SkriptasRegresi Data Panel di EViews: Uji Chow, Hausman, LM, dan Cara Membaca Output
Regresi data panel di EViews: struktur workfile, CEM, FEM, REM, uji Chow, Hausman, LM, uji asumsi klasik panel, cara membaca output, dan contoh kalimat.
Regresi data panel adalah analisis regresi untuk data yang menggabungkan dimensi ruang (cross section) dan waktu (time series), misalnya 30 perusahaan diamati selama 5 tahun sehingga menghasilkan 150 observasi. Jenis data ini sangat umum di skripsi akuntansi, manajemen keuangan, dan ekonomi pembangunan, dan EViews adalah alat yang paling sering dipakai. Kebingungan biasanya dimulai saat harus memilih di antara tiga model, menjalankan tiga uji pemilihan, lalu ditanya penguji soal asumsi klasik.
Artikel ini membahas pengertian dan syarat data panel, cara menyusun dan mengimpor data ke EViews, estimasi Common Effect, Fixed Effect, dan Random Effect, uji Chow, Hausman, dan Lagrange Multiplier, uji asumsi klasik yang relevan untuk panel, cara membaca output, dan contoh kalimat Bab 4. Semua angka adalah contoh.
Data panel: pengertian, jenis, dan jumlah minimal
Data panel (pooled data, longitudinal) mengamati unit yang sama berulang kali. Panel balanced bila setiap unit punya jumlah periode yang sama, unbalanced bila ada yang hilang. EViews bisa menangani keduanya, tetapi balanced lebih mudah dijelaskan.
Pertanyaan "data panel minimal berapa tahun" tidak punya jawaban tunggal. Secara teknis dua periode sudah cukup untuk fixed effect, tetapi skripsi umumnya memakai 3 sampai 5 tahun. Yang lebih menentukan adalah jumlah observasi total (N kali T) dan apakah variasi antarwaktu cukup untuk variabel Anda. Dengan 20 perusahaan dan 3 tahun, Anda punya 60 observasi, biasanya cukup untuk 3 sampai 4 variabel bebas.
Keunggulan data panel dibanding cross section murni: lebih banyak observasi, mengendalikan heterogenitas antar unit yang tidak teramati, dan mengurangi masalah kolinearitas. Inilah alasan yang bisa Anda tulis di Bab 3.
Menyusun dan mengimpor data ke EViews
- Susun data di Excel dalam format stacked (long): kolom ID perusahaan, kolom tahun, lalu satu kolom per variabel. Satu baris = satu perusahaan pada satu tahun. Urutkan per perusahaan lalu tahun.
- Di EViews: File, Open, Foreign Data as Workfile, pilih file Excel, ikuti wizard, pastikan header terbaca sebagai nama variabel.
- Bila workfile belum berstruktur panel: klik Proc, Structure/Resize Current Page, pilih Dated Panel, isi Cross section ID series dengan kolom ID dan Date series dengan kolom tahun. OK.
- Periksa di jendela workfile: tertulis "Panel" dengan jumlah cross section dan periode.
Kesalahan paling umum ada di tahap ini: tahun terbaca sebagai teks, nama perusahaan tidak konsisten, atau format Excel yang wide (satu kolom per tahun) sehingga EViews tidak mengenali struktur panel.
Tiga model regresi data panel
| Model | Asumsi | Di EViews |
|---|---|---|
| Common Effect Model (CEM, pooled OLS) | Semua unit dan waktu dianggap sama, satu intersep | Cross-section: None, Period: None |
| Fixed Effect Model (FEM) | Tiap unit punya intersep sendiri yang tetap | Cross-section: Fixed |
| Random Effect Model (REM) | Perbedaan antar unit adalah komponen acak dalam error | Cross-section: Random |
Cara estimasi: Quick, Estimate Equation, ketik persamaan misalnya roa c der size growth (variabel terikat dulu, lalu c untuk konstanta, lalu variabel bebas). Buka tab Panel Options, atur Effects specification Cross-section sesuai tabel, OK. Simpan tiap persamaan dengan nama berbeda (eq_cem, eq_fem, eq_rem) lewat tombol Name.
REM membutuhkan jumlah cross section lebih besar dari jumlah koefisien yang diestimasi. Bila EViews menolak, itu sebabnya.
Uji pemilihan model: Chow, Hausman, LM
Uji Chow (CEM lawan FEM)
Buka persamaan FEM, klik View, Fixed/Random Effects Testing, Redundant Fixed Effects - Likelihood Ratio. Baca baris Cross-section F dan Cross-section Chi-square. Bila Prob. di bawah 0,05, tolak H0 (CEM), pilih FEM. Bila di atas 0,05, CEM lebih baik.
