Model regresi data panel dengan semua koefisien konstan terhadap waktu dan individu

(Pooled OLS atau Common OLS model)

Dependent Variable: Y
Method: Panel Least Squares
Date: 06/22/21 Time: 23:19
Sample: 2015 2019
Periods included: 5
Cross-sections included: 6
Total panel (balanced) observations: 30

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.216067 0.313960 0.688199 0.4974

X1 -0.125008 0.410310 -0.304668 0.7630
X2 -0.526515 0.197611 -2.664402 0.0131
X3 0.649398 0.316996 2.048601 0.0507

R-squared 0.301686    Mean dependent var 0.274667

Adjusted R-squared 0.221111    S.D. dependent var 0.226224
S.E. of regression 0.199654    Akaike info criterion -0.260900
Sum squared resid 1.036401    Schwarz criterion -0.074073
Log likelihood 7.913496    Hannan-Quinn criter. -0.201132
F-statistic 3.744173    Durbin-Watson stat 1.077838
Prob(F-statistic) 0.023251

Hasil regresi data panel model common Effect Model atau CEM menunjukkan ada satu variabel
independent yang signifikan pada alpha 0,05 yaitu variabel X2. Nilai Adjusted R-Squared sebesar
0,22 atau 22% dan probabilita (F-statistik) signifikan. Berikutnya akan diuji menggunakan
model Fixed Effect Model atau FEM. Simpan hasil di atas dengan klik Freeze lalu title berikan nama
kemudian klik tanda minimaze.

Model regresi data panel dengan koefisien slope konstan tetapi intersep bervariasi
antar individu disebut Fixed Effect Model (FEM)

Dependent Variable: Y
Method: Panel Least Squares
Date: 06/22/21 Time: 23:24
Sample: 2015 2019
Periods included: 5
Cross-sections included: 6
Total panel (balanced) observations: 30

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.380606 0.159373 2.388142 0.0264

X1 -0.577570 0.291658 -1.980303 0.0609
X2 0.083890 0.115296 0.727601 0.4749
X3 0.222277 0.246057 0.903356 0.3766

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.892404    Mean dependent var 0.274667
Adjusted R-squared 0.851414    S.D. dependent var 0.226224
S.E. of regression 0.087202    Akaike info criterion -1.797848
Sum squared resid 0.159689    Schwarz criterion -1.377489
Log likelihood 35.96772    Hannan-Quinn criter. -1.663371
F-statistic 21.77172    Durbin-Watson stat 0.883368
Prob(F-statistic) 0.000000

Uji Chow; Untuk memilih model antara Common Effect Model (CEM) dengan Fixed

Effect Model (FEM)

Redundant Fixed Effects Tests

Equation: Untitled
Test cross-section fixed effects

Effects Test Statistic   d.f.  Prob. 

Cross-section F 23.058520 (5,21) 0.0000

Cross-section Chi-square 56.108448 5 0.0000

Cross-section fixed effects test equation:

Dependent Variable: Y
Method: Panel Least Squares
Date: 06/22/21 Time: 23:40
Sample: 2015 2019
Periods included: 5
Cross-sections included: 6
Total panel (balanced) observations: 30

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.216067 0.313960 0.688199 0.4974

X1 -0.125008 0.410310 -0.304668 0.7630
X2 -0.526515 0.197611 -2.664402 0.0131
X3 0.649398 0.316996 2.048601 0.0507

R-squared 0.301686    Mean dependent var 0.274667

Adjusted R-squared 0.221111    S.D. dependent var 0.226224
S.E. of regression 0.199654    Akaike info criterion -0.260900
Sum squared resid 1.036401    Schwarz criterion -0.074073
Log likelihood 7.913496    Hannan-Quinn criter. -0.201132
F-statistic 3.744173    Durbin-Watson stat 1.077838
Prob(F-statistic) 0.023251

Berdasarkan uji Chow diperoleh nilai cross-section Chi-square pada kolom probabilita

sebesar 0,000 lebih kecil dari alpha 0,05 sehingga H0 ditolak dan H1 diterima yang
menunjukkan Fixed Effects Model (FEM) adalah model yang sesuai. Oleh karena itu Fixed
Effects Model (FEM) akan lebih efektif dibandingkan dengan Random Effects Model (REM).
Model regresi data panel dengan pengaruh waktu (Time Effect) slope konstan, intersep
bervariasi antar waktu disebut Random Effect Model (REM)

Dependent Variable: Y
Method: Panel EGLS (Cross-section random effects)
Date: 06/22/21 Time: 23:47
Sample: 2015 2019
Periods included: 5
Cross-sections included: 6
Total panel (balanced) observations: 30
Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.329382 0.160396 2.053550 0.0502

