EKONOMETRIKA PANEL DATA Setyo Tri Wahyudi SE M

EKONOMETRIKA PANEL DATA Setyo Tri Wahyudi, SE. , M. Ec. , Ph. D Jurusan Ilmu Ekonomi Fakultas Ekonomi dan Bisnis Universitas Brawijaya Email: setyo 81@gmail. com 1 HP. 081 357 00 9358

PENDAHULUAN Econometrics: gabungan Economics dan Metrics atau economic measurement (mengukur variabel-variabel ekonomi) (Gujarati, 2004) Beberapa definisi ttg Econometrics adalah sebagai berikut: The quantitative analysis of actual economic phenomena based on the concurrent development of theory and observation, related by appropriate methods of inference (Samuelson, et al. , 1954) The social science in which the tools of economic theory, mathematics, and statistical inference are applied to the analysis of economic phenomena (Goldberger, 1964) Concern with the empirical determination of economic laws (Theil, 1971) Istilah ekonometrika diperkenalkan tahun 1926 oleh Ragner Frisch (pakar ekonomi dan statistik Norwegia) 2

Ekonometrika merupakan gabungan dari. . Teori Ekonomi Matematika Ekonomi Statistika Ekonomi Menjelaskan fenomena ekonomi secara kuantitatif Menyatakan teori ekonomi dalam bentuk matematik (hubungan antar variabel) Proses pengumpulan data, pengolahan, dan penyajian data (grafik dan tabel) Contoh: Jika P↓ maka D↑ (T. mikro) hubungan (-) P dan D Berapa perubahan D (? ) 1. Linear equation (slope, etc) 2. Differential (elasticity, utility, etc) 1. Deskriptif (S-D curves, market equilibrium, elasticity, etc) 2. Inferensi (t-test, Ftest, R 2) Econometrics Gabungan ketiganya untuk analisis: - Koefisien hubungan antar variabel - Interpretasi hasil secara ekonomi Tools/alat: SPSS, E-Views, SAS, STATA, SHAZAM, R, etc. 3

Tujuan Ekonometrika 1. Verifikasi membuktikan atau menguji validitas teori ekonomi 2. Estimasi (penaksiran) menghitung nilai estimasi koefisien hubungan antar variabel ekonomi 3. Forecasting (peramalan) meramal suatu variabel ekonomi tertentu di masa yang akan datang 4

Metode Ekonometrika 1. Economic theory 2. Mathematical model of theory 3. Econometric model of theory 4. Data 5. Estimation of econometric model 6. Hypothesis testing 7. Forecasting or prediction 8. Using the model for control or policy purposes 5

Contoh: MPC 1. Statement of theory or hypothesis Teori Keynesian: MPC (marginal propensity to consume) Perubahan tingkat konsumsi akibat perubahan pendapatan 1 unit (misal 1 dollar) adalah lebih dari 0 tetapi kurang dari 1 (0 < MPC < 1) 2. Specification of the mathematical model of consumption Fungsi konsumsi Keynesian: Y = β 1 + β 2 X; 0 < β 2 < 1 Y : pengeluaran konsumsi X : income β 1 dan β 2 : parameter model β 1 : intercept β 2 : slope 6

3. Specification of the econometric model of consumption Spesifikasi matematis model konsumsi (Y = β 1 + β 2 X) dimodifikasi menjadi model ekonometrik: Y = β 1 + β 2 X + u; u : error term 7

4. Obtaining Data Estimasi model ekonometrika memperoleh nilai β 1 dan β 2 diperlukan DATA 8

5. Estimation of the Econometric Model Estimasi parameter fungsi konsumsi (β 1 dan β 2) teknik statistik ANALISIS REGRESI Selama tahun 1982 -1996, koefisien slope (MPC) sekitar 0. 70 interpretasi: Selama tahun 1982 -1996, kenaikan pendapatan riil 1 dollar meningkatkan pengeluaran konsumsi riil rata-rata 70 sen Hubungan konsumsi dan pendapatan kurang tepat (inexact) tidak semua titik secara tepat berada di garis regresi 9

