📊

Analisis Regresi Data Panel

Nov 20, 2024

Catatan Kuliah: Analisis Regresi Data Panel

Pengantar

  • Pembicara memperkenalkan tema: analisis regresi data panel, konsep analisis dengan if-use, dan interpretasi output.

Apa itu Regresi Data Panel?

  • Metode regresi untuk penelitian bersifat panel.
  • Pengembangan dari regresi linier dengan metode Ordinary Least Square (OLS).
  • Karakteristik: data cross-section dan time series.
  • Tujuan: melihat perbedaan karakteristik antar individu dalam beberapa periode.

Tahapan Analisis Regresi Data Panel

  1. Pemilihan model regresi.
  2. Pengujian asumsi klasik.
  3. Uji kelayakan model.
  4. Interpretasi model.

Teknik dalam Regresi Data Panel

  • Tiga teknik: Common Effect, Fixed Effect, dan Random Effect.
  • Regresi data panel digunakan jika data bersifat panel.

Jenis Data Berdasarkan Dimensi Waktu

  1. Cross-section: Data dalam satu periode (contoh: penjualan perusahaan dalam satu tahun).
  2. Time series: Data periodik (contoh: penjualan dalam beberapa tahun).
  3. Panel: Gabungan cross-section dan time series.

Estimasi Model Regresi Data Panel

  • Model: Y_IT = α + β1X1_IT + β2X2_IT + ... + βM XN_IT + E_IT.
  • Y_IT = variabel terikat, X_IT = variabel bebas.
  • Estimasi: prediksi parameter regresi (intercept dan slope).

Tahapan Regresi Data Panel

  1. Estimasi Model: Hasilkan Common Effect Model (CEM), Fixed Effect Model (FEM), Random Effect Model (REM).
  2. Pemilihan Model: Uji Chow, Uji Hausman, Uji Lagrange Multiplier.
  3. Uji Asumsi Klasik: Uji Normalitas, Multikolinieritas, Heteroskedastisitas, dan Autokorelasi.
  4. Uji Kelayakan Model: Analisis koefisien determinasi R², uji hipotesis (uji F dan uji T).
  5. Interpretasi Model.

Contoh Kasus Penelitian

  • Pengaruh Indeks Pembangunan Manusia (IPM) dan Pertumbuhan Ekonomi (PDRB) terhadap tingkat kemiskinan di Sumatera Selatan (2015-2019).
  • Data cross-section: 17 kabupaten/kota.
  • Data time series: 5 tahun.

Pengolahan Data dengan E-Views

  1. Input data dari file Excel.
  2. Estimasi model (CEM, FEM, REM).
  3. Uji model yang diperoleh dan interpretasi output.

Pengujian Model

Uji Chow

  • Hipotesis: CEM lebih tepat dibandingkan FEM.
  • Keputusan: Jika nilai probabilitas < 0,05, tolak HO (FEM lebih baik).

Uji Hausman

  • Hipotesis: REM lebih tepat dibandingkan FEM.
  • Keputusan: Jika nilai probabilitas < 0,05, tolak HO (FEM lebih baik).

Uji Lagrange Multiplier

  • Hipotesis: CEM lebih tepat dibandingkan REM.
  • Keputusan: Jika nilai probabilitas < 0,05, tolak HO (REM lebih baik).

Analisis Asumsi Klasik

  1. Uji Normalitas: Menggunakan metode Jarque-Bera.
  2. Uji Multikolinieritas: Menggunakan korelasi.
  3. Uji Heteroskedastisitas: Memeriksa masalah heteroskedastisitas.
  4. Uji Autokorelasi: Menggunakan metode Durbin-Watson.

Uji Kelayakan Model

  • Koefisien Determinasi (R²): Menunjukkan kontribusi kedua variabel terhadap perubahan tingkat kemiskinan.
  • Uji F: Menunjukkan pengaruh signifikan secara bersama-sama.
  • Uji T: Menguji pengaruh signifikan masing-masing variabel.

Kesimpulan Model Regresi

  • Persamaan Regresi: Y = 0,586 + 0,104X1 - 0,193X2.
  • Interpretasi:
    • Jika IPM meningkat 1%, tingkat kemiskinan meningkat sebesar 0,104% (asumsi pertumbuhan ekonomi konstan).
    • Jika pertumbuhan ekonomi meningkat 1%, tingkat kemiskinan akan turun sebesar 0,193% (asumsi IPM konstan).

Penutup

  • Diharapkan materi ini bermanfaat untuk penelitian dan pemahaman lebih lanjut tentang analisis regresi data panel.
  • Terima kasih, semoga bermanfaat.

Full transcript