X1 -0.332864 0.245739 -1.354542 0.1872
X2 -0.053496 0.108581 -0.492677 0.6264
X3 0.223396 0.204648 1.091613 0.2850

Effects Specification
S.D.   Rho  

Cross-section random 0.096971 0.5529

Idiosyncratic random 0.087202 0.4471

Weighted Statistics

R-squared 0.054182    Mean dependent var 0.102484

Adjusted R-squared -0.054951    S.D. dependent var 0.117103
S.E. of regression 0.120277    Sum squared resid 0.376133
F-statistic 0.496474    Durbin-Watson stat 0.558194
Prob(F-statistic) 0.687911

Unweighted Statistics

R-squared -0.022496    Mean dependent var 0.274667

Sum squared resid 1.517534    Durbin-Watson stat 0.138353

Uji Hausman; Untuk memilih model antara Fixed Effect Model (FEM) dengan Random

Effect Model (REM)

Correlated Random Effects - Hausman Test

Equation: Untitled
Test cross-section random effects

Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob. 

Cross-section random 26.463572 3 0.0000

Cross-section random effects test comparisons:

Variable Fixed   Random  Var(Diff.)  Prob. 

 X1 -0.577570 -0.332864 0.024676 0.1193
X2 0.083890 -0.053496 0.001503 0.0004
X3 0.222277 0.223396 0.018663 0.9935

Cross-section random effects test equation:

Dependent Variable: Y
Method: Panel Least Squares
Date: 06/22/21 Time: 23:49
Sample: 2015 2019
Periods included: 5
Cross-sections included: 6
Total panel (balanced) observations: 30

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.380606 0.159373 2.388142 0.0264

X1 -0.577570 0.291658 -1.980303 0.0609
X2 0.083890 0.115296 0.727601 0.4749
X3 0.222277 0.246057 0.903356 0.3766

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.892404    Mean dependent var 0.274667

Adjusted R-squared 0.851414    S.D. dependent var 0.226224
S.E. of regression 0.087202    Akaike info criterion -1.797848
Sum squared resid 0.159689    Schwarz criterion -1.377489
Log likelihood 35.96772    Hannan-Quinn criter. -1.663371
F-statistic 21.77172    Durbin-Watson stat 0.883368
Prob(F-statistic) 0.000000

Hasil uji Hausman menunjukkan nilai Cross section random pada kolom probabilita dengan
nilai 0.0000 yaitu lebih kecil dari alpha 0,05 maka H0 ditolak dan H1 diterimasehingga
menunjukkan Fixed Effect Model (FEM) lebih baik dibandingkan Random Effect Model
(REM). Dengan demikian model yang dipilih adalah Fixed Effect Model (FEM).

Ommited Random Effect

Lagrange Multiplier Tests for Random Effects

Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
        (all others) alternatives

Test Hypothesis
Cross-section Time Both

Breusch-Pagan  6.087578  1.263992  7.351570

(0.0136) (0.2609) (0.0067)

Honda  2.467302 -1.124274  0.949664

(0.0068) -- (0.1711)

King-Wu  2.467302 -1.124274  0.806883

 (0.0068) -- (0.2099)

Standardized Honda  4.013988 -0.939365 -1.241601

(0.0000) -- --
Standardized King-Wu  4.013988 -0.939365 -1.410687
(0.0000) -- --
Gourierioux, et al.* -- --  6.087578
(< 0.05)

*Mixed chi-square asymptotic critical values:

1% 7.289
5% 4.321
10% 2.952

Interpretasi output :

Hipotesa :

H0 : Common Effects
H1 : Random Effects

Hasil output diatas menunjukkan nilai probabilitas Breush-Pagan (BP) pada

sub Cross section sebesar 0.0136. Hipotesa-nya adalah
jika probabilitas Breush-Pagan (BP) lebih besar dari Alpha (0.0136<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.

Model Regresi

Dependent Variable: Y
Method: Panel Least Squares
Date: 06/23/21 Time: 01:12
Sample: 2015 2019
Periods included: 5
Cross-sections included: 6
Total panel (balanced) observations: 30

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.216067 0.313960 0.688199 0.4974

X1 -0.125008 0.410310 -0.304668 0.7630
X2 -0.526515 0.197611 -2.664402 0.0131
X3 0.649398 0.316996 2.048601 0.0507

R-squared 0.301686    Mean dependent var 0.274667

Adjusted R-squared 0.221111    S.D. dependent var 0.226224
S.E. of regression 0.199654    Akaike info criterion -0.260900
Sum squared resid 1.036401    Schwarz criterion -0.074073
Log likelihood 7.913496    Hannan-Quinn criter. -0.201132
F-statistic 3.744173    Durbin-Watson stat 1.077838
Prob(F-statistic) 0.023251

Interpretasi output :

a. Koefisien Determinasi.

