1 / 28

Panel Data {Pooled Data}

Panel Data {Pooled Data}. By : Paidi Hidayat. Pengertian Data Panel. Data Panel merupakan gabungan dari data cross section dan data time series sehingga jumlah pengamatan menjadi sangat banyak.

keren
Télécharger la présentation

Panel Data {Pooled Data}

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Panel Data {Pooled Data} By : Paidi Hidayat

  2. Pengertian Data Panel By : Paidi Hidayat Dept EP USU • Data Panel merupakan gabungan dari data cross section dan data time series sehingga jumlah pengamatan menjadi sangat banyak. • Tipe data panel dapat berupa longitudinal atau micropanel data, yaitu data yang diamati adalah variabel yang sama selama periode waktu tertentu. • Misalnya data pertumbuhan ekonomi propinsi di Indonesia era otda dari tahun 2001-2006. Data ini kumpulan informasi terhadap semua propinsi di Indonesia, yang jumlahnya sebanyak 33 propinsi dan dikumpulkan selama jangka waktu 6 tahun.

  3. Pengertian Data Panel By : Paidi Hidayat Dept EP USU • Jika setiap data unit cross section sama dengan jumlah observasi time series maka data panel disebut balance panel. • Jika jumlah observasi berbeda pada masing-masing anggota panel maka disebut unbalance panel.

  4. Data Cross Section & Time Series By : Paidi Hidayat Dept EP USU • Data cross section merupakan data yang dikumpulkan dalam satu waktu terhadap banyak individu. Misalnya sensus penduduk yang dikumpulkan sekali dalam 10 tahun dan terdiri dari berbagai variabel. • Data time series adalah data yang dikumpulkan dari waktu ke waktu terhadap suatu individu.

  5. Kelebihan Data Panel By : Paidi Hidayat Dept EP USU • Bila data panel berhubungan dengan individu, perusahaan, negara, daerah, dll pada waktu tertentu, maka data tersebut adalah heterogen. • Kombinasi data cross section dan time series akan memberikan informasi yang lebih lengkap, lebih beragam, kurang berkorelasi antar variabel sehingga derajat bebasnya lebih besar dan lebih efisien.

  6. Kelebihan Data Panel By : Paidi Hidayat Dept EP USU • Studi data panel lebih meyakinkan untuk menentukan perubahan dinamis dibandingkan dengan studi berulang dari cross section. • Data panel lebih baik mendeteksi dan mengukur efek yang secara sederhana tidak dapat diukur oleh data time series atau cross section, misalnya efek dari upah minimum.

  7. Kelebihan Data Panel By : Paidi Hidayat Dept EP USU • Data panel membantu studi untuk menganalisis perilaku yang lebih kompleks, misalnya penomena skala ekonomi dan perubahan teknologi. • Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu atau perusahaan karena unit data lebih banyak.

  8. Permodelan Data Panel By : Paidi Hidayat Dept EP USU • Model dengan data cross section. Yi = α + βXi + εi dimana : i = 1, 2, 3, ….., N N = banyaknya data cross section • Model dengan data time series. Yt = α + βXt + εt dimana : t = 1, 2, 3, ….., T T = banyaknya data time series

  9. Permodelan Data Panel By : Paidi Hidayat Dept EP USU • Model dengan Data Panel. Yit = α + β1X1it + β2X2it + εit dimana : i = 1,2,3,….., N t = 1, 2, 3, ….., T N = banyaknya observasi T = banyaknya waktu N x T = banyaknya data panel

  10. Ordinary Least Square (OLS) By : Paidi Hidayat Dept EP USU Teknik ini seperti membuat regresi dengan data cross section atau time series. Akan tetapi, untuk data panel, sebelum membuat regresi harus menggabungkan data cross section dengan data time series. Kemudian data gabungan ini dianggap sebagai satu kesatuan pengamatan yang digunakan untuk mengestimasi model dengan metode OLS. Y = β0 + β1X1 + β2X2 + ε

