Skip to content Skip to sidebar Skip to footer

Widget Atas Posting

Cara Regresi Linear Sederhana Data Panel (Tahapan Pemilihan Model dan Interpretasi) di Eviews 9

Gambar : Cover Artikel

Regresi Linear Sederhana Data Panel

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

A.Penjelasan Regresi Linear Sederhana

Regresi Linear Sederhana memiliki kegunaan untuk menguji hubungan sebab akibat antara variabel independent terhadap dependent. Variabel independent disimbolkan dengan (X) atau predictor dan dependent disimbolkan dengan (Y) atau response. Analisis ini biasa disebut dengan Simple Linear Regression (SLR).

B.Tahapan Pengolahan Data

Variabel yang dipergunakan :

Y    = Pengangguran Terbuka
X    = Upah Minimum Provinsi

Langkah 1 : Persiapkan data yang akan diolah.

Berikut adalah contoh data panel.

Gambar : Data Latihan

Langkah 2 : Buka sofware eviews, Klik File => New => Workfile.

Gambar : Pengolah Data Eviews 9

Langkah 3 : Pada bagian Workfile structure type, pilih Balanced Panel.

Gambar : Pengolah Data Eviews 9

Langkah 4 : Di Panel Specification dibagian Frequency pilih Annual (Karena data berbentuk tahunan). Start date isikan dengan tahun awal data yaitu 2011 dan End date isikan dengan tahun akhir data yaitu 2015. Kemudian klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 5 : Menuju ke menu Quick, lalu pilih Empty Group (Edit Series).

Gambar : Pengolah Data Eviews 9

Langkah 6 : Copy data yang sudah siap diolah (note : Jangan lupa sertakan variabel independent dan dependent), kemudian klik paste pada kolom atas group.

Gambar : Pengolah Data Eviews 9

Langkah 7 : Pilih Proc => Make Equation.

Gambar : Pengolah Data Eviews 9

Langkah 8 : Lalu akan muncul tampilan Equation Estimator => Specification.

Gambar : Pengolah Data Eviews 9

Langkah 9 : Ubah persamaan regresi y x c menjadi y c x. Lalu pada Estimation setting di bagian Method => pilih dengan “LS – Least Squared (NLS and ARMA).

Gambar : Pengolah Data Eviews 9

Langkah 10 : Kemudian menuju ke bagian Panel Options. Pada Effects specification pada bagian Cross section => tentukan uji yang akan dilakukan. Dalam regresi data panel, untuk menentukan model regresi yang dipergunakan harus melalui tahapan pemilihan model. Urutannya : Lakukan uji chow/Redundant Fixed Effects-Likelihood Ratio, setelah itu uji hausman/ Random Effect Testing, dan jika tidak menemukan hasil yang sama maka dilakukan uji terakhir yaitu uji LM atau Langrange test/ Lagrange Multipliers. Kita lakukan uji chow/ Redundant Fixed Effects. Cara dengan mengganti pada bagian Cross section dengan Fixed. Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 11 : Berikut adalah hasil regresi fixed effects.

Gambar : Pengolah Data Eviews 9

Langkah 12 : Klik View => Fixed/Random Effects Testing pilih Redundant Fixed Effect - Likelihood Ratio.

Gambar : Pengolah Data Eviews 9

Langkah 13 : Hasilnya sebagai berikut.

Gambar : Pengolah Data Eviews 9

Interpretasi output :

Hipotesa :

H0: Common Effects
H1: Fixed Effects

Hasil Likelihood Ratio/uji chow untuk model ini memiliki nilai probabilitas F lebih kecil dari alpha (0.05) yaitu nilai probabilitas F sebesar 0.0000 < 0,05 sehingga H0 ditolak dan H1 diterima, model yang sesuai dari hasil ini yaitu fixed effects.

Langkah 14 : Setelah mengetahui hasil dari uji chow, lakukan pengujian hausman. Pilih Proc => Specify/Estimate.

Gambar : Pengolah Data Eviews 9

Langkah 15 : Kembali lagi ke Panel Options. Pilih Proc-Specify Estimate. pilih Panel Options, ganti metode pada bagian Cross section dengan Random. Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 16 : Berikut adalah hasil regresi random effects.

Gambar : Pengolah Data Eviews 9

Langkah 17 : Klik View => Fixed/Random Effects Tetsting => Correlated Random Effects - Hausman Test. 

Gambar : Pengolah Data Eviews 9

Langkah 18 : Hasilnya sebagai berikut.

