Tutorial Cara Regresi Data Panel dengan STATA

Regresi Data Panel dengan STATA

Bahasan kali ini akan membahas 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.

Tutorial Data Panel dengan STATA

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.

Data Panel dengan STATA
Data Panel dengan STATA

Deklarasi Panel Data

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.

Summary Data Panel

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.

Pooled Least Square

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

Fixed Effects

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

Stored Dataset STATA

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.

Output Hausman Regresi Data Panel dengan STATA

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.

Output LM Regresi Data Panel dengan STATA

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. Pelajari juga Tutorial Cara Input data Panel dengan Eviews dan Tutorial Regresi Data Panel Dinamis atau GMM dengan STATA. Demikian telah kami jelaskan tutorial regresi data panel dengan STATA.

Baca juga: Regresi Data Panel RStudio, Cara dan Tutorial dengan Contoh Analisis!

By Anwar Hidayat

Jasa Olah Data Aman Terpercaya
TINJAUAN IKHTISAR
Regresi
Artikel SebelumnyaPenjelasan Metode Analisis Regresi Data Panel
Artikel BerikutnyaAsumsi Regresi Data Panel dengan STATA
Founder dan CEO dari Statistikian Sejak 2012. Melayani jasa bantuan olah dan analisis data menggunakan berbagai aplikasi statistik, seperti: SPSS, LISREL, STATA, Minitab, EViews, AMOS, SmartPLS, R Studio, NCSS, PASS dan Excel. Silahkan WhatsApp: 081515699060. Biaya 100 ribu sd 300 ribu Sesuai Beban. Proses 1 sd 3 Hari Tergantung Antrian. Email: anwar@statistikian.com. Nomor Aduan/Complain Layanan: 088809999079 (ANWAR HIDAYAT).
regresi-data-panel-dengan-stataTutorial ini menjelaskan bagaimana caranya melakukan uji regresi data panel dengan menggunakan aplikasi STATA. Di mana STATA sangat powerfull dalam hal ini dibandingkan dengan aplikasi lainnya. Kelebihannya, dengan STATA kita juga dapat melakukan regresi data panel dengan disertai robust terhadap berbagai jenis masalah asumsi.

13 KOMENTAR

  1. 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

  2. tutorialnya sangat bermanfaat, terima kasih banyak yaa.

    saya mau bertanya,

    saya telah menguji data panel saya dengan hausman tes, tapi ternyata model data saya tidak sesuai dengan hausman tes karena nilai chi2-nya minus.

    lalu saya lihat di sebuah forum, untuk masalah yang demikian, teshausman harus dengan sigmamore

    tujuan dari sigmamore pada hausman tes ini apa ya ? lalu analisisnya apakah sama dengan tes hauman biasa ?

    saya ucapkan terima kash banyak sebelumnya.

    • Pada command STATA silahkan ketik:
      findit xtoverid

      Kemudian pada pilihan instalasi silahkan anda pilih: xtoverid.ado, kemudian click here to install.

      Fungsi xtoverid menggantikan hausman test yang negatif.

  3. maag mas mau nannya mengapa hasil uji hausman saya eror :
    tilisannya seperti ini :
    b = consistent under Ho and Ha; obtained from xtreg
    B = inconsistent under Ha, efficient under Ho; obtained from xtreg

    Test: Ho: difference in coefficients not systematic

    chi2(8) = (b-B)'[(V_b-V_B)^(-1)](b-B)
    = -11.99 chi2 model fitted on these
    data fails to meet the asymptotic
    assumptions of the Hausman test;
    see suest for a generalized test

TINGGALKAN KOMENTAR

Silakan masukkan komentar anda!
Silakan masukkan nama Anda di sini