Regresi Data Panel dengan ST S TATA 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. Panel .
Dalam tutorial ini kita asumsikan akan melakukan uji regresi data panel dengan 3 variabel bebas, yaitu !, " dan 3 serta ! variabel terikat yaitu y. Di mana melibatkan #$ subject atau yang disebut dengan panel dan masing%masing subject mempunyai data runtut &aktu selama !$ tahun 'per tahun(. )adi bila kita hitung maka #$ !$ * #$$ observasi.
Silahkan buka aplikasi STATA anda dan kemudian isi data editor sesuai contoh di ba&ah ini atau anda bisa langsung do&nload +le kerja tutorial ini D S-. S-.
Dataset Data Panel angkah pertama adalah ketikkan perintah sebagai berikut di kotak command kemudian tekan enter/
. tsset id thn, yearly
Perhatikan command di atas: tsset: perintah declare panel data id: Subject thn: Time Series
!
Perintah 'command( di atas bertujuan untuk membentuk atau declare dataset panel data time series agar pengujian data panel dapat dilakukan. 0asilnya adalah sebagai berikut/
panel variable: id (strongly balanced) time variable: thn, 2000 to 2009 delta: 1 year
Arti di atas adalah/ Terbentuk panel data dengan subject 1id1 dan time series variabel 1thn1 berupa interval tahun 'tearly( yang dimulai dari tahun "$$$ sd "$$2 '!$ tahun(. Strongly balanced artinya secara seragam, masing%masing subject '1id1( mempunyai jumlah pengulangantime series yang sama yaitu !$ tahun.
angkah 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/
"
4tsum Data Panel Sesuai tahapan seperti yang dijelaskan dalam artikel sebelumnya, maka kita akan melakukan pemilihan metode estimasi. angkah pertama adalah melakukan uji Pooled east S5uare 'PS(, caranya/ . reg y x1 x2 x3
Perhatikan command di atas: re: perintah P!S y: Variabel terikat x1: Variabel bebas x1 x2: Variabel bebas x3 x3: Variabel bebas x3 ihat outputnya6
Pooled east S5uare Selanjutnya lakukan uji regresi data panel 7ied 89ect :odel '78(, yaitu/ . xtreg y x1 x2 x3, e
Perhatikan command di atas: xtre: perintah "xed atau random e#ect $e adalah options memilih "xed e#ect y: Variabel terikat 3
x1: Variabel bebas x1 x2: Variabel bebas x3 x3: Variabel bebas x3 ihat outputnya6
7ied 89ect Selanjutnya lakukan uji regresi data panel Random 89ect :odel 'R8(, yaitu/ . xtreg y x1 x2 x3
Perhatikan command di atas: xtre: perintah "xed atau random e#ect Tanpa adanya options memilih "xed e#ect% maka secara de$ault pilihan uji adalah random e#ect y: Variabel terikat x1: Variabel bebas x1 x2: Variabel bebas x3 x3: Variabel bebas x3 ihat outputnya6
;
Random 89ect
Perhatikan command di atas: estimates: perintah melakukan estimasi store: menyimpan data $e: "xed e#ect re: random e#ects ols: ordinary least s&uare estimates table $e re ols% star stats'( r2 r2)a*: memunculkan table yan berisi data hasil uji t parsial "xed e#ects% random e#ects dan P!S+ Star berarti memberi tanda bintan bai yan menerima ,1 stats'( r2 r2)a* berarti memunculkan jumlah sampel% nilai r s&uare dan adjusted r s&uare
8stimate >utput
#
:aka akan muncul variabel baru pada data editor, yaitu secara berurutan variabel/ "est"ols, "est"e dan "est"re.