Gambar : Pengolah Data Eviews 9

Interpretasi output :

Hipotesa :

H0 : Model mengikuti random effects
H1 : Model mengikuti fixed effects

Berdasarkan hasil uji hausman menunjukkan nilai signifikansi 0.1072 (signifikansi > 0.05), maka H0 diterima dan H1 ditolak, sehingga dapat diartikan bahwa model random effects lebih baik dari model fixed effects. Karena hasil belum menemukan kesamaan metode, maka dilanjutkan dengan metode penentu yaitu uji Lagrange Multiplier untuk menentukan apakah kita tetap memilih random effects ataukah common effects.

Langkah 19 : Selanjutnya setelah mengetahui hasil dari uji chow, kita melakukan pengujian lagi ke uji selanjutnya yaitu uji hausman. Pilih Proc => Specify/Estimate.

Gambar : Pengolah Data Eviews 9

Langkah 20 : Kembali lagi ke Panel Options, caranya pilih Proc => Specify Estimate. Pilih Panel Options, ganti metode pada bagian Cross section dengan None. Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 21 : Berikut adalah hasil regresi common effects.

Gambar : Pengolah Data Eviews 9

Langkah 22 : Klik View => Fixed/Random Effects Testing, pilih Omitted Random Effects - Langrange Multiplier.

Gambar : Pengolah Data Eviews 9

Langkah 23 : Hasilnya sebagai berikut :

Gambar : Pengolah Data Eviews 9

Interpretasi output :

Hipotesa :

H0 : Common Effects
H1 : Random Effects

Hasil output diatas menunjukkan nilai probabilitas Breush-Pagan (BP) pada sub Cross section sebesar 0.1213. Hipotesa-nya adalah jika probabilitas Breush-Pagan (BP) lebih besar dari alpha (0.1213 < 0.05) maka H0 diterima dan H1 ditolak, jadi motode yang tepat pada hasil diatas adalah common effects. Sehingga kesimpulan dari data ini adalah metode yang terbaik untuk dilakukan penelitian adalah metode common effects.

Langkah 24 : Kita lihat hasil regresi dari common effects. Kembali ke Panel Options, pilih Proc => Specify/Estimate

Gambar : Pengolah Data Eviews 9

Langkah 25 : Pilih Panel Options, ganti metode pada bagian Cross section dengan None/common effects. Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 26 : Hasilnya sebagai berikut.

Gambar : Pengolah Data Eviews 9

Interpretasi output :

Hasil Koefisien Determinasi :

Nilai R-squared sebesar 0.010957 yang berarti variasi tiga variabel independent X (Upah Minimum Provinsi) mampu menjelaskan 1.09% variasi variabel dependent Y (Pengangguran Terbuka). Sisanya 98.91% dijelaskan oleh variabel lain diluar model atau yang tidak diteliti.

Nilai Adjusted R-squared sebesar 0.004889 yang berarti variasi tiga variabel independent X (Upah Minimum Provinsi) mampu menjelaskan 0.48% variasi variabel dependent Y (Pengangguran Terbuka). Sisanya 99.52% dijelaskan oleh variabel lain yang tidak diteliti.

Kesimpulan : Model regresi sangat tidak baik.

Hasil Uji Signifikansi Simultan (Uji Statistik F)

Nilai F statistik sebesar 1.805754 dengan probabilitas 0.180886. Karena probabilitas di atas 0.05, maka dapat disimpulkan bahwa ketiga variabel X (Upah Minimum Provinsi) secara bersama-sama tidak (simultan) berpengaruh terhadap Y (Pengangguran Terbuka).

Hasil Uji Signifikansi Paramater Individual (Uji Statistik t)

Variabel independent X (Upah Minimum Provinsi) tidak berpengaruh terhadap dependent Y (Pengangguran Terbuka) dengan nilai signifikansi di atas 0.05.

Nilai konstanta sebesar -6.026853 menunjukkan bahwa jika variabel independent t X (Upah Minimum Provinsi) dianggap konstan maka rata-rata dependent Y (Pengangguran Terbuka) sebesar -6.026853.

Nilai koefisien regresi X (Upah Minimum Provinsi) sebesar 1.934490 menunjukkan bahwa setiap kenaikan X (Upah Minimum Provinsi) sebesar 1% maka Y (Pengangguran Terbuka) akan meningkat sebesar 1.934490 persen.


Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel

Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)

2 comments for "Cara Regresi Linear Sederhana Data Panel (Tahapan Pemilihan Model dan Interpretasi) di Eviews 9"

  1. Halo, saya ingin bertanya. Data yg Saya olah memang nominalnya besar, Dan saat muncul hasil koefisien dengan fixed effect, nilainya besar sekali untuk x1 Dan x2 nya sbb:

    Kurs 197177.6
    Inflasi 1.89E+08
    GDP 0.003897

    Mengapa seperti ini ya? Mohon penjelasannya Mas

    ReplyDelete
    Replies
    1. Karena teralu besar. Itu hanya singkatan saja, tidak cukup kalau ditulis di sistem eviews.

      Delete