Home » , , » Analisis Regresi Data Panel Menggunakan Stata

Analisis Regresi Data Panel Menggunakan Stata

Written By Unknown on Jumat, 12 Juni 2015 | 01.37

Bagaimana menggunakan software Stata untuk menganalisis data panel di atas? Begini caranya:
1. Entri data tersebut di Stata sesuai format di atas dan langsung beri nama yang sesuai untuk setiap variabel
2. kemudian set data ini sebagai data panel dengan cara ketik sintaks berikut:
           xtset no tahun
  format umum sintaks ini adalah : xtset nama_individu waktu
3. Untuk menghasilkan statistik deskriptif data ini, bisa dilakukan dengan mengetik sintaks berikut:
           xtsum np uk k_ind k_aud
Maka akan keluar output sebagai berikut:
4. Dalam data panel terdapat 3 model, berikut adalah cara me-running ketiga model tersebut serta menyimpan errornya untuk digunakan pengujian.
A. Common Effect
Format umum sintaks yang digunakan adalah:
           regress vardependen varindep1 varindep2 varindep3…..
Sehingga sintaks untuk data ini adalah:
           regress np uk k_ind k_aud
Akan keluar output sebagai berikut:
Selanjutnya, kita akan simpan residual dari persamaan ini agar nanti bisa digunakan untuk pengujian asumsi klasik
Sintaks umum untuk menyimpan residual dari model common effect adalah:
           predict nama_residual, r
Misalnya kita akan member nama residual model kita tadi sebagai resid, maka sintaksnya:
           predict resid, r
B. Fixed Effect
Format umum sintaks yang digunakan adalah:
           xtreg vardependen varindep1 varindep2 varindep3, fe
Sehingga sintaks untuk data ini adalah:
           xtreg np uk k_ind k_aud, fe
Akan keluar output sebagai berikut:
Selanjutnya, kita akan simpan residual dari persamaan ini agar nanti bisa digunakan untuk pengujian hausman test
Sintaks umum untuk menyimpan residual dari model fixed effect adalah:
           estimates store nama_residual
Misalnya kita akan member nama residual model kita tadi sebagai fixed, maka sintaksnya:
           estimates store fixed
B. Random Effect
Format umum sintaks yang digunakan adalah:
           xtreg vardependen varindep1 varindep2 varindep3, re
Sehingga sintaks untuk data ini adalah:
           xtreg np uk k_ind k_aud, re
Akan keluar output sebagai berikut:
Selanjutnya, kita akan simpan residual dari persamaan ini agar nanti bisa digunakan untuk pengujian hausman test
Sintaks umum untuk menyimpan residual dari model random effect adalah:
           estimates store nama_residual
Misalnya kita akan member nama residual model kita tadi sebagai random, maka sintaksnya:
           estimates store random
5. Pemilihan Model
Untuk memilih model terbaik dari ketiga model tersebut, maka terdapat beberapa uji.
A. Chow Test
Chow Test digunakan untuk membandingkan antara model common effect dan fixed effect. Nilai yang digunakan adalah nilai rho pada model fixed effect. Jika nilai rho > 0.5 maka model fixed effect lebih baik daripada model common effect, jika yang terjadi sebaliknya, maka model common effect lebih baik daripada model fixed effect
Dari hasil tersebut, untuk data ini, model fixed effect lebih baik daripada model common effect.
B. LM Test
LM Test digunakan untuk membandingkan antara model common effect dan random effect. Sintaks yang dipergunakan adalah:
           xttest0
Maka akan keluar output sebagai berikut:
Untuk memutuskan mana model yang lebih baik, bisa dilihat dari nilai prob> chi2. Jika nilai prob>chi2 lebih kecil dari tingkat signifikansi, maka model random effect lebih baik. Jika sebaliknya, maka common effect lebih baik.
C. Hausman Test
Hausman Test digunakan untuk membandingkan antara model random effect dan fixed effect.
Sintaks umum yang dipergunakan adalah:
           hausman nama_residual_fixed nama_residual_random
sehingga sintaks untuk data kita adalah:
           hausman fixed random
Maka akan keluar output sebagai berikut:
Untuk memutuskan mana model yang lebih baik, bisa dilihat dari nilai prob> chi2. Jika nilai prob>chi2 lebih kecil dari tingkat signifikansi, maka model fixed effect lebih baik. Jika sebaliknya, maka random effect lebih baik.
6. Pengujian Asumsi Klasik
Pengujian asumsi klasik biasanya dilakukan setelah running common effect. Hal ini dilakukan untuk menghindari adanya kesalahan penggunaan residual. Berikut adalah langkah-langkah pengujian asumsi klasik:
A. Non Multikolinieritas
Sintaksny sangat sederhana, ketik saja:
           vif
Maka akan keluar output sebagai berikut:
Apabila tidak terdapat nilai VIF yang lebih besar dari 10, maka dapat dikatakan bahwa model memenuhi asumsi non multikolinieritas.
B. Homoskedastisitas
Pengujian asumsi ini dapat dilakukan dengan menggunakan sintaks:
           hettest
Sehingga akan keluar output seperti ini:
Jika nilai prob>chi2 lebih kecil dari tingkat signifikansi, maka mengindikasikan terjadinya heteroskedastisitas atau pelanggaran asumsi homoskedastisitas.
C. Non Autokorelasi
Format umum sintaks yang digunakan adalah:
           xtserial vardependen varindep1 varindep2 varindep3
Sehingga sintaks untuk data ini adalah:
           xtserial np uk k_ind k_aud
Maka akan keluar output sebagai berikut:
Jika nilai prob>chi2 lebih kecil dari tingkat signifikansi, maka mengindikasikan terjadinya autokorelasi atau pelanggaran asumsi non autokorelasi.
D. Normalitas
Format umum sintaks yang digunakan adalah:
           summarize nama_residual
           ksmirnov  nama_residual = normal(( nama_residual-r(mean))/r(sd))
Sehingga sintaks untuk data ini adalah:
summarize resid
           ksmirnov  resid = normal(( resid-r(mean))/r(sd))
Maka akan keluar output sebagai berikut:
Model memenuhi asumsi kenormalan apabila nilai combined K-S lebih besar dari nilai signifikansi (α).
Selamat menggunakan...:) 
Share this article :

1 komentar:



 
Support : Your Link | Your Link | Your Link
Copyright © 2013. Statistik Menarik - All Rights Reserved
Template Created by Creating Website Modified by CaraGampang.Com
Proudly powered by Blogger