PART 4: UJI HAUSMAN (PEMILIHAN MODEL REGRESI DATA PANEL)
Setelah selesai melakukan uji Chow dan didapatkan model yang tepat adalah Fixed Effct, maka selanjutnya kita akan menguji model manakah antara model Fixed Effect atau Random Effect yang paling yang paling tepat, pengujian ini disebut sebagai uji Hausman.
Uji Hausman dapat didefinisikan sebagai pengujian statistik untuk memilih apakah model Fixed Effect atau Random Effect yang paling yang paling tepat digunakan. Pengujian Pe ngujian uji u ji Hausman Hausma n dilakukan dengan hipotesis berikut: H0
: Random Effect Model
H1
: Fixed Effect Model
Uji Hausman akan mengikuti distribusi chi-squares sebagai berikut:
= ( ) -1 Dimana:
− ] = [
Var( ) = −
( )
Statistik Uji Hausman ini mengikuti distribusi statistic Chi Square dengan degree of freedom sebanyak k, dimana k adalah jumlah variabel independen. Jika nilai statistik
Hausman lebih besar dari nilai kritisnya maka H0 ditolak dan model yang tepat adalah model Fixed Effect sedangkan sebaliknya bila nilai statistik Hausman lebih kecil dari nilai kritisnya
maka model yang tepat adalah model Random Effect.
Oleh: leh : Egi Eg i Faj ar N ur Al i Mahasiswa Mahasiswa Fakultas Ekonom Ekonomii dan Bisnis UI N Syar Syar if Hi dayatull dayatull ah Jakart Jakart a E-mail: egie_faj ar @yahoo.com T w i t t er er : @Pem Pemii mpi _Msadpn Facebook: Egie Fa Web: egienews.blogspot .co .com m
Dalam software EViews pengujian Hausman belum disediakan seperti pada uji lain, maka kita menggunakan Command EViews. Untuk lebih jelasnya contoh hasil regresi panel pada Part 2 yang akan kita pakai. Pastikan komputer anda sudah terinstal EViews, untuk mempermudah langkah uji Hausman pakailah hasil regresi ini. Klick untuk mendownloadnya “Hasil Regresi EViews”. Untuk melakukan uji Hausman ikutilah langkah-langkah berikut ini: 1. Bukalah “Hasil Regresi EViews” yang sudah anda download. Perhatikan pada Workfile dibawah ini, terdapat file data (warna biru) ini adalah hasil regresi yang sudah disimpan dengan nama data.
Langkah untuk menamakan data dengan terlebih dahulu melakukan pengujian salah satu model regresi, setelah selesai klick name lalu berikan nama “data”.
Oleh: Egi Faj ar N ur Al i Mahasiswa Fakultas Ekonomi dan Bisnis UI N Syar if Hi dayatull ah Jakart a E-mail: egie_faj ar @yahoo.com T w i t t er : @Pemi mpi _Msadpn Facebook: Egie Fa Web: egienews.blogspot .com
2. Masukanlah perintah dibawah ini pada Command EViews: data.ls(F) ldr npl kur Vector beta=data.@coefs Matrix covar=data.@cov Vector b_fixed=@subextract(beta,1,1,2,1) Matrix cov_fixed=@subextract(covar,1,1,2,2) data.ls(R) ldr npl kurs Vector beta=data.@coefs Matrix covar=data.@cov Vector b_gls=@subextract(beta,2,1,3,1) Matrix cov_gls=@subextract(covar,2,2,3,3) Matrix b_diff=b_fixed - b_gls Matrix v_diff=cov_fixed - cov_gls Matrix H=@transpose(b_diff)*@inverse(v_diff)*b_diff Keterangan: Pada Vector b_fixed dan matrix cov angka “2” adalah variabel independen. Pada Vector b_GLS dan matrix cov angka “3” adalah variabel independen ditambah dengan kostanta. Masukanlah setiap baris perintah diatas dan diakhiri dengan “enter”.
Oleh: Egi Faj ar N ur Al i Mahasiswa Fakultas Ekonomi dan Bisnis UI N Syar if Hi dayatull ah Jakart a E-mail: egie_faj ar @yahoo.com T w i t t er : @Pemi mpi _Msadpn Facebook: Egie Fa Web: egienews.blogspot .com
3. Jika anda memasukan perintah diatas dengan benar maka pada Workfile akan muncul hasil uji Hausman. Double klick pada gambar
maka muncul Matrix:H,
angka 98,46304 adalah nilai uji Hausman.
Untuk melihat langsung hasil uji Hausman dalam EViews silahkan download disini “Uji Hausman” 4. Langkah terakhir adalah membandingkan nilai uji Hausman dengan nilai Chi Square.
Nilai Chi Square didapat dengan melihat tabel Chi Square dengan melihat jumlah variabel independen yang kita pakai dalam hal ini 2 variabel independen dan nilai signifikan yang kita pakai dalam hal ini 0,05 atau 5%. Didapat nilai Chi Square sebesar 5.99146. Jika melihat aturan diatas, nilai statistik Hausman lebih besar dari nilai Chi Square (98,46304 > 5,99146) maka H0 ditolak dan model yang tepat adalah model Fixed Effect.
Oleh: Egi Faj ar N ur Al i Mahasiswa Fakultas Ekonomi dan Bisnis UI N Syar if Hi dayatull ah Jakart a E-mail: egie_faj ar @yahoo.com T w i t t er : @Pemi mpi _Msadpn Facebook: Egie Fa Web: egienews.blogspot .com
Hasil Regresi Panel dengan Fixed Effect Model Dependent Variable: LDR Method: Panel Least Squares Date: 04/29/13 Time: 07:22 Sample: 2007 2011 Periods included: 5 Cross-sections included: 10 Total panel (balanced) observations: 50 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C NPL KURS
101.6511 -9.442499 -0.001377
11.83352 3.187997 0.001298
8.590096 -2.961891 -1.060954
0.0000 0.0052 0.2954
Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.910928 Mean dependent var 0.885144 S.D. dependent var 5.061309 Akaike info criterion 973.4401 Schwarz criterion -145.1673 Hannan-Quinn criter. 35.32908 Durbin-Watson stat 0.000000
79.28840 14.93432 6.286690 6.745576 6.461437 1.590946
Perhatian! untuk dapat mendownload semua file yang anda perlukan silahkan kunjungi blog
saya: egienews.blogspot.com dan jangan lupa sebagai tanda terima kasih join ya.
Oleh: Egi Faj ar N ur Al i Mahasiswa Fakultas Ekonomi dan Bisnis UI N Syar if Hi dayatull ah Jakart a E-mail: egie_faj ar @yahoo.com T w i t t er : @Pemi mpi _Msadpn Facebook: Egie Fa Web: egienews.blogspot .com