Regresi data panel dapat dilakukan dengan aplikasi STATA dan caranya mudah sekali. Dalam artikel ini kita akan coba mempelajari tutorialnya. Perintah atau command di atas bertujuan untuk membentuk atau declare dataset panel data time series agar pengujian data panel dapat dilakukan. Kemudian interprestasikan dan ambil kesimpulan sesuai Diagram Pilihan Metode Estimasi. Selanjutnya kita tentukan apakah lebih baik PLS, FE atau RE, caranya adalah melalui Chow Test, Hausman Test dan Lagrange Multiplier Test.



Regresi Data Panel dengan STATA

Regresi data panel dapat dilakukan dengan aplikasi STATA dan caranya mudah sekali. Dalam artikel ini kita akan coba mempelajari tutorialnya. Tentunya agar anda dapat dengan mudah memahaminya, maka pelajari dulu artikel kami tentang Regresi Data Panel.

Dalam tutorial ini kita asumsikan akan melakukan uji regresi data panel dengan 3 variabel bebas, yaitu x1, x2 dan x3 serta 1 variabel terikat yaitu y. Di mana melibatkan 50 subject atau yang disebut dengan panel dan masing-masing subject mempunyai data runtut waktu selama 10 tahun (per tahun). Jadi bila kita hitung maka 50 x 10 = 500 observasi. 

Silahkan buka aplikasi STATA anda dan kemudian isi data editor sesuai contoh di bawah ini atau anda bisa langsung download file kerja tutorial ini DI SINI.

Dataset Data Panel
Dataset Data Panel

Langkah pertama adalah ketikkan perintah sebagai berikut di kotak command kemudian tekan enter:
. tsset id thn, yearly

Perhatikan command di atas:
tsset: perintah declare panel data
id: Subject
thn: Time Series

Perintah (command) di atas bertujuan untuk membentuk atau declare dataset panel data time series agar pengujian data panel dapat dilakukan. Hasilnya adalah sebagai berikut:

       panel variable:  id (strongly balanced)
        time variable:  thn, 2000 to 2009
                delta:  1 year

Arti di atas adalah:
Terbentuk panel data dengan subject "id" dan time series variabel "thn" berupa interval tahun (tearly) yang dimulai dari tahun 2000 sd 2009 (10 tahun). Strongly balanced artinya secara seragam, masing-masing subject ("id") mempunyai jumlah pengulangan/time series yang sama yaitu 10 tahun.

Langkah selanjutnya ketikkan command:
. xtsum y x1 x2 x3

Perhatikan command di atas:
xtsum: perintah deskriptive pada panel data
y: Variabel terikat
x1: Variabel bebas x1
x2: Variabel bebas x3
x3: Variabel bebas x3

Artinya kita akan menghitung dan menampilkan hasil uji deskriptive per variabel, baik pada subject secara keseluruhan (overall), per subject (between) dan per tahun (within).

Tampilannya sebagai berikut:

Xtsum Data Panel
Xtsum Data Panel

Sesuai tahapan seperti yang dijelaskan dalam artikel sebelumnya, maka kita akan melakukan pemilihan metode estimasi.

Langkah pertama adalah melakukan uji Pooled Least Square (PLS), caranya:
. reg y x1 x2 x3

Perhatikan command di atas:
reg: perintah PLS
y: Variabel terikat
x1: Variabel bebas x1
x2: Variabel bebas x3
x3: Variabel bebas x3

Lihat outputnya!

PLS
Pooled Least Square

Selanjutnya lakukan uji regresi data panel Fixed Effect Model (FE), yaitu:
. xtreg y x1 x2 x3, fe

Perhatikan command di atas:
xtreg: perintah fixed atau random effect
fe adalah options memilih fixed effect
y: Variabel terikat
x1: Variabel bebas x1
x2: Variabel bebas x3
x3: Variabel bebas x3

Lihat outputnya!

Fixed Effect
Fixed Effect

Selanjutnya lakukan uji regresi data panel Random Effect Model (RE), yaitu:
. xtreg y x1 x2 x3

Perhatikan command di atas:
xtreg: perintah fixed atau random effect
Tanpa adanya options memilih fixed effect, maka secara default pilihan uji adalah random effect
y: Variabel terikat
x1: Variabel bebas x1
x2: Variabel bebas x3
x3: Variabel bebas x3

Lihat outputnya!