Uji Hausman (FEM lawan REM)
Buka persamaan REM, klik View, Fixed/Random Effects Testing, Correlated Random Effects - Hausman Test. Baca Cross-section random, kolom Prob. Bila Prob. di bawah 0,05, pilih FEM. Bila di atas 0,05, pilih REM. Catatan: Hausman kadang menghasilkan statistik negatif atau peringatan varians tidak definit positif. EViews akan menampilkannya dan biasanya ditafsirkan sebagai tidak menolak H0 (REM), tetapi konsultasikan dengan pembimbing.
Uji Lagrange Multiplier (CEM lawan REM)
Buka persamaan CEM (pooled), klik View, Fixed/Random Effects Testing, Omitted Random Effects - Lagrange Multiplier. Baca Breusch-Pagan, baris Cross-section. Bila Prob. di bawah 0,05, pilih REM. Bila di atas 0,05, CEM.
Alur keputusan
- Chow: bila FEM menang, lanjut Hausman. Bila CEM menang, lanjut LM.
- Hausman: FEM menang berarti model akhir FEM. REM menang berarti model akhir REM (banyak pedoman juga meminta LM sebagai penegas).
- LM: REM menang berarti model akhir REM. CEM menang berarti model akhir CEM.
Uji asumsi klasik untuk data panel
Di sini perdebatannya nyata. Secara teori ekonometrika (Gujarati, Wooldridge), FEM dan REM memakai pendekatan estimasi yang membuat sebagian asumsi OLS klasik tidak lagi relevan, dan REM dengan GLS sudah memperhitungkan struktur error. Namun banyak pedoman kampus di Indonesia tetap meminta uji asumsi klasik. Jalan tengah yang aman:
- Multikolinearitas: wajib. Buat grup variabel bebas (Quick, Group Statistics, Correlations), korelasi antarvariabel bebas di bawah 0,80 (sebagian memakai 0,90). Atau buka persamaan, View, Coefficient Diagnostics, Variance Inflation Factors, VIF di bawah 10.
- Heteroskedastisitas: lazim diminta. Cara umum: simpan residual (Proc, Make Residual Series), buat nilai mutlaknya, regresikan pada variabel bebas (uji Glejser). Prob. di atas 0,05 berarti bebas heteroskedastisitas. Bila terjadi, estimasi ulang dengan Options, Coefficient covariance method: White cross-section atau White period, lalu tulis di Bab 4 bahwa standar error robust dipakai.
- Normalitas: buka persamaan, View, Residual Diagnostics, Histogram - Normality Test, baca Jarque-Bera dan Probability. Di atas 0,05 berarti residual normal. Bila tidak normal dengan observasi besar (di atas 100), banyak sumber menerimanya berdasarkan teorema limit pusat. Alternatif: transformasi logaritma pada variabel yang menceng (misalnya total aset), winsorizing atau penanganan outlier dengan alasan yang jelas, atau pelaporan sebagai keterbatasan. Hindari menghapus data hanya agar normal.
- Autokorelasi: lihat Durbin-Watson stat di output. Nilai sekitar 2 dianggap aman, atau bandingkan dengan tabel dL dan dU. Pada panel dengan T pendek, autokorelasi sering kurang relevan. Sebagian pembimbing melewatkannya.
Apa pun yang Anda pilih, tulis alasannya di Bab 3 dengan sitasi, karena penguji lebih menghargai keputusan yang beralasan daripada daftar uji yang panjang.
Cara membaca output model akhir
- Coefficient: arah dan besar pengaruh tiap variabel bebas.
- t-Statistic dan Prob.: Prob. di bawah 0,05 berarti signifikan (bandingkan dengan 0,10 bila pedoman mengizinkan).
- R-squared dan Adjusted R-squared: daya jelas model. Pada FEM, R-squared sering tinggi karena memuat efek individu. Laporkan apa adanya dan tafsirkan hati-hati.
- F-statistic dan Prob(F-statistic): uji simultan. Di bawah 0,05 berarti variabel bebas secara bersama-sama berpengaruh.
- Durbin-Watson stat: indikasi autokorelasi.
- Pada REM, perhatikan bagian Effects Specification yang menampilkan komponen varians cross-section dan idiosyncratic.
Contoh kalimat Bab 4
Angka contoh: Chow Prob. = 0,000; Hausman Prob. = 0,012; model akhir FEM; DER Coefficient = -0,048, Prob. = 0,003; SIZE Prob. = 0,214; Adjusted R-squared = 0,562; Prob(F) = 0,000.
