan Random. Klik ok. 
Langkah 16 : Hasil regresi random effects sebagai berikut.
Langkah 17 : Klik View => Fixed/Random Effects Testing, pilih Correlated Random Effects - Hausman Test. 
Langkah 18 : Hasilnya sebagai berikut.
Interpretasi output :
Hipotesa :
H0 : Model mengikuti random effects
H1 : Model mengikuti fixed effects
Berdasarkan hasil uji hausman menunjukkan nilai signifikansi 0.1072 (signifikansi > 0.05), maka H0 diterima dan H1 ditolak, sehingga dapat diartikan bahwa model random effects lebih baik dari model fixed effects. Karena hasil belum menemukan kesamaan metode, maka dilanjutkan dengan metode penentu yaitu uji Langrange Multiplier untuk menentukan apakah kita tetap memilih random effects ataukah common effects.
Langkah 19 : Setelah mengetahui hasil dari uji chow, kita melakukan pengujian lagi ke uji selanjutnya yaitu uji hausman. Pilih Proc => Specify/Estimate.
Langkah 20 : Kembali lagi ke Panel Options, caranya pilih Proc => Specify/Estimate. Pilih Panel Options, ganti metode pada bagian Cross section dengan None. Klik ok.
Langkah 21 : Hasil regresi common effects sebagai berikut.
Langkah 22 : Klik View => Fixed/Random Effects Testing, pilih Omitted Random Effects - Langrange Multiplier.
Langkah 23 : Hasilnya sebagai berikut :
Interpretasi output :
Hipotesa :
H0 : Common Effects
H1 : Random Effects
Hasil output diatas menunjukkan nilai probabilitas Breush-Pagan (BP) pada sub Cross section sebesar 0.1213. Hipotesa-nya adalah jika probabilitas Breush-Pagan (BP) lebih besar dari Alpha (0.1213 <0.05) maka H0 diterima dan H1 ditolak, jadi motode yang tepat pada hasil diatas adalah common effects. Sehingga kesimpulan dari data ini adalah metode yang terbaik untuk dilakukan penelitian adalah metode common effects.
Langkah 24 : Nah coba kita lihat hasil regresi dari common effects. Caranya dengan kembali ke Panel Options, pilih Proc => Specify/Estimate.