6. Hypothesis Testing Asumsi: model ekonometrika cukup baik menyatakan kondisi riil Teori Keynesian: 0 < MPC < 1 Data empiris: MPC = 0. 70 Uji hipotesis: apakah 0. 70 secara statistik kurang dari satu? 10

11

Tahapan Analisis Ekonometrika Identifikasi dan perumusan masalah Kerangka Pemikiran Spesifikasi Model Pengumpulan Data Estimasi Parameter Teori ekonomi dan konsep 2 terkait Kajian studi-studi terdahulu Pemilihan variabel terkait Hipotesis (tanda dan besaran) Data Primer Data Sekunder Cross-Section Time Series Panel OLS, MLE, ILS, 2 SLS, etc BLUE Krit. Ekonomi (besaran & tanda) Evaluasi/Validasi Model Aplikasi Model untuk Rumusan Kebijakan Krit. Statistik (signifikansi, koef det) 12 Krit. Ekonometrika (asumsi )

Metodologi Ekonometrika Berdasarkan Jenis Data DATA Cross Section Time Series Univariate Correlation Regression Multivariate analysis Regression AR, MA ARIMA ARCH, GARCH PANEL Multivariate Correlation Regression Pooled Granger Causality Fixed Effect Random Effect VAR ECM, VECM 13

Tipologi data Data Nominal: bersifat kualitatif, tidak memiliki arti urutan. Misal: Laki = 1; Perempuan = 2 Data Ordinal: bersifat kualitatif, memiliki arti urutan. Misal: Juara 1; Juara 2; Juara 3 Data Interval: bersifat kuantitatif/numeris, tidak memiliki nilai nol absolut (sehingga rasio antar data tidak memiliki arti). Misal: Suhu 10 C dan 20 C, bukan berarti 20 C tdk sama dengan 2 kali 10 C Data Rasio: bersifat kuantitatif/numeris, memiliki nilai nol absolut. Misal: Tinggi badan 14

Cara Pengambilan Data Time Series DATA KONSUMSI DAN PDB RIIL INDONESIA (Juta Rp) (2000=100) Nilai variabel dari suatu individu pada suatu rentang periode waktu Periode waktu bisa berupa periode harian, mingguan, bulanan, triwulanan, tahunan dsb Contoh: data konsumsi dan PDB Indonesia periode tahun 2000 -2010 TAHUN CRIIL PDBRIIL 2000 856, 798 1, 265, 890 2001 886, 736 1, 277, 342 2002 920, 750 1, 316, 776 2003 956, 593 1, 351, 205 2004 1, 004, 109 1, 447, 182 2005 1, 043, 805 1, 521, 194 2006 1, 076, 928 1, 585, 488 2007 1, 130, 847 1, 689, 149 2008 1, 191 1, 836, 356 2009 1, 249, 011 1, 875, 616 2010 1, 306, 801 15 2, 020, 875

DATA KONSUMSI DAN PDB RIIL INDONESIA (Juta Rp) (2000=100) TAHUN CRIIL PDBRIIL 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 856, 798 886, 736 920, 750 956, 593 1, 004, 109 1, 043, 805 1, 076, 928 1, 130, 847 1, 191 1, 249, 011 1, 306, 801 1, 265, 890 1, 277, 342 1, 316, 776 1, 351, 205 1, 447, 182 1, 521, 194 1, 585, 488 1, 689, 149 1, 836, 356 1, 875, 616 2, 020, 875 Dependent Variable: CRIIL Method: Least Squares Sample: 2000 2010 Included observations: 11 Variable C PDBRIIL Coefficient 171287. 1 0. 566671 R-squared Adjusted R-squared S. E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Std. Error 32101. 87 0. 020287 0. 988596 0. 987329 16839. 97 2. 55 E+09 -121. 5512 780. 2293 0. 000000 t-Statistic 5. 335737 27. 93258 Prob. 0. 0005 0. 0000 Mean dependent var S. D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 16 1056688. 149603. 9 22. 46386 22. 53621 22. 41826 1. 347252