Random Effect
Random Effect

Untuk membandingkan ketiga hasil di atas, terlebih dulu menyimpan hasil regresi masing-masing metode dengan command : . estimates store (nama)
Caranya pada kotak command ketikkan lalu enter:
. estimates store fe
. estimates store re
. estimates store ols
. estimates table fe re ols, star stats(N r2 r2_a)

Perhatikan command di atas:
estimates: perintah melakukan estimasi
store: menyimpan data
fe: fixed effect
re: random effects
ols: ordinary least square
estimates table fe re ols, star stats(N r2 r2_a): memunculkan table yang berisi data hasil uji t parsial fixed effects, random effects dan PLS.
Star berarti memberi tanda bintang bagi yang menerima H1
stats(N r2 r2_a) berarti memunculkan jumlah sampel, nilai r square dan adjusted r square


Estimate Output
Estimate Output

Maka akan muncul variabel baru pada data editor, yaitu secara berurutan variabel: _est_ols, _est_fe dan _est_re.

Estimate Dataset
Estimate Dataset

Kemudian interprestasikan dan ambil kesimpulan sesuai Diagram Pilihan Metode Estimasi pada artikel sebelumnya. Caranya adalah sebagai berikut:

Chow Test
Chow Test, untuk menentukan pilihan antara PLS dan FE. Maka lihat output FE!


Chow Test
Chow Test

(Lihat pada tanda panah merah!) Karena P Value (Prob>F) < Alpha 0,05 maka H1 diterima yang artinya pilihan yang terbaik adalah FE.

Hausman Test
Karena pilihan jatuh pada FE, maka selanjutnya kita tentukan apakah lebih baik FE atau RE. Caranya adalah melalui Hausman Test, yaitu ketikkan command dan enter:
. quietly xtreg y x1 x2 x3, fe
. estimates store fe
. quietly xtreg y x1 x2 x3, re
. estimates store re
. hausman fe re

Perhatikan command di atas:
y: Variabel terikat
x1: Variabel bebas x1
x2: Variabel bebas x3
x3: Variabel bebas x3


Maka akan muncul output sebagai berikut:

Hausman Test
Hausman Test

(Lihat pada tanda panah merah!) Karena P Value (Prob>Chi2)<Alpha 0,05 maka H1 diterima atau yang berarti pilihan terbaik adalah FE dari pada RE.

Lagrange Multiplier Test
Bagaimana seandainya pada Chow Test pilihan terbaik adalah PLS atau pada Hausman Test ternyata pilihan terbaik adalah RE? Maka kita harus melanjutkan ke tahap berikutnya untuk menentukan pilihan terbaik apakah PLS atau RE, yaitu dengan uji Lagrange Multiplier Test. Caranya ketikkan command dan enter:
. xtreg y x1 x2 x3, re
. xttest0

Perhatikan command di atas:
xtreg dengan options re: perintah random effects
y: Variabel terikat
x1: Variabel bebas x1
x2: Variabel bebas x3
x3: Variabel bebas x3
xttest0: perintah Lagrange Multiplier Test


Maka output muncul sebagai berikut:

Lagrange Multiplier Test
Lagrange Multiplier Test

(Lihat pada tanda panah merah!) Karena p value (Prob>Chibar2)<Alpha 0,05 maka H1 diterima atau yang berarti pilihan terbaik adalah RE dibandingkan PLS.

Sementara cukup sampai di sini artikel mengenai Regresi Data Panel dengan STATA. Di mana kita sudah bisa menentukan pilihan metode estimasi yang tepat, apakah PLS, FE atau RE.

Selanjutnya kita akan mempelajari post estimasi setelah regresi data panel atau yang disebut dengan asumsi regresi data panel yang bertujuan untuk mengevaluasi hasil model persamaan regresi data panel. Baca penjelasannya secara detail di Asumsi Regresi Data Panel dengan STATA.

Statistikian

Statistikian

Blog Untuk Mempelajari Jenis Uji Statistik, Penelitian, SPSS dan Statistik Berbasis Komputer seperti excel, Stata dan Minitab. Bantuan Olah dan Analisa Data, SMS: 085748695938.

Tinggalkan Komentar:

5 comments:

  1. Sangat Bermanfaat

    ReplyDelete
  2. Pak,kalau sy sudah mengatasi normalitas dengan transformasi data perlukah melakukan tes multikolinieritas lagi. karena waktu sy tes multikolinieritas justru yang tadinya tidak ada multikol jadi ada multikol

    ReplyDelete
    Replies
    1. Harus teratasi semuanya secara bersamaaan atau serentak

      Delete
  3. terimakasih atas sharing ilmunya

    ReplyDelete

Tinggalkan Komentar Anda Di Sini