Sunday, November 27, 2016

DATA PANEL

DATA PANEL

Pada analisis ekonometrika dikenal tiga jenis data yang digunakan, yaitu data cross section, data time series, dan data panel. Data cross section merupakan amatan dari beberapa observasi pada satu waktu tertentu. Data time series merupakan amatan pada suatu observasi untuk satu variabel atau lebih pada kurun waktu tertentu. Sedangkan gabungan dari data cross section dan time series biasa dikenal dengan data panel. Dengan kata lain, data panel merupakan data dari beberapa individu yang diamati dalam kurun waktu tertentu.
Kelebihan dari penggabungan ini salah satunya adalah menjadikan observasi memiliki jumlah yang lebih banyak dengan keterbatasan individu dan atau series waktu. Jika terdapat T periode waktu (t=1,2,...,T) dan n jumlah individu (i = 1,2,...,n) maka dengan data panel akan didapatkan total observasi sebanyak nT.
 Jika jumlah waktu sama untuk setiap individu maka disebut dengan balanced panel, sedangkan jika jumlah unit waktu berbeda untuk setiap individu maka disebut dengan unbalanced panel.
            Menurut Baltagi (2005), penggunaan data panel dalam regresi memiliki beberapa kebaikan, diantaranya:
1.      Data panel mampu menyediakan data yang lebih banyak dan informasi yang lebih lengkap, karena merupakan gabungan antara data time series dan cross section. Dengan demikian, penggunaan data panel akan menghasilkan degree of freedom (df) yang lebih besar yang dapat meningkatkan presisi.
2.      Mampu mengontrol heterogenitas individu yang bisa dilihat dari intersep, slope, atau keduanya. Hal ini yang diabaikan dalam penggunaan OLS.
3.      Mengurangi kolinieritas antar variabel, sehingga dapat menghasilkan estimasi ekonometrik yang efisien.
4.      Mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak diperoleh dari data cross section murni atau data time series murni.
5.      Dapat menguji dan membangun model perilaku yang kompleks.
6.      Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu karena unit observasi terlalu banyak.

Estimasi Model Regresi Data Panel
1.    Common Effect Model (Pooled Least Square)
Common Effect Model (Pooled Least Square) merupakan metode estimasi model regresi data panel paling sederhana degan asumsi intercept dan koefisien slope yang konstan antar waktu dan individu. Pada dasarnya Common Effect Model merupakan metode yang meminimumkan jumlah error kuadrat sama seperti OLS.
Walaupun CEM menawarkan kemudahan, model ini mungkin mendistorsi gambaran yang sebenarnya dari hubungan antara Y dan X antar individu.
Persamaan:



 



Intercept dan koefisien slope yang konstan antar waktu dan individu
Kelemahan Common Effect Model (Pooled Least Square) :
1.      Tidak dibedakannya respon antara variabel independen ke variabel dependen untuk setiap waktu dan berbagai individu untuk menutupi heterogenitas (keunikan) antar individu (tidak dapat melihat perbedaan antar individu atau antar waktu)
2.      Heterogenitas dari masing-masing individu masuk dalam error sehingga konsekuensinya kemungkinan besar error term berkorelasi dengan beberapa variabel independen yang menyebabkan koefisien estimasi akan bias dan tidak konsisten (asumsi model regresi klasik: tidak terjadi korelasi antara variabel independen dengan error term)
3.      Dugaan parameter β akan bias (slope CEM tidak sejajar dengan garis regresi masing-masing individu) karena CEM tidak dapat membedakan antara observasi yang berbeda pada periode yang sama atau observasi yang sama pada periode yang berbeda

2.        Fixed Effect Model
Fixed Effect Model (FEM) merupakan metode estimasi model regresi data panel dengan asumsi koefisien slope konstan dan intersep berbeda antar unit cross section tetapi intersep konstan antarwaktu.
Asumsi:
1.      Variabel bebas boleh berkolerasi dengan residual.
2.      Antar individu deterministik

Persamaan Fixed Effect Model



λi menggambarkan semua variabel yang tidak diobservasi (time constant factor) yang memengaruhi, bila tidak diakomodir akan menyebabkan estimator bias.
3.      Random Effect Model (REM)
Random Effect Model merupakan metode estimasi model regresi data panel denganasumsikoefisien slope konstandan intercept berbeda antar individu dan antar waktu (Random Effect). Dalam pendekatan ini perbedaan antar individu dan antar waktu diakomodasi lewat error.Error dalam pendekatan ini terbagi menjadi error komponen individu, error komponen waktu, dan error gabungan.



Perbedaan antara FEM dan REM
Fixed effects – mengasumsikan λi konstan
Random effects – mengasumsikan λi tidak konstan

Perbedaan CEM, FEM dan REM



0 comments:

Post a Comment