Data Cross Section Nilai variabel dari beberapa individu pada satu periode waktu yang sama Individu bisa berupa negara, provinsi, perusahaan, perorangan, dsb Contoh: data konsumsi dan PDRB seluruh provinsi di Indonesia tahun 2011 DATA KONSUMSI DAN PDRB NOMINAL (Juta Rp) TAHUN 2011 2011 2011 2011 2011 2011 2011 2011 2011 PROV NAD Sumut Sumbar Riau Jambi Sumsel Bengkulu Lampung Babel Kepri DKI Jabar Jateng DIY Jatim Banten Bali NTB NTT Kalbar Kalteng Kalsel Kaltim Sulut Sulteng Sulsel Sultra Gorontalo Sulbar Maluku Malut Papua Barat Papua CNOM 35, 305, 263 186, 029, 226 53, 011, 431 128, 118, 434 37, 891, 889 115, 478, 933 12, 780, 991 65, 624, 263 15, 598, 162 61, 555, 344 542, 133, 712 510, 388, 750 320, 409, 013 26, 319, 645 597, 413, 773 85, 637, 614 44, 398, 065 22, 768, 353 22, 450, 911 35, 357, 043 21, 935, 482 31, 772, 043 49, 503, 200 18, 329, 055 26, 429, 347 66, 264, 062 16, 565, 955 6, 334, 898 8, 460, 490 6, 647, 679 4, 096, 729 17 13, 139, 228 41, 897, 884 PDRBNOM 85, 537, 966 314, 156, 937 98, 917, 269 413, 350, 123 63, 268, 138 181, 776, 073 21, 150, 290 128, 408, 895 30, 254, 777 80, 242, 794 982, 540, 044 861, 006, 348 498, 614, 636 51, 782, 092 884, 143, 575 192, 218, 910 73, 478, 162 48, 729, 107 31, 204, 406 66, 780, 222 49, 072, 507 68, 234, 881 390, 638, 617 41, 505, 118 44, 317, 855 137, 389, 879 32, 032, 499 9, 153, 669 12, 895, 358 9, 953, 798 6, 056, 974 36, 170, 456 77, 778, 807

DATA KONSUMSI DAN PDRB NOMINAL (Juta Rp) TAHUN 2011 2011 2011 2011 2011 2011 2011 2011 2011 PROV NAD Sumut Sumbar Riau Jambi Sumsel Bengkulu Lampung Babel Kepri DKI Jabar Jateng DIY Jatim Banten Bali NTB NTT Kalbar Kalteng Kalsel Kaltim Sulut Sulteng Sulsel Sultra Gorontalo Sulbar Maluku Malut Papua Barat Papua CNOM PDRBNOM 35, 305, 263 85, 537, 966 186, 029, 226 314, 156, 937 53, 011, 431 98, 917, 269 128, 118, 434 413, 350, 123 37, 891, 889 63, 268, 138 115, 478, 933 181, 776, 073 12, 780, 991 21, 150, 290 65, 624, 263 128, 408, 895 15, 598, 162 30, 254, 777 61, 555, 344 80, 242, 794 542, 133, 712 982, 540, 044 510, 388, 750 861, 006, 348 320, 409, 013 498, 614, 636 26, 319, 645 51, 782, 092 597, 413, 773 884, 143, 575 85, 637, 614 192, 218, 910 44, 398, 065 73, 478, 162 22, 768, 353 48, 729, 107 22, 450, 911 31, 204, 406 35, 357, 043 66, 780, 222 21, 935, 482 49, 072, 507 31, 772, 043 68, 234, 881 49, 503, 200 390, 638, 617 18, 329, 055 41, 505, 118 26, 429, 347 44, 317, 855 66, 264, 062 137, 389, 879 16, 565, 955 32, 032, 499 6, 334, 898 9, 153, 669 8, 460, 490 12, 895, 358 6, 647, 679 9, 953, 798 4, 096, 729 6, 056, 974 13, 139, 228 36, 170, 456 41, 897, 884 77, 778, 807 Dependent Variable: CNOM Method: Least Squares Sample: 1 33 Included observations: 33 Variable C PDRBNOM Coefficient Std. Error -7804272. 8755482. 0. 579068 0. 027567 R-squared Adjusted R-squared S. E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0. 934356 0. 932239 41163147 5. 25 E+16 -624. 3842 441. 2464 0. 000000 t-Statistic -0. 891358 21. 00587 Prob. 0. 3796 0. 0000 Mean dependent var S. D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 18 97880208 1. 58 E+08 37. 96268 38. 05337 37. 99319 2. 084886