  11. Fixed Effects Model ( FEM ) By : Paidi Hidayat Dept EP USU Metode ini mengasumsikan bahwa model yang menghasilkan β konstan untuk setiap individu ( i ) tetapi waktu ( t ) kurang realistik sehingga dengan metode ini memungkinkan adanya perubahan β pada setiap i dan t. yit = b1it + b2itx2it + b3itx3it + eit Fixed effects models impose the restrictions : b1it = b1i b2it = b2 b3it = b3 For each ith cross section in the tth time period: yit = b1i + b2x2it + b3x3it + eit Each ith cross-section has its own constantb1i intercept

  12. Fixed Effects Model (FEM) By : Paidi Hidayat Dept EP USU • Semua koefisien konstan antar waktu dan anggota panel. • Koefisien slope konstan tetapi titik potong bervariasi antar anggota panel. • Koefisien slope konstan tetapi titik potong bervariasi antar anggota panel dan waktu. • Semua koefisien bervariasi antar anggota panel. • Semua koefisien bervariasi antar anggota panel dan waktu.

  13. Random Effects Model (REM) By : Paidi Hidayat Dept EP USU • Untuk FEM, perbedaan karakteristik individu (i) dan waktu (t) diakomodir pada intercept sehingga interceptnya berubah antar individu dan waktu. • Untuk REM, perbedaan karakteristik individu (i) dan waktu (t) diakomodir pada error dari model. • Mengingat ada dua komponen yang berkontribusi pada pembentukan error, yaitu individu dan waktu, maka random error pada REM perlu diurai menjadi error untuk komponen individu, error komponen waktu dan error gabungan.

  14. yit = (b1+mi) + b2x2it + b3x3it + eit b1i = b1 + mi yit = b1 + b2x2it + b3x3it + (mi +eit) yit = b1 + b2x2it + b3x3it + nit Random Effects Model (REM) By : Paidi Hidayat Dept EP USU yit = b1i + b2x2it + b3x3it + eit nit = (mi +eit)

  15. Hausman Test By : Paidi Hidayat Dept EP USU • Apabila null hypothesis (H0) diterima maka model yang akan digunakan bisa random effects model(REM) dan fixed effects model (FEM) • Apabila null hypothesis (H0) ditolak maka model yang akan digunakan adalah fixed effects model(FEM)

  16. Pemilihan FEM VS REM By : Paidi Hidayat Dept EP USU • Jika data panel yang dimiliki mempunyai jumlah waktu (T) lebih besar dibanding jumlah individu (N) maka disarankan untuk menggunakan Fixed Effect Model (FEM). T > N → FEM • Jika data panel yang dimiliki mempunyai jumlah waktu (T) lebih kecil dibanding jumlah individu (N) maka disarankan untuk menggunakan Random Effect Model (REM). T < N → REM

  17. Contoh Kasus By : Paidi Hidayat Dept EP USU

  18. Contoh Kasus By : Paidi Hidayat Dept EP USU

  19. Contoh Kasus By : Paidi Hidayat Dept EP USU

  20. Hasil Estimasi Untuk OLS By : Paidi Hidayat Dept EP USU

  21. Hasil Estimasi Untuk FEM By : Paidi Hidayat Dept EP USU

  22. Hasil Estimasi Untuk REM By : Paidi Hidayat Dept EP USU

  23. Hasil Hausman Test By : Paidi Hidayat Dept EP USU Berdasarkan hasil estimasi Hausman test diperoleh kesimpulan bahwa H0 diterima sehingga metode yang terbaik untuk kasus ini adalah Fixed Effect Model (FEM).

  24. Hasil Estimasi OLS Untuk GE By : Paidi Hidayat Dept EP USU

  25. Hasil Estimasi OLS Untuk GM By : Paidi Hidayat Dept EP USU

  26. Hasil Estimasi OLS Untuk US By : Paidi Hidayat Dept EP USU

  27. Hasil Estimasi OLS Untuk West By : Paidi Hidayat Dept EP USU

  28. Terima Kasih By : Paidi Hidayat

More Related