"Uji Chow menghasilkan probabilitas Cross-section F sebesar 0,000 (< 0,05) sehingga Fixed Effect Model lebih tepat daripada Common Effect Model. Uji Hausman menghasilkan probabilitas 0,012 (< 0,05) sehingga Fixed Effect Model dipilih daripada Random Effect Model. Berdasarkan estimasi FEM, DER berpengaruh negatif signifikan terhadap ROA (koefisien -0,048; p = 0,003), sedangkan SIZE tidak berpengaruh signifikan (p = 0,214). Nilai Adjusted R-squared sebesar 0,562 menunjukkan variabel bebas menjelaskan 56,2% variasi ROA, dan Prob(F-statistic) 0,000 menunjukkan model signifikan secara simultan."
Kesalahan umum
| Kesalahan | Perbaikan |
|---|---|
| Data wide sehingga EViews tidak mengenali panel | Susun stacked: ID, tahun, variabel |
| Menjalankan Hausman pada persamaan FEM | Hausman dijalankan dari persamaan REM, Chow dari FEM, LM dari CEM |
| Memilih model berdasarkan R-squared tertinggi | Pilih berdasarkan Chow, Hausman, LM |
| Memaksakan semua uji asumsi klasik tanpa alasan | Jelaskan uji yang relevan dengan sitasi |
| Menghapus perusahaan agar residual normal | Gunakan transformasi, robust SE, atau laporkan keterbatasan |
| Tidak mencantumkan jumlah observasi | Tulis N perusahaan, T tahun, dan total observasi |
Checklist
- Data stacked, workfile berstruktur Dated Panel.
- Tiga model diestimasi dan disimpan.
- Chow, Hausman, LM dijalankan sesuai alur dan hasilnya ditabelkan.
- Uji asumsi yang relevan dijalankan dan dijelaskan.
- Output model akhir dibaca: koefisien, Prob., Adjusted R-squared, Prob(F).
- Kalimat Bab 4 memuat alasan pemilihan model.
Bila variabel Anda adalah skor kuesioner dan bukan data laporan tahunan, regresi panel tidak tepat. Gunakan regresi linear berganda di SPSS dengan uji asumsi klasik biasa, atau PLS-SEM bila konstruknya laten. Pengantar menu EViews secara umum ada di panduan EViews untuk skripsi, dan penanganan residual yang tidak normal dibahas di cara mengatasi data tidak normal.
Bila ingin didampingi, saya membuka bimbingan EViews via Zoom Rp30.000 per sesi. Anda yang menjalankan EViews di laptop sendiri, saya memandu dari struktur workfile sampai tabel pemilihan model dan kalimat Bab 4 selesai, sehingga Anda bisa menjelaskannya saat sidang. Stata juga tersedia dengan tarif yang sama. Konsultasi awal gratis lewat WhatsApp.
Pertanyaan yang sering diajukan
Data panel minimal berapa tahun?
Tidak ada angka baku. Secara teknis cukup dua periode, tetapi skripsi umumnya memakai 3 sampai 5 tahun agar variasi waktu cukup. Yang lebih penting adalah jumlah total observasi (perusahaan dikali tahun) dan konsistensi data.
Urutan uji pemilihan model data panel bagaimana?
Chow untuk CEM lawan FEM. Bila FEM terpilih, lanjut Hausman untuk FEM lawan REM. Bila CEM terpilih di Chow, lanjut uji LM untuk CEM lawan REM. Model akhir adalah yang menang di uji terakhir.
Apakah data panel perlu uji asumsi klasik?
Pendapat terbelah. Banyak kampus tetap meminta minimal multikolinearitas dan heteroskedastisitas. Normalitas dan autokorelasi sering dibahas sebagai pelengkap. Ikuti pedoman dan pembimbing, dan jelaskan alasannya di Bab 3.
Residual data panel tidak normal menurut Jarque-Bera, bagaimana?
Dengan observasi besar, banyak sumber menerima pelanggaran ringan berdasarkan teorema limit pusat. Alternatifnya transformasi logaritma, penanganan outlier, atau melaporkannya sebagai keterbatasan. Jangan menghapus data tanpa alasan.
Apa beda fixed effect dan random effect secara sederhana?
Fixed effect menganggap tiap perusahaan punya intersep sendiri yang tetap. Random effect menganggap perbedaan antar perusahaan sebagai komponen acak dalam error. Uji Hausman memilih di antara keduanya.