8stimate Dataset ?emudian interprestasikan dan ambil kesimpulan sesuai Diagram Pilihan Metode Estimasi pada artikel sebelumnya. =aranya adalah sebagai berikut/
Chow Test =ho& Test, untuk menentukan pilihan antara PS dan 78. :aka lihat output 786
=ho& Test
(#ihat pada tanda panah merah$) ?arena P @alue 'Prob7( B Alpha $,$# maka 0! diterima yang artinya pilihan yang terbaik adalah 78. Hausman Test ?arena pilihan jatuh pada 78, maka selanjutnya kita tentukan apakah lebih baik 78 atau R8. =aranya adalah melalui 0ausman Test, yaitu ketikkan command dan enter/ . %uietly xtreg y x1 x2 x3, e . estimates store e . %uietly xtreg y x1 x2 x3, re . estimates store re . hausman e re
Perhatikan command di atas: C
y: Variabel terikat x1: Variabel bebas x1 x2: Variabel bebas x3 x3: Variabel bebas x3
:aka akan muncul output sebagai berikut/
0ausman Test
(#ihat pada tanda panah merah$) ?arena P @alue 'Prob=hi"(BAlpha $,$# maka 0! diterima atau yang berarti pilihan terbaik adalah 78 dari pada R8. Lagrange Multiplier Test agaimana seandainya pada =ho& Test pilihan terbaik adalah PS atau pada 0ausman Test ternyata pilihan terbaik adalah R8E :aka kita harus melanjutkan ke tahap berikutnya untuk menentukan pilihan terbaik apakah PS atau R8, yaitu dengan uji agrange :ultiplier Test. =aranya ketikkan command dan enter/ . xtreg y x1 x2 x3, re . xttest0
Perhatikan command di atas: xtre denan options re: perintah random e#ects y: Variabel terikat x1: Variabel bebas x1 x2: Variabel bebas x3 x3: Variabel bebas x3 xttest-: perintah !arane .ultiplier Test
:aka output muncul sebagai berikut/
F
agrange :ultiplier Test
(#ihat pada tanda panah merah$) ?arena p value 'Prob=hibar"(BAlpha $,$# maka 0! diterima atau yang berarti pilihan terbaik adalah R8 dibandingkan PS. Sementara cukup sampai di sini artikel mengenai Regresi Data Panel dengan STATA. Di mana kita sudah bisa menentukan pilihan metode estimasi yang tepat, apakah PS, 78 atau R8. 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. aca penjelasannya secara detail di Asumsi Regresi Data Panel dengan STATA .
Asumsi Regresi Data Panel dengan STATA Sebelum masuk ke tahap interprestasi hasil analisis dengan regresi data panel, maka setelah mempelajari cara memilih metode estimasi yang tepat untuk regresi data panel dengan stata pada artikel sebelumnya, saatnya kita mempelajari asumsi regresi data panel. Asumsi yang berlaku untuk regresi data panel metode Pooled !east S&uare 'P!S* dan /ixed 0#ects '/0* sama dengan rdinary !east S&uare '!S* karena kedua uji tersebut didasarkan pada metode least s&uare.
Asumsi Multikolinearitas Regresi Data Panel =aranya/ ketikkan =ommand sebagai berikut/ &orr y x1 x2 x3 G
:aksud command di atas/ 5orr artinya uji korelasi pearson product moment y: variabel terikat x1: variabel bebas x1 x2: variabel bebas x2 x3: variabel bebas x3 >utput yang dihasilkan/
Multikolinearitas Data Panel dengan STATA
-ilai%nilai di atas menunjukkan korelasi antar variabel, misal antara ! dengan " nilai korelasinya $,3G3G. Dinyatakan menerima 0$ atau tidak ada masalah multikolinearitas apabila nilai korelasi antar variabel tidak lebih dari $,F#. =ara yang lain/ Pada utputnya/
2
VIF Data Panel dengan STATA
:enerima 0! atau ada indikasi multikolinearitas tinggi apabila nilai :ean @7 !$. Setelah 78 dan R8 dengan cara/ . xtreg y x1 x2 x3, e . vi, uncentered :aksud command di atas/ xtre artinya uji eresi 7ata Panel /0 artinya /ixed 0#ects y: variabel terikat x1: variabel bebas x1 x2: variabel bebas x2 x3: variabel bebas x3 vi$: nilai variance in6atin $actor+ >utputnya/
VIF Data Panel Setelah FE dengan STATA
:enerima 0! atau ada indikasi multikolinearitas tinggi apabila nilai :ean @7 !$.
Asumsi Heteroskedastisitas Regresi Data Panel Perlu diingat kembali bah&a utputnya/
!$
Heteroskedastisitas Data Panel PLS dengan STATA
:enerima 0! atau Terjadi 'Prob=hi"( B Alpha '$,$#(.
masalah
heteroskedastisitas
apabila
nilai
apabila
nilai
=aranya Setelah 78/ . xtreg y x1 x2 x3, e . xttest3 >utputnya/
Heteroskedastisitas Data Panel FE dengan STATA
:enerima 0! atau Terjadi 'Prob=hi"( B Alpha '$,$#(.
masalah
heteroskedastisitas
Asumsi Autokorelasi Regresi Data Panel =aranya/ . xtserial y x1 x2 x3 >utputnya/
Autokorelasi Data Panel dengan STATA
Terjadi masalah Autokorelasi apabila nilai 'Prob=hi"( B Alpha '$,$#(.
