Home / Uji Asumsi Klasik

Uji Asumsi Klasik Regresi Data Panel

Uji Asumsi Klasik Regresi Data Panel: Pada Model Regresi Linier Data Time Series uji Heteroskedastisitas tidak perlu dilakukan tapi wajib dilakukan uji Autokorelasi. Sedangkan pada Model Regresi Linier Data Cross Section uji Autokorelasi tidak perlu dilakukan tapi wajib dilakukan uji Heteroskedastisitas.
 
Lalu bagaimana pengujian asumsi klasik untuk Model Regresi Data Panel yang merupakan gabungan dari ke dua data tersebut (time series & cross section)? Apakah kedua uji tersebut harus dilakukan ? Kemudian bagaimana dengan uji lainnya seperti Normalitas, Multikolinearitas dll ?


Di artikel ini akan dibahas uji asumsi klasik apa aja yang harus dilakukan pengujian untuk regresi data panel?

Model regresi linier data panel merupakan gabungan dari data cross section dan time series. Maka model regresi linier pada data panel di tulis sbb:

Yit = α + β1X1it + β2X2it  + … + βnXnit + eit

dimana:

    Yit            = variabel terikat (dependent)
    Xit            = variabel bebas (independent)
    i               = entitas ke-i
    t               = periode ke-t

Persamaan di atas disebut juga dengan model regresi linier berganda dari 1 variabel terikat (Y) dan beberapa variabel bebas (X). Tujuan model regresi linier berganda adalah untuk memprediksi nilai konstanta (α) dan koefisien regresi (βi) atau disebut juga dengan parameter model regresi.

Konstanta (α) sering disebut juga dengan intercept sedangkan koefisien regresi (βi) disebut juga dengan slope. Naah, Regresi Data Panel juga memiliki tujuan yang sama dengan Regresi Linier Berganda untuk memprediksi nilai intercept dan slope.

Hanya saja, pada Data Panel akan menghasilkan intercept dan slope yang berbeda pada setiap objek (perusahaan/emiten/entitas) dan pada setiap periode waktu penelitian.

Menurut Widarjono (2007), terdapat beberapa kemungkinan yang akan muncul atas adanya asumsi terhadap intercept, slope, dan variabel gangguannya (e). Untuk itu, model regresi data panel yang akan di estimeasi wajib membutuhkan asumsi terhadap intercept, slope, dan variabel gangguannya (e). Asumsi-asumsi tersebut sebagai berikut:
  • Intercept dan slope di asumsikan tetap sepanjang periode waktu dan seluruh objek penelitian (perusahaan/entitas/emiten). Sehingga perubahan terhadap intercept dan slope telah dijelaskan oleh variabel gangguan (e) atau residual.
  • Slope di asumsikan tetap tetapi intercept berbeda antara objek penelitian (perusahaan/entitas/emiten)
  • Slope di asumsikan tetap tetapi intercept berbeda pada antar waktu dan individu.
  • Intercept dan slope di asumsikan berbeda antar individu.Intercept dan slope di asumsikan berbeda antar waktu (periode) dan individu.
Dengan adanya beberapa asumsi tersebut, maka munculah beberapa model/teknik yang dapat mengestimasi Model Regresi Data Panel. Model/teknik pada Regresi Data Panel pada umumnya ada 3 yaitu Common Effect, Fixed Effect, dan Random Effect.

Common Effect Model (CEM) dan Fixed Effect Model (FEM) pada Regresi Data Panel menggunakan pendekatan Ordinary Least Squared (OLS) untuk mengestimasi model. Sedangkan Random Effect Model (REM) menggunakan pendekatan Generalized Least Squared (GLS) untuk mengestimasi model. Uji Asumsi Klasik Untuk pendekatan OLS (Common Effect Model & Fixed Effect Model) dan pendekatan GLS (Random Effect Model) berbeda. berikut ini merupakan tabel pengujian asumsi klasik untuk data panel


Uji Normalitas

Uji Normalitas bertujuan untuk melihat apakah data pada penelitian berdistribusi normal atau tidak. Akan tetapi, uji normalitas bukan merupakan syarat BLUE (Best Linier Unbias Estimator) menurut Prof. Mudrajad Kuncoro. Buku karangan Prof. Mudrajad Kuncoro (Judul: Metode Riset untuk Bisnis & Ekonomi) ini membahas uji Asumsi Klasik pada pendekatan OLS. Pada Regresi Data Panel, Model FEM dan CEM menggunakan pendekatan OLS. Jadi uji normalitas tidak wajib pada pendekatan OLS, sementara wajib untuk pendekatan GLS.

Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk melihat apakah data terjadi gejala heteroskedastisitas atau tidak. Uji ini hanya akan akurat jika Anda lakukan untuk data cross section. Data panel memiliki ciri-ciri yang lebih dekat ke data cross section dari pada data time series. Sehingga Uji Heteroskedastisitas Wajib Anda lakukan untuk pendekatan OLS. Sementara untuk pendekatan GLS, uji Heteroskedastisitas tidak Wajib. Kenapa ? Karena pendekatan GLS berguna untuk menyembuhkan gejala heteroskedastisitas. Sehingga model REM diasumsikan terbebas dari gejala heteroskedastisitas.

Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk melihat korelasi antara variabel bebas. Sudah jelas uji ini hanya dilakukan pada model regresi yang memiliki lebih dari 1 variabel bebas. Jadi, jika penelitian Anda menggunakan lebih dari 1 variabel bebas, maka model apapun yang terpilih (FEM / CEM / REM) wajib dilakukan uji Multikolinearitas.

Uji Autokorelasi

Uji Autokorelasi hanya akan terjadi pada model regresi linier data time series. Jika Anda gunakan pada data cross section maupun data panel maka hanya sia-sia saja. Apa alasannya ? Karena sifat Cross Section lebih mewakili data panel. Sementara sifat time series tidak begitu dominan. Menurut Nachrowi dan Mahyus Eka, uji autokorelasi hanya memiliki satu nilai dalam 1 model regresi. Jika dalam satu model ada beberapa nilai (hasil) uji autokorelasi (misalnya DW) maka uji tersebut tidak lagi sah. Hasil uji autokorelasi akan berubah jika urutan data diubah-ubah (dalam hal ini lebih mengarah ke cross section). Sedangkan data time series hanya memiliki satu kemungkinan urutan data (urutan data bulanan / tahunan / periode lain tidak bisa diubah toh ?), sedangkan data cross section dan data panel memiliki kemungkinan urutan.