Selasa, 21 Februari 2012

Model Pengambilan Keputusan Dalam Panel Data


Data panel adalah gabungan antara data silang (cross section) dengan data runtun waktu (time series). Data panel diperkenalkan oleh Holwes pada tahun 1950. Dalam panel data, persamaan dengan menggunakan data cross section dapat ditulis sebagai berikut:
N adalah banyaknya data cross-section
Sedangkan persamaan model dengan time-series adalah :
 
T adalah banyaknya data time-series.
  Data panel adalah gabungan antara data silang (cross section) dengan data runtun waktu (time series), maka model dapat ditulis dengan persamaan sebagai berikut :
dimana :
N          = banyaknya observasi
T          = banyaknya waktu
N × T    = banyaknya data panel
  Analisis model panel data terdapat dua macam pendekatan yang terdiri dari pendekatan efek tetap (fixed effect), dan pendekatan efek acak (random effect). 

a.   Model Pendekatan Efek Tetap (Fixed Effects).
  Pendekatan ini mengizinkan intercept bervariasi antar unit cross-section  namun tetap mengasumsikan bahwa slope koefisien adalah konstan antar unit cross-section. Penambahan variabel boneka ini dapat mengurangi banyaknya degree of freedom yang pada akhirnya akan mempengaruhi koefisien dari parameter yang diestimasi 
 Model Fix Effect : Yit = β0 + β1X1ij+ β2X2ij3D3 + β4D4+ β5D5 +  eit
Contoh artikel klik disini


b.   Model Pendekatan Efek Acak (Random Effect).
 random
 Intersep karena perbedaan responden (crossectional) β0i diganti dengan intersep yang menunjukan rata-rata intersep populasi. Error model (Vit) terdiri dari Error karena Crossectional perbedaan perusahaan (µi) dan karena Error total kombinasi antara Corssectional dan Time Series (eit)
 Pendekatan ini mengasumsikan unobservable individual effects (ui) tidak berkorelasi dengan regressor (X) atau dengan kata lain ui diasumsikan bersifat random. Sebelum model diestimasi dengan model yang tepat, terlebih dahulu dilakukan uji spesifikasi apakah fixed effect atau random effect atau keduanya memberikan hasil yang sama.   
 Contoh artikel klik disini

Pilihan antara fixed Effect dan random effect ditentukan dengan menggunakan uji goodness of fit. Untuk pendekatan Fixed effect atau common menggunakan uji F statistik. Adapun uji F test yang dilakukan adalah sebagai berikut:
Dimana: RSS 1= Residual Sum Square metode common, RSS 2 = Residual Sum Square metode fixed effect, n = jumlah unit cross section, T = jumlah unit waktu dan K = jumlah parameter yang diestimasi. Jika ternyata hasil perhitungan uji F ≥ F (n - 1 , nT - n - K) ini berarti Ho ditolak, artinya intersep untuk semua unit cross section tidak sama. Dalam hal ini, akan digunakan fixed effect  model untuk mengestimasi pesamaan regresi.
 Contoh artikel klik disini
  Dalam penelitian ini pemilihan model fixed effect dan random effect juga digunakan redundan fixed effect test dan correlated random effect (Hausman test). Dasar pengambilan keputusanya adalah apabila cross-section F statistik hasil uji redundan fixed effect test lebih besar dari F maka pengambilan keputusannyamodel yang digunakan adalah fixed effect model, sedangkan correlated random effect (Hausman test) dasar pengambilan keputusanya adalah apabila cross-section random tidak signifikan pada taraf 5% maka model yang digunakan adalah fixed effect model.



1 komentar:

Dawud Tan mengatakan...

permisi pak, saya pernah menulis tentang fungsi autocorrelation untuk penentuan pola data time series apakah musiman, tren, atau stationer, di artikel berikut: http://datacomlink.blogspot.com/2015/12/data-mining-identifikasi-pola-data-time.html yang ingin saya tanyakan, apakah ada teknik lain untuk mencari pola data time series selain fungsi autocorrelation ya pak? terima kasih

Posting Komentar

Silahkan cantumkan alamat email atau CP anda jika ingin komentar dan tertarik untuk mengikuti pelatihan statistik, agar secepatnya dapat kami jawab pertanyaan anda. Terima kasih sebelumnya.