Tutorial Regresi Data Panel Dengan Eviews - Perbedaan antar Individu dan Waktu Pada Data Pooled
Regresi panel terdiri dari data cross section dan data time series. Bicara tentang data, data time series biasanya berupa data deret waktu untuk satu objek, misalnya data harga saham perusahaan A. Sumber data pada data time series hanya satu yakni perusahaan A dan keragaman data mengandalkan data deret waktu seperti contohnya periode tahun 2017 hingga 2021. Sedangkan data cross section merupakan data yang bersumber dari beberapa objek, namun satu waktu. Contoh data cross section adalah data harga saham setiap setiap perusahaan pada tahun 2021. Data tersebut berisi data harga saham di tahun 2021, tetapi terdapat beberapa data karena jumlah perusahaan ada 13 perusahaan.
Data time series biasa diolah dengan analisis time series dan data cross section biasa digunakan dalam penelitian sebab akibat. Namun regresi panel membolehkan menggunakan data campuran dari keduanya. Misalnya data 13 perusahaan dengan periode 5 tahun dari tahun 2017-2021. Artinya pada pengolahan data tersebut, sudah terdapat setidaknya 65 data. Hal ini lah yang menjadi keuntungan dan banyak peneliti menggunakan regresi panel sebagai topik penelitiannya, terutama mahasiswa yang mengerjakan tugas akhir. Dari pengalaman, biasanya sektor perbankan yang memanfaatkan analisis ini.
Alasan menggunakan data panel lebih baik dalam model statistika adalah: pertama, data akan lebih heterogen karena menggunakan individu, daerah, atau perusahaan yang banyak sebagai komponen cross sectionnya. Kedua, kombinasi data time series dan cross section diyakini akan memberikan informasi yang lebih lengkap, lebih beragam, derajad bebas lebih besar, yang kesemua itu menguntungkan dalam perhitungan. Ketiga, studi data panel akan lebih memuaskan untuk menentukan perubahan dinamis dibanding studi yang sama dilakukan berulang ulang dari cross section. Keempat, data panel membantu studi untuk menganalisis prilaku yang lebih kompleks.
Setidaknya ada tiga kelompok regresi panel yang akan dijelaskan pada artikel ini. Ketiga regresi ini berdasarkan sifat random yang disebabkan oleh sebaran error seperti yang dijelaskan di paragraf sebelumnya. Ketiga kelompok regresi panel itu adalah yakni fixed effect, random effect, dan common effect. Perbedaan ketiganya sudah saya jelaskan pada artikel : jenis regresi panel dan mengolah fixed effect.
Terlihat pada output disana nilai koefisien dan slope untuk semua tempat atau wilayah yang sama. Cara membaca output regresi panel sama dengan regresi berganda, yakni memperhitungkan nilai uji F secara keseluruhan, kemudian uji T secara parsial, r square sebagai kebaikmodelnya.
Penjelasan Regresi panel : fixed effect dan random effect
Fixed Effect Model (FE)
Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya.
Random Effect Model (RE)
Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model Random Effect perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan. Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS)
Kedua metode ini memiliki kesamaan, yakni persamaan yang diperoleh memiliki nilai intersep yang berbeda, tetapi slope yang sama. Jika persamaan linearnya adalah Y = a + bX1, maka intersep adalah a, b adalah slope. Kondisi ini memungkinkan adanya persamaan yang berbeda di setiap tempat atau wilayah. Untuk lebih mudahnya langsung praktek saja melalui video ini ya
HS = 1416.49+ 10,78 ROA -113,77 ROE + 50,16 Opm + 9,16 EPS
persamaan ini akan berbeda disetiap perusahaan, perhatikan baris dibawah fixed effect (cross), disana ada penyesuaian untuk perusahaan, dimana untuk ARNA ada penyesuaian intersep sebesar -250,96 sehingga intersep untuk persamaan di perusahaan ARNA menjadi = 1416,49 – 250,96 =1165,53 begitu juga dengan PERSUAHAAN yang lainnya. Sehingga persamaannya menjadi:
HS = 1416.49+ 10,78 ROA -113,77 ROE + 50,16 Opm + 9,16 EPS
HS ARNA = 1165,53 + 10,78 ROA -113,77 ROE 50,16 Opm + 9,16 EPS
HS ASGR = 2879,67 + 10,78 ROA -113,77 ROE + 50,16 Opm + 9,16 EPS
Dari sinilah dikatakan regresi panel dapat membandingkan perusahaan satu dengan yang lain. Pada contoh ini adalah perbedaan nilai Harga saham dengan asumsi penambahan ROA, ROE, OPM dan EPS yang sama di setiap perusahaan.