Welcome to Wajibstat Analysis Jibvela17...

NEW WAJIBSTAT ANALYSIS IS COMING***

Kamis, 21 Maret 2013

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 :-)






15 komentar:

  1. hallo kak, saya boleh tanya ya. data panel yang sebaiknya diuji stasioneritas itu ketika "datanya punya series yang panjang" sebagaimana kakak tulis di atas. mungkin kakak bisa menjelaskan kriteria series yang panjang itu dengan rentang series seberapa banyak? apakah 13 tahun termasuk series yang panjang?

    BalasHapus
  2. Hai juga dek.. Jadi, series itu kan mencerminkan jumlah waktu (bukan periode ya) misalnya berapa hari, berapa minggu, bulan, triwulan atau tahun. Nah, dikatakan series panjang jika dari series itu sudah membentuk lebih dari satu siklus (melewati optimum series). Apa itu satu siklus? Artinya ketika pergerakan/volatilitas data kembali ke situasi awal. (awal, puncak, awal, lembah, awal = satu lambda). Demikian. Semoga membantu.. Salam

    BalasHapus
  3. ya ampun kak, itu dari mana kita tahunya kalau sudah satu siklus atau satu lamda tsb? pergerakan data yang kembali ke situasi awal itu contohnya bagaimana? mungkin bisa dijelaskan lebih lanjut kak

    BalasHapus
  4. ya ampun dek.. yaudah begini deh,misalnya untuk data ihsg. Nah kamu buat plot datanya dengan sumbu x sebagai periode dan y sebagai nilai ihsg. perhatikan pergerakan ihsg sepanjang periode dan jika plot data menunjukkan katakanlah di awal periode data ihsg bergerak di level 4300, selanjutnya bisa saja terjadi kenaikan ihsg katakanlah di level 4350 seterusnya sampai beberapa periode data ihsg terus meningkat (sampai level tertinggi) dan kemudian ihsg menurun (bisa saja lebih rendah dari level pertama di 4300) lalu kembali lagi ke posisi semula di kisaran 4300. Fenomena ini terlihat sebagai satu lamda (gelombang) ihsg yang dari posisi tertentu, lalu naik hingga mencapai puncak, kemudian turun sampai pada level terendah, dan akhirnya kembali ke kisaran level awal.

    BalasHapus
  5. ooh gituu. berarti untuk data yang fluktuatif ya kak?

    BalasHapus
  6. nah betuuul, iya boleh dikatakan seperti itu makanya pada penjelasan di atas saya tuliskan karena data-data ekonomi biasanya bersifat fluktuatif, maka uji stasioneritas ini diperlukan..

    BalasHapus
  7. Bang, saya lagi garap skripsi, topiknya tentang 'dampak ACFTA terhadap ekspor neto dan investasi'
    variabel Y: ekspor neto, investasi neto.
    Variabel X: Untuk (Y)ekspor neto = nilai tukar, PDB ASEAN-China, PDB Indonesia, dummy (ACFTA).
    Untuk(Y) investasi neto = tingkat bunga, dummy (ACFTA).
    data PDB ASEAN-China ada ~ 10 negara
    data tingkat bunga ada ~ 10 negara

    Nah, kira2 model apa yg bisa saya gunakan dlm penelitian ini.

    Terima kasih atas bantuannya.

    BalasHapus
  8. okeee terimakasih banyak kak :D

    BalasHapus
  9. @Deti Hapsari: Ya kembali kasih Deti. Selamat berjuang dan semoga sukses.

    BalasHapus
  10. @Jambo Burito: Salam kenal dek Jambo Burito.. Nah,kalau dari judul yang saya tangkap kamu mau melihat bagaimana dampak ACFTA terhadap ekspor neto dan investasi di kawasan ASEAN. Jika benar seperti itu, berarti kamu bisa membuat dua model regresi data panel yaitu model determinan ekspor neto dan model determinan investasi. Selanjutnya, kamu akan menganalisis kedua model tersebut secara terpisah tetapi kamu terkesan membuat dua buah penelitian yang saling independen. Namun, jika kamu ingin membandingkan kedua garis regresi model (dampak kerjasama ACFTA terhadap ekspor neto dan dampak kerjasama ACFTA terhadap investasi neto), maka variabel bebas yang kamu pakai untuk kedua variabel terikatnya haruslah sama. Demikian. Salam.

    BalasHapus
  11. malam kak...
    mau tanya kak pada test type itu ada gak pilihan DF (Dickey Fuller) ajah?
    apa bedanya DF dan ADF kak? apakah hasilnya nanti sama ajah?
    setau saya kalo yang di teorinya DF itu untuk AR(1) kalo ADF AR (p)
    terimaksih kaka

    BalasHapus
  12. sore kak, kalau data panel perlu uji asumsi klasik ga?

    BalasHapus
  13. Kak mau tanya, kalau setelah uji akarnunit. Trnyata ada beberapa variabel tang stasioner pd first differnce itu bagaimna? Akan mempengaruhi hasil estimasi? Apakah ketika membuat equation model , variabel tsb hrus di tambahkan D ? Misalkan D(M2) ? Terimakasih

    BalasHapus
  14. Kak mau tanya, kalau setelah uji akarnunit. Trnyata ada beberapa variabel tang stasioner pd first differnce itu bagaimna? Akan mempengaruhi hasil estimasi? Apakah ketika membuat equation model , variabel tsb hrus di tambahkan D ? Misalkan D(M2) ? Terimakasih

    BalasHapus
  15. Ya benar mb Indah gunakan variabel yang sudah stasioner.

    BalasHapus