Data Panel Gabungan data cross section data time series dari beberapa individu pada suatu rentang periode waktu Contoh: data konsumsi dan PDRB seluruh provinsi di Indonesia tahun 2005 -2011 DATA KONSUMSI DAN PDRB RIIL (Juta Rp) TAHUN 2005 2006 2007 2008 2009 2010 2011 PROV NAD Papua NAD Papua CNOM 23, 714, 220 17, 507, 402 23, 841, 964 18, 487, 226 23, 320, 136 21, 096, 521 22, 745, 713 24, 265, 342 24, 322, 278 27, 431, 494 26, 347, 969 30, 306, 071 27, 644, 870 33, 467, 436 19 PDRBNOM 74, 749, 396 55, 547, 380 77, 531, 003 52, 456, 465 71, 093, 359 56, 223, 825 67, 567, 800 56, 587, 621 62, 135, 388 67, 686, 508 64, 805, 564 74, 100, 303 66, 978, 284 62, 128, 610

Pertimbangan Cara Pengambilan? (Wooldridge, 2005) Feasibility: Data cross section dan Time series lebih murah daripada Panel Data Information: Kandungan informasi yang dimiliki oleh Data Panel adalah terbaik jika dibandingkan dengan Data cross section dan Time series Kebutuhan: Analisis ekonometrika lanjut membutuhkan data yang bersifat panel. 20

PANEL DATA Data panel merupakan observasi dari unit-unit ekonomi yang sama selama (cross-section) beberapa kurun waktu tertentu (time series) Data umumnya diperoleh melalui survey yang berulang atau dengan mengikuti perkembangan sample selama beberapa kurun waktu Nama lain panel data: Time series cross section data Longitudinal data Micropanel data Cohort analysis 21

PANEL DATA Panel Data merupakan gabungan antara data time series dan cross section dalam suatu model. Beberapa keuntungan (Baltagi dalam Gujarati, 2003): Lebih informatif, variatif, dan mengurangi kolinearitas Dinamika perubahan Unobserved faktor (cross section dan time series) Model perilaku: misal economies of scale 22

Keterbatasan Panel Data Ø Masalah dalam desain survey panel, pengumpulan dan manajemen data (Masalah yang umum dihadapi diantaranya : cakupan (coverage), kemampuan daya ingat responden (recall), frekuensi dan waktu wawancara. Ø Kesalahan pengamatan (measurement errors) yang umumnya terjadi karena kegagalan respon (ex: pertanyaan yg tdk jelas, ketidaktepatan informasi, etc) Ø Masalah attrition (jumlah responden yang berkurang pada survey lanjutan) Ø Teknik estimasih terus berkembang

Setiap ahli ekonomi yang menggunakan panel data atau jenis data lainnya harus selalu menyadari bahwa setiap metode yang digunakan memiliki keterbatasan …

Beberapa Tipe Panel Data Struktur Individu, i = 1, 2, . . . , N. Waktu, t = 1, 2, . . . , T, untuk setiap i. Lazimnya N berukuran besar dan T berukuran kecil. Ukuran N yang besar and T yang kecil (data rumah tangga, industri). Ukuran N kecil and T besar (data makroekonomi advanced dan emerging market). Kedua-duanya besar (produksi dan ekspor impor produk pertanian)

