INTERPRETASI
MENARIK NILAI INDIVIDUAL EFFECT (Ci) PADA MODEL TERPILIH (Random Effect Model)
+ ANALISIS PENGARUH REGRESI DATA PANEL DENGAN EVIEWS 7.0
Hai sobat semua,
hehehe,, ketemu lagi nih walaupun cuma lewat postingan di dunia maya hehehe.. Seperti
biasa, saya tanya apa kabarnya nih sob? Moga baik, sehat dan sukses selalu ya..
Amiiinn..
Nah,
janji tidak tinggal janji lhoo.. Janji itu kan utang, ya nggak hehehe.. Janji
saya buat sobat semualah yang jadi alasan saya untuk memberikan apa yang masih
bisa saya sanggupi..
Oke deeeh, kalau sebelumnya saya udah posting tentang pemilihan
model terbaik analisis data panel (common, fixed, random effect) dilengkapi
contoh dengan eviews 7.0, kali ini sesuai dengan janji, saya mau hadirkan
postingan tentang gimana cara menginterpretasikan nilai efek individu yang
menarik. Heemh, ini penilaian juga lhoo buat dosen penguji kalau ada diantara
sobat yang akan ikut sidang skripsi atau thesis nanti hehehe..
Gak
cuma itu, saya mau kasi juga interpretasi ringkas terkait analisis pengaruh
pada regresi data panel yang sudah dengan model terbaik (dalam hal ini adalah
Random Effect Model). Let’s gooo..
Setelah
sebelumnya sobat udah lakukan pemilihan model dengan uji Chow dan Hausman,
diperoleh model terbaik misalnya Random, silahkan buka lagi output Pool
Estimation yang pakai Cross Section Random..
Ingat
pada Random Effect, nilai individual effect ditambahkan dengan nilai
intersepnya. Jadi, perlu sobat tahu, otomatis intersep akhir
(individual+intersep) akan berbeda satu sama lain dong hehe.. Makin besar
individual effectnya, makin besar juga intersep akhirnya untuk masing-masing
propinsi.
Wow, berarti nanti setiap propinsi kita punya model.. Huufht, banyak
banget dong penjelasannya.. Tenang, jangan semuanya dijelasin, cukup yang
ekstrim-ekstrim ajalah. Cari aja misal 6 propinsi yang intersep akhirnya
terbesar dan terkecil aja sob..
Ini
saya sudah tabulasikan hasilnya buat sobat semua:
Untuk
menemukan secara cepat propinsi yang punya intersep akhir terbesar dan terkecil,
disini sudah saya urutkan propinsi berdasarkan nilai intersep akhirnya
(individual effect + intersep umu model regresi panel).
Nah,
dari nilai intersep akhir terlihat bahwa propinsi DKI Jakarta yang paling
tinggi, selanjutnya Jawa Timur, Jawa Barat, Jawa Tengah, Sumatera Utara dan
Kalimantan Timur. Kira-kira begini penjelasannya sob..
Kalau kita asumsikan
seluruh variabel bebas penelitian tidak berpengaruh maka keenam propinsi
tersebut memiliki pertumbuhan ekonomi regional (propinsi) yang paling tinggi.
Seperti kita tahu bahwa pertumbuhan ekonomi bisa mencerminkan tingkat
kesejahteraan propinsi.
Sisi lain yang juga menggambarkan kemajuan dan
kesejahteraan propinsi bisa tercermin pula dari besarnya PDRB propinsi
tersebut. Coba perhatikan, keenam propinsi yang punya intersep akhir tertinggi
ini merupakan propinsi yang memiliki PDRB paling tinggi di Indonesia dari waktu
ke waktu.
Next,
kalau kita asumsikan seluruh variabel bebasnya konstan (tidak ada pengaruh)
maka enam propinsi dengan nilai intersep akhir paling rendah berturut-turut
mulai dari propinsi Maluku Utara, Bengkulu, Babel, Gorontalo, Maluku dan
Sulawesi Tenggara memiliki pertumbuhan ekonomi regional yang terendah. Keenam
propinsi yang pertumbuhan ekonomi regionalnya paling rendah ini, juga masih
yang terendah dari sisi PDRB yang dihasilkan.
