Menentukan Langkah Data Panel dengan EVIEWS

Tinggalkan komentar

Menurut Winarno (2009), mengemukakan secara ringkas langkah – langkah data panel adalah sebagai berikut:
1. Estimasi dengan Fixed Efect.
2. Uji Chow-test (Pool Vs Fixed efek).
a. Jika Ho diterima, maka model Pool (common). (selesai sampai disini)
b. Jika Ho ditolak, maka model Fixed efek. (teruskan langkah 3)
3. Estimasi dengan Random Efek.
4. Uji Hausman (Random Vs Fixed).
a. Jika Ho: diterima, maka model Random efek (selesai sampai disini)
b. Jika Ho: ditolak, maka model Fixed efek (lanjutkan langkah 5)
5. Uji LM test: adanya Heterosedastik antar kelompok individu (crossection).
Ho: Homosedastik
H1: Heterosedasti
a. Jika Ho diterima, maka model Homosedastik (selesai)
b. Jika Ho ditolak, maka model Heterosedastik. Solusi: dengan Crossection Weight (dan lanjutkan langkah 6)
6. Uji LR test: adanya Heterosedastik dan Otokorelasi antar kelompok individu (crossection).
Ho: Struktur Heterosedastik
Ho: struktur SUR
a. Jika Ho diterima, maka model herosedastik. Solusi: dengan Crossection Weigth.
b. Jika Ho ditolak, maka model SUR. Solusi: dengan Crossection SUR.

Uji Asumsi Klasik Data Panel

Tinggalkan komentar

Kelebihan penelitian menggunakan data panel adalah data yang digunakan menjadi lebih informatif, variabilitasnya lebih besar, kolineariti yang lebih rendah diantara variabel dan banyak derajat bebas (degree of freedom) dan lebih efisien (Hariyanto, 2005). Panel data dapat mendeteksi dan mengukur dampak dengan lebih baik dimana hal ini tidak bisa dilakukan dengan metode cross section maupun time series.
Panel data memungkinkan mempelajari lebih kompleks mengenai perilaku yang ada dalam model sehingga pengujian data panel tidak memerlukan uji asumsi klasik (Gujarati 1992 dalam Wahyuddin et al). Menurut Nachrowi (2006) dalam menganalisis regresi memerlukan dipenuhinya berbagai asumsi agar model dapat digunakan sebagai alat prediksi yang baik. Namun tidak jarang dari asumsi yang digunakan terjadi masalah dalam modelnya. Berbagai masalah yang sering dijumpai dalam analisis regresi adalah Multikolineritas, Heteroskedasitas, dan Otokorelasi.

Mengenal Data Panel

Tinggalkan komentar

Data panel merupakan data yang terdiri dari data cross section contoh, yakni laporan keuangan dari perusahaan yang tergabung di saham LQ45 dan data time series contoh, yakni tahun 2008 sampai dengan tahun 2009.
Sesuai dengan permasalahan dan bentuk data yang bersifat panel, serta kepentingan pengujian hipotesis, maka teknik analisis yang digunakan dalam penelitian ini meliputi analisis statistik dengan menggunakan bantuan komputer melalui program siap pakai EVIEWS versi 6.0. Data panel merupakan gabungan dari data cross section dan time series yang menyebabkan jumlah pengamatan menjadi banyak sehingga diperlukan teknik tersendiri dalam menganalisis data panel yakni melalui program EVIEWS (Djalal Nachrowi et al, 2006). Sebelum dilakukan analisis statistik terlebih dahulu dijelaskan tentang perhitungan variabel penelitian yaitu EVA dan Return saham.

 

Estimate Data Panel

Tinggalkan komentar

Menurut Djalal Nachrowi (2007) mengatakan bahwa pakar ekonometrika telah membuat asumsi dalam pemilihan model yang tepat antara Fixed Effect dan Random Effect, dengan kriteria berikut:
1. Apabila data individu lebih banyak dibandingkan data runtun waktu maka diasumsikan untuk memilih model Random Effect.
2. Apabila data runtun waktu lebih banyak dibandingkan data runtun waktu maka uji Fixed Effect yang lebih tepat digunakan.
Namun itu semua tidak bisa dijadikan acuan tetap karena menurut Gujarati (2003) dalam Pratomo (2007) menyatakan syarat pemilihan antara model yang tepat antara Fixed Effect dan Random Effect, dengan kriteria berikut:
1. Apabila nilai chi square statistik pada uji hausman signifikan, berarti model dapat diestimasi dengan model Fixed Effect.
2. Apabila nilai chi square statistik pada uji hausman tidak signifikan, berarti penelitian dapat menggunakan model Random Effect atau Fixed Effect Model karena hanya berbeda secara substansi.

Ikuti

Get every new post delivered to your Inbox.