Contoh Micro panel : data industri dan rumah tangga Panel Study of Income Dynamic, US The Indonesia Family Life Survey http: www. rand. org/FLS/IFLS), SUSENAS BHPS: British Household Panel Survey (Institute for Social and Economic Research at the University of Essex) GSOEP: German Socio-Economic Panel (German Institute for Economic Research) Canadian Survey of Labor Income Dynamics Japanese Panel on Consumers Korea Labor and Income Panel Surveys Household Income and Labor Dynamics in Australia

Macro panel: Purchasing Power Parity (PPP), GDP or GNI Sumber macro panel data antara lain: World Development Indicators (www. worldbank. org/data) Statistik perdagangan dan keuangan internasional (www. imf. org)

MODEL PANEL DATA i : individu (cross section) t : waktu (time series) Normally distributed error Bervariasi antar individu Composite error term

Struktur Data Periode 1 Individu 1 Periode T Periode 1 Individu 2 Periode T Periode 1 Individu N Periode T

Fixed Effect Panel Model

31

Teknik mengatasi masalah tersebut: 1. First differencing (FD) 2. Fixed effect model (FE) FD dilakukan dengan cara mengurangkan nilai suatu variabel yang langsung berurutan. Fixed Effects umumnya digunakan ketika terjadi korelasi antara konstanta yang bersifat individu dengan variabel independen. Dikenal dengan least squares dummy variable model (LSDV): metode OLS dengan variabel dummy dengan intersep diasumsikan berbeda antar unit wilayah. 32

Fixed Effects Model

Slope adalah BB. AA adalah slope hasil estimasi dengan teknik pooled OLS

Metode First Differencing (FD)

Metode Fixed effects transformation (FE). . . (1). . . (2). . . (3). . . (4) Ø Disebut within transformation. “Within” karena menggunakan deviasi dari rataan data setiap individu sepanjang waktu. Ø Persamaan (4) diestimasi dengan Pooled OLS

Random Effect Panel Model

Persamaan asal: Ingat ai sekarang bagian dari error term Pendekatan ini tepat bila observasi lebih merupakan sampel, bukan keseluruhan populasi

Struktur Varians pada Random Effects Ø Pada random effects, diasumsikan ai adalah bagian dari error term vit. Ø Untuk mendapatkan estimator yang efisien, harus dilakukan modifikasi pada struktur error. Ø Penerapan GLS dapat memberikan estimator yang efisien yang menghendaki berbagai asumsi berikut Asumsi ini paling krusial untuk mendapatkan estimator yang konsisten, yang berikutnya akan diuji dengan Hausman test.

Tahapan dan Prosedur Pengujian Model Panel Data 1. Pool OLS Chow Test 2. Fixed Effects Model Hausman Test 3. Random Effects Model 41

Chow Test Pool OLS vs Fixed Effects Hipotesa: Ho : Pool lebih baik Hi : Fixed lebih baik Jika signifikan (menolak Ho) maka Fixed effect lebih tepat digunakan, dan sebaliknya. Jika hasil uji signifikan, maka kemudian dilanjutkan untuk estimasi Random effect. 42

Uji Hausman Ø Uji terhadap model random effects (RE) atau model fixed effects (FE) Ø RE sebagai benchmark (null hipotesis), menguji hubungan antara ai dengan xit Ø H 0: E(ai|xit) = 0 Ø Jika menolak null (signifikan) maka model FE leih tepat digunakan, sebaliknya jika tidak signifikan maka RE lebih tepat. 43

Referensi Ø Gujarati, D. 2004. Basic Econometrics, 4 th Ed. New York: Mc. Graw-Hill Book Company. Ø Baltagi, B. H. 2005. Econometric Analysis of Panel Data, 3 rd Ed. New York: John Wiley & Sons, Ltd Ø Baltagi, B. H. 2008. Econometrics, 4 th Ed. Heidelberg: Springer Ø Wooldridge, J. 1999. Introductory to Econometrics. 44