Untuk verifikasi data PDRB,
disini saya berikan cuplikan PDRB tahun 2011 (sumber data Badan Pusat Statistik
RI).
Nah,
sekarang kita masuk ke dalam interpretasi pengaruhnya ya..
Perhatikan
nilai probabilitas t-statistic masing-masing variabel bebasnya yaa.. Ada lima
variabel bebas yang secara statistik signifikan memengaruhi pertumbuhan
ekonomi. Apa-apa saja itu?
Nah, ada variabel openness(keterbukaan ekonomi),
lnindeksrate (indeks tingkat suku bunga), lnihk (inflasi), TPT (tingkat
pengangguran terbuka) dan lnekspor
(nilai ekspor) sedangkan variabel kurs (nilai tukar) secara statistik tidak
signifikan memengaruhi variabel lnpdrb (pertumbuhan ekonomi). Tapi ingat,
biarpun kurs gak signifikan secara statistik, bukan berarti kurs sama sekali
gak punya pengaruh yaa.. Tetap ada, tetapi sangat kecil.
Secara
statistik variabel openness, lnindeksrate, dan tpt berpengaruh negatif signifikan
terhadap pertumbuhan ekonomi sedangkan lnihk dan ekspor berpengaruh signifikan
terhadap pertumbuhan ekonomi. Untuk besarnya pengaruh saya kasi dua contohnya
ya, sisanya sobat pasti bisalah..
Untuk
openness (-0,638969), jika tingkat keterbukaan ekonomi mengalami peningkatan
sebesar 1 satuan maka pertumbuhan ekonomi akan mengalami penurunan sebesar 0,639 persen.
Untuk
lnekspor (0,659329), jika pertumbuhan nilai ekspor mengalami peningkatan
sebesar 1 persen maka pertumbuhan ekonomi akan mengalami peningkatan sebesar 0,6851 persen.
Oke
deh sob, itu dulu yang mau saya bagikan ya hehehe.. Kalau ada yang kurang, ya
anggap aja itu ngurangin penyakit, lebihnya anggap aja nambahin penghasilan
hehehe..
Semoga bermanfaat.. Salam sukses :-)
penjelasannya ada di sini, terimakasih mas.. :)
BalasHapusya sama2 mas syahrul. semoga sukses :)
BalasHapusMas kalau mau mau analisis R squared nya yg mana yg di pake.?
Hapussoalnya kan R squared untuk metode rem ada 2 mas
mas mau tanya. apakah pada pendekatan FEM untuk intepretasi intersep akhir juga sama seperti pada pendekatan REM yang telah dijelaskan di atas? terima kasih
BalasHapusoh iya kemudian untuk tanda positif negatifnya pada intersep akhir bagaimana ya pengaruhnya? misal, konstanta persamaan umum 9. kemudian untuk provinsi DKI cross section individunya 61, untuk provinsi Jateng cross section individunya -80. hasil akhirnya kan untuk DKI 70 dan untuk Jateng -71. itu bagaimana ya intepretasinya? ditunggu ya jawabannya terima kasih:)
BalasHapussama dengan pertanyaan mbak diniyah, apakah untuk nilai efek tiap intersep pada fixed sama dengan penjelasan random di atas? terimakasi
BalasHapusUntuk interpretasi intersepnya sama mb. Jadi nilai konstanta untuk masing-masing crosssection nanti merupakan sum up dari konstanta persamaan umum dengan masing-masing model cross section.
BalasHapuspenjelasan salah. jangan samakan interpretasi fixed effects dan random effects!
BalasHapussangat bermanfaat, jangan berhenti untuk berbagi ilmu, semoga sukses.
BalasHapusterimaksh.
Mas utk mendapatkan seperti gambar 1 gmn ya?? Apakah bisa dibuatkan tutorialnya utk fem?
BalasHapusTerimakasih
Izin mas, boleh dibuatkan tutorial untuk gambar 1. Karena di eviews 12 saya output REM nya tidak ada efek individu nya
BalasHapus