UJI UNIT ROOT (STASIONERITAS) DATA PANEL DENGAN EVIEWS

UJI UNIT ROOT (STASIONERITAS) DATA PANEL DENGAN EVIEWS

Malam sobat.. Kali ini mau ngeposting lagi nih tentang uji unit root atau uji stasioneritas.. Uji stasioneritas ini kita lakukan untuk menghindari spurious regression. Ada yang bilang, regresi lancung atau apalah hehehe...

 Spurious ini pokoknya terlihat dari F-test, t-test, dan kalau dari sisi nilai koefisien determinasi (R Squared), nunjukin kalau variabel bebasnya mampu menerangkan variabel terikatnya (padahal sebenarnya tidak). 

Nah, let’s go back ke bagian apa sebenarnya tujuan penggunaan data panel.. Nah, tujuannya buat meningkatkan yang namanya power of test. Caranya ya dengan menambah jumlah sampel (panel identik dengan sampel yang cukup besar).

Tambahin pada cross section dan time seriesnya untuk dapat sampel yang lebih besar. Tetapi, inget, kalau jumlah sampel ditambah bakal cenderung membawa resiko perubahan struktur saat kita apalagi datanya punya series yang panjang.. Next, semakin besar peluang terjadi heterogenitas untuk jumlah cross section yang banyak. 

Jadi, karena alasan itu sob, perlu diadakan uji stasioneritas variabel pada data panel (panel unit root test). Hemmh, alasan lain ada juga sih (alasannya gak asal ngarang lhooo hehehe, sekedar analisis dan hasil diskusi dari dosen pembimbing saya dulu hehehe). Alasannya begini.. Penelitian yang sarat dengan ekonomi, variabel-variabel yang dipakai umumnya tidak stasioner pada level I(0) atau data aslinya, biasanya ( berdasarkan pengalaman sang dosbing) akan stasioner pada first different I(1). 

Terus, pakai apa dong buat ngujinya? Yap, kita pakai uji stasioneritas regresi data panel LLC (Levin, Lin & Chu) dan salah satu ADF (Augmented Dickey Fuller) atau PP (Philips-Peron). 

Signifikansi nilai probabilitas LLC penting untuk uji stasioneritas poolnya (secara keseluruhan yaitu N jumlah observasi dikali T jumlah periode waktu) sedangkan signifikansi ADF atau PP untuk melihat stasioneritas masing-masing observasinya. Nah, berarti jumlah observasi N dalam penelitian ini ada 33 yaaa.. yaitu jumlah seluruh propinsi di Indonesia sebanyak 33. Jadi, bisa kita ringkas, jumlah periode waktu triwulanan ada 24 yakni dari tahun 2006-2011 sehingga buat poolnya sendiri ada sebanyak 792 (33*24).

Oke deh, sekarang ayok simak.. Disini data sudah ada dalam Eviews.. (klik disini untuk download datanya).. Ya, kalau masalah masukin data-datanya ke Eviews dah pada bisa dooong.. hehe atau bisa gak sih wkwkwk... Yaudah, nih data yang saya pakai buat skripsi saya dengan Random Effect Model Panel Data). Jadi, saya bedah dulu dari stasioneritasnya yaaa... Selamat menyimak... :-)

Ada tujuh variabel tapi saya butuhnya lima variabel bebas (kurs, lnekspor, lnihk, lnindeksrate, openness, tpt/tingkat pengangguran terbuka). 

Variabel tpk gak saya pakai karena tpk=1-tpt.. Pernah, saya coba masing-masing, ya bedanya nanti cuma di koefisiennya aja (tpt akan negatif ke lnpdrb sedangkan tpk akan positif). Untuk variabel terikatnya saya pakai lnpdrb..

Masuk ke inti persoalan, untuk menampilkan unit root test, hal pertama yang perlu dilakukan adalah melakukan estimasi dengan mengklik menu Quick, Estimate Equation lalu pada bagian Specification diisi dengan rancangan model penelitian kita.. misalnya lnindeksrate c openness kurs lnihk tpt lnekspor

Akan muncul hasil seperti berikut:

 

Selanjutnya klik pada menu View, Unit Root Test.. Kita melakukan uji statsioneritas untuk seluruh variabel bebas (openness, kurs, lnindeksrate, lnihk tpt dan lnekspor) dan variabel terikat (lnpdrb).

Oleh karena itu, pada pool series, silahkan sobat isikan dengan variabel yang akan dilakukan uji stasioneritasnya. Misal, yang pertama openness..  Berikut gambarannya: 

 

 

Pada Test Type silahkan pilih Summary yang akan menampilkan uji unit root dengan Levin Chu, Philips Peron, ADF bahkan Pesaran. Pada bagian Test for unit root ini, silahkan dimulai dari yang level (data aslinya saja). Pada bagian Include in test equation, ada tiga penyesuaian pilihan yakni Individual Intercept, Individual Intercept and Trend dan None atau No Individual Intercept and Trend, tinggal disesuaikan saja,. Selanjutnya, klik OK dan akan tampil hasil sebagai berikut:

 

Nilai Prob Levin Chu adalah 0,0023 dan nilai ini lebih kecil dari Alpha 0,05 sehingga kita menolak hipotesis nol dan menerima hipotesis alternatif (Uji Statistik Levin Chu untuk stasioneritas variabel openness sudah signifikan).

Selanjutnya, kita perhatikan salah satu uji PP atau ADF saja. Namun, dalam output, kedua-duanya adalah signifikan. Jadi, bisa kita simpulkan kalau variabel openness (keterbukaan ekonomi) sudah stasioner pada level.

Oke deh, buat variabel lain, caranya sama aja kok,,

Selamat mencoba,, semoga bermanfaat.. Oiya untuk analisis dan pemilihan model data panel akan segera saya posting.. Sabar ya hehehe...sukses buat sobat semua.. salam :-)