!!
Interprestasi Asumsi Klasik Regresi Linear dengan STATA Sebelumnya kita telah membahas cara melakukan uji regresi linear dengan menggunakan aplikasi STATA dalam artikel yang berjudul/ •
Regresi inear dengan STATA
•
nterprestasi Regresi inear dengan STATA
Pada pembahasan kali ini adalah melanjutkan kedua artikel di atas, yaitu bagaimana menginterprestasikan asumsi klasik pada regresi linear dengan menggunakan aplikasi STATA. Sedikit revie&/ Asumsi klasik yang akan kita uji antara lain uji normalitas, heteroskedastisitas dan multikolinearitas.
ormalitas ngat bah&a asumsi normalitas pada regresi linear adalah pada residualnya. Residual adalah beda antara H dan H Prediksi. Sedangkan H Prediksi adalah -ilai H atau variabel dependen yang diperkirakan berdasarkan persamaan regresi yang didapat.
•
ihat nilai Probchi" pada ske&nesskurtosis test Ior -ormality. Apabila nilainya lebih dari $,$# maka residual berdistribusi normal. Di atas !"
nilainya $,F$"G maka residual berdistribusi normal. Sehingga berdasarkan uji Ske&ness ?urtosis, residual dinyatakan berdistribusi normal. •
•
•
ihat nilai ProbJ pada shapiro%&ilk & test Ior -ormal data. Apabila nilainya lebih dari $,$# maka residual berdistribusi normal. Di atas nilainya $,C#23F maka residual berdistribusi normal. Sehingga berdasarkan uji Shapiro Kilk, residual dinyatakan berdistribusi normal. ihat nilai ProbJ pada shapiro%7rancia & test Ior -ormal data. Apabila nilainya lebih dari $,$# maka residual berdistribusi normal. Di atas nilainya $,GG#"3 maka residual berdistribusi normal. Sehingga berdasarkan uji Shapiro Kilk, residual dinyatakan berdistribusi normal. :engapa ada 3 jenis ujiE seharusnya ! uji saja sudah cukup. Pilihannya adalah bila jumlah sample atau observasi kecil B #$ sebaiknya menggunakan Shapiro%Kilk atau Shapiro%7rancia. Sedangkan untuk sampel besar #.$$$, lebih baik menggunakan ske&ness kurtosis. Shapiro Kilk valid hanya sampai !$$$ observasi sedangkan Shapiro 7rancia hingga #$$$.
erikut di ba&ah ini juga dilampirkan hasil uji dengan metode gra+k 0istogram. Dinyatakan berdistribusi normal apabila diagram menyerupai 1elonceng1 menghadap ke atas.
!3
Di atas diagram menyerupai bel menghadap ke atas, maka dinyatakan berdistribusi normal. Sebaiknya untuk menambah &a&asan, anda baca artikel kami yang berjudul -ormalitas pada STATA.
Heteroskedastisitas
Di atas nilai p value sebesar $,F;#! di mana $,$# maka model regresi bebas dari gejala heteroskedastisitas atau disebut juga bersiIat homoskedastisitas. erikut juga dilampirkan hasil uji dengan metode gra+k scatter antara +tted value dan residual. Apabila plot menyebar merata di atas dan di ba&ah sumbu $ dan tidak membentuk sebuah pola tertentu, maka dinyatakan tidak ada gejala heteroskedastisitas.
!;
Pada Diagram di atas, plot menyebar merata di atas dan di ba&ah sumbu $ dan tidak membentuk sebuah pola tertentu, maka dinyatakan tidak ada gejala heteroskedastisitas.
Multikolinearitas :ultikolinearitas bisa diartikan dengan mudah yaitu terdapat korelasi kuat antar variabel independen. :odel regresi yang bagus harus bebas dari gejala multikolinearitas. ?arena multikolinearitas adalah korelasi antar variabel independen, maka asumsi ini hanya berlaku pada uji regresi linear berganda di mana terdapat lebih dari satu variabel independen.
ihat nilai @7 dan !@7 di atas, apabila @7 B !$ dan !@7 $,! maka dapat dikatakan bah&a model regresi linear berganda bebas gejala multikolinearitas. -ilai !@7 bisa disebut juga dengan istilah 1Tolerance1. Apabila anda menggunakan aplikasi SPSS maka istilah Tolerance yang digunakan. Demikianlah serangkaian tutorial dan penjelasan tentang uji regresi linear dengan menggunakan aplikasi STATA.
!#