Analisis Regresi Data Panel Dalam Teori Kata orang, semakin banyak data dan sudut pandang yang digunakan, maka analisis yang dihasilkan akan semakin baik. Nah, kali ini kita akan membahasa tentang hal ini. Biasanya, dalam analisis, kita menggunakan data cross section (satu tahun banyak individu) atau datatime series(banyak tahun satu individu), tetapi kali ini kita akan menggabungkan keduanya alias kita akan menggunakan data panel.Data panel merupakan gabungan data cross section dan time series. Dengan kata lain, data panel merupakan data dari beberapa individu sama yang diamati dalam kurun waktu tertentu. Jika kita memiliki T periode waktu (t = 1,2,...,T) dan N jumlah individu (i = 1,2,...,N), maka dengan data panel kita akan memiliki total unit observasi sebanyak NT. Jika jumlah unit waktu sama untuk setiap individu, maka data disebut balanced panel. Jika sebaliknya, yakni jumlah unit waktu berbeda untuk setiap individu, maka disebut unbalanced panel.Keuntungan memakai data panel :1. Menghasilkandegree of freedomyang lebih besar.2. Mengatasi masalah penghilangan variabel (ommited variabel)3. Dapat mengurangi bias dalam pengestimasian karena data cukup banyak.4. Untuk mempelajari model perilaku individu.5. Mempelajari perubahan yang bersifat dinamis.Dalam analisis data panel ada 3 model pendekatan yang digunakan yaitu :1. ModelCommon Effects2. ModelFixed Effects(FEM)3. ModelRandom Effects(REM)/Error Components Model(ECM)Model Common EffectsPendekatan ini tidak memperhatikan dimensi individu maupun waktu, disebut jugaPooled Regression. Metode estimasinya menggunakanOrdinary Least Squares(OLS).Model persamaan regresinya :Asumsi :Tidak ada multikolinieritas antar variabel bebas yang digunakanModelFixed Effects(FEM)Model ini mengasumsikan bahwa dalam berbagai kurun waktu, karakteristik masing-masing individu adalah berbeda. Perbedaan tersebut dicerminkan oleh nilai intersep pada model estimasi yang berbeda untuk setiap individu.Model persamaan regresinya :Model di atas biasanya dituliskan dalam bentukdummy variabeluntuk menggantikan perbedaan intersep yang ada, sehingga dapat dituliskan sebagai berikut :Asumsi :1. 1. 2. 3. Tidak ada multikolinieritas antar variabel bebas yang digunakan, termasuk variabeldummyKemungkinan tentang intersep, slope, dan residupada Fixed Effect4. Intersep dan slope tetap antar waktu dan individu, perbedaan intersep dan slope dijelaskan oleh residualnya.5. Slope tetap tetapi intersep berbeda antar individu6. Slope tetap tetapi intersep berbeda antar waktu dan antar individu.7. Intersep dan slope berbeda antar individu8. Intersep dan slope berbeda antar waktu dan antar individu.ModelRandom Effects(REM)Model ini juga mengasumsikan bahwa dalam berbagai kurun waktu, karakteristik masing-masing individu adalah berbeda. Hanya saja, dalam REM perbedaan tersebut dicerminkan oleherrordari model.Model persamaan regresinya :Dimana :Sehingga modelnya dapat pula dituliskan sebagai berikut :atau

Asumsi :

Akibat dari asumsi-asumsi di atas maka :

Jikamaka REM dapat diestimasi dengan OLS (cukup menggunakanCommon Effects), jika tidak maka diestimasi denganGeneralized Least Squares(GLS).Cara untuk memilihsalah satu dari ketiga pendekatan yang ada di atas adalah sebagai berikut :Memilih antara modelCommon EffectsVSFixed EffectsUntuk memilih model mana yang lebih cocok antaraCommon EffectsataukahFixed Effects, dapat digunakan Uji Chow (Chow Test) atauRestricted F-Testsebagai berikut :Ho : ModelCommon Effectslebih baik daripadaFixed EffectsH1 : ModelFixed Effectslebih baik daripadaCommon EffectsTingkat signifikansi : alpha Statistik Uji :Dimana : N = jumlah individu (dalam hal ini komoditi)T = jumlah series (tahun)k = jumlah parameter, termasukintercept=koefisien determinasi (R2) dari modelunrestricted/modelFixed EffectsR2R=koefisien determinasi (R2) dari modelrestricted/modelCommon Effects Kriteria Pengambilan Keputusan : Tolak Ho jikaatau jika Memilih antara modelCommon EffectsVSRandom EffectsUntuk memilih model mana yang lebih cocok antaraCommon EffectsataukahRandom Effects, dapat digunakan UjiLagrange Multiplier(LM Test), yaitu sebagai berikut :Ho :H1 :Tingkat signifikansi : alphaStatistik Uji :Kriteria Pengambilan Keputusan : Tolak Ho jikaatau jikaMemilih antara modelFixed EffectsVSRandom EffectsUntuk memilih model mana yang lebih cocok antaraFixed EffectsataukahRandom Effects, dapat digunakan UjiHausman(HausmansTest), yaitu sebagai berikut :Ho : ModelRandom Effectslebih baik daripadaFixed EffectsH1 : ModelFixed Effectslebih baik daripadaRandom EffectsTingkat signifikansi : alpha Statistik Uji :Kriteria Pengambilan Keputusan : Tolak Ho jikaatau jikap = jumlah variabel bebasContoh kasus:Seorang peneliti manajemen melakukan penelitian tentang pengaruh faktor non financial (persentase kepemilikan komisaris independen, serta ratio auditor) terhadap nilai perusahaan. Peneliti ini mengumpulkan data dari 5 perusahaan dengan menggunakan laporan keuangan dari tahun 2008-2012. Berikut adalah data yang terkumpul:NoTahunUKK_INDK_AUDNP

1200840.500.750.99

1200940.500.751.97

1201040.501.003.65

1201140.500.754.41

1201240.500.756.86

2200830.331.000.61

2200930.331.000.79

2201040.251.000.96

2201140.251.001.33

2201230.331.001.37

3200850.400.400.14

3200950.400.600.30

3201050.400.600.98

3201150.400.601.91

3201250.400.601.29

4200830.331.000.29

4200930.331.000.38

4201030.331.000.71

4201130.331.001.10

4201230.331.001.26

52008100.500.400.59

52009100.500.401.62

52010110.450.362.02

52011110.450.362.03

52012110.360.331.78