Hasil output di atas menunjukkan nilai R-squared sebesar 0.301686 yang

berarti variasi lima variabel independent X1, X2, X3 mampu menjelaskan
30.1% variasi variabel dependent Y (Pengangguran Terbuka). Sisanya
69.9% dijelaskan oleh variabel lain diluar model atau yang tidak diteliti.

Hasil output di atas menunjukkan nilai adjusted R-squared sebesar

0.221111 yang berarti variasi tiga variabel independent X (Upah Minimum
Provinsi) mampu menjelaskan 22.1% variasi variabel dependent Y
(Pengangguran Terbuka). Sisanya 77.9% dijelaskan oleh variabel lain yang
tidak diteliti.

Kesimpulan : Model regresi sangat tidak baik.

b. Uji Signifikansi Simultan (Uji Statistik F)

Hasil output di atas menunjukkan nilai F statistik sebesar 3.744173

dengan probabilitas 0.023251. Karena probabilitas di bawah 0.05, maka
dapat disimpulkan bahwa ketiga variabel X1, X2, X3 secara bersama-sama
simultan berpengaruh terhadap Y.

c. Uji Signifikansi Paramater Individual (Uji Statistik t)

Hasil output uji t statistik menunjukkan bahwa variabel independent X1
tidak berpengaruh terhadap dependent Y dengan nilai signifikan di atas
0.05, variabel independent X2 berpengaruh terhadap dependent Y dengan
nilai signifikan di bawah 0.05, variabel dependent X3 tidak berpengaruh
terhadap dependent Y dengan nilai signifikansi di atas 0.05.

Nilai Konstanta sebesar 0.216067 menunjukkan bahwa

jika variabel independent t X1, X2, X3 dianggap konstan maka rata-rata
pengangguran sebesar 0.216067
Nilai koefisien regresi X1 sebesar -0.125008 menunjukkan bahwa setiap
kenaikan X sebesar 1% maka Y akan meningkat sebesar -0.125008
persen. Nilai koefisien regresi X2 sebesar -0.526515 menunjukkan bahwa
setiap kenaikan X sebesar 1% maka Y akan meningkat sebesar -0.526515
persen.
Nilai koefisien regresi X3 sebesar 0.649398 menunjukkan bahwa setiap
kenaikan X3 sebesar 1% maka Y akan meningkat sebesar
0.649398persen.

Uji Normalitas

Interpretasi output :

Dasar menetukan normal atau tidaknya data jika nilai

dari probabilitas jarque bera lebih besar dari tingkat alpha 0.05 maka data
berdistribusi normal. Namun jika lebih kecil maka data tidak
berdistribusi normal. Hasil di atas menunjukkan nilai probabilitas jarque
bera sebesar 0.258179 yang mana lebih besar dari tingkat alpha 0.05,
sehingga data berdistribusi normal.

Uji Multikolinearitas

X1 X2 X3
X1 1.000000 -0.673296 -0.411283
X2 -0.673296 1.000000 0.364742
X3 -0.411283 0.364742 1.000000

Interpretasi output :

Kriteria penilaiannya jika nilai dibawah 0.8, maka data terbebas

dari multikolinearitas, namun jika nilai lebih besar dari 0.8 maka data
terjangkit masalah multikolinearitas. Karena data diatas menunjukkan nilai
X1, X2, X3 sebesar 1.000000, artinya lebih besar dari 0.8, sehingga dapat
disimpulkan bahwa data ini terjangkit masalah multikolinearitas.
Setelah mengetahui hasil dari uji multikolinearitas, langkah berikutnya
lakukan uji heteroskedastisitas. Caranya dengan melakukan uji glejser. 

Uji Heteroskedastisitas

Dependent Variable: RESABS

Method: Panel Least Squares
Date: 06/23/21 Time: 01:46
Sample: 2015 2019
Periods included: 5
Cross-sections included: 6
Total panel (balanced) observations: 30

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.309144 0.181888 1.699638 0.1011

X1 -0.074042 0.237707 -0.311484 0.7579
X2 -0.032075 0.114483 -0.280175 0.7816
X3 -0.218770 0.183647 -1.191257 0.2443

R-squared 0.062911    Mean dependent var 0.148907

Adjusted R-squared -0.045215    S.D. dependent var 0.113137
S.E. of regression 0.115666    Akaike info criterion -1.352651
Sum squared resid 0.347845    Schwarz criterion -1.165824
Log likelihood 24.28976    Hannan-Quinn criter. -1.292883
F-statistic 0.581829    Durbin-Watson stat 1.277306
Prob(F-statistic) 0.632232

Interpretasi output :

Nilai p-value variabel X1 sebesar 0.7579, X2 sebesar 0.7816, X3 sebesar

0.2443 hasil ini menujukkan nilai yang lebih besar dari tingkat alpha 0.05,
maka dapat disimpulkan bahwa data ini terbebas dari
masalah heteroskedastisitas.