Asumsi klasik merupakan syarat utama dalam analisis regresi yang menggunakan metode Ordinary Least Square (OLS). Asumsi ini bertujuan agar model regresi menjadi Best Linear Unbiased Estimator (BLUE) atau model terbaik yang tidak bias. Untuk memenuhi asumsi ini, model regresi perlu memenuhi syarat validitas, reliabilitas, normalitas, serta bebas dari masalah heteroskedastisitas, autokorelasi, dan multikolinieritas.

Dalam penelitian ekonomi, sering kali digunakan analisis persamaan simultan untuk memahami pengaruh variabel independen yang didorong oleh variabel eksogen. Analisis ini dikenal sebagai analisis data panel, yang mencakup dampak kontemporer (indirect effect) dalam suatu model. Persamaan yang memenuhi asumsi klasik pada metode ini menggunakan Generalized Least Square (GLS), khususnya pada random effect model, sementara fixed effect dan common effect tetap menggunakan OLS.

Regresi data panel dilakukan dengan tiga pendekatan utama: Common Effect Model (CEM), Fixed Effect Model (FEM), dan Random Effect Model (REM). Common Effect Model (CEM) menggabungkan data time series dan cross section untuk diregresikan menggunakan OLS. Metode ini mengasumsikan bahwa data dari seluruh sampel memiliki kesamaan parameter tanpa memperhitungkan perbedaan antar individu atau waktu.

 

Fixed Effect Model (FEM) memungkinkan perbedaan intersep di antara entitas atau perusahaan, meski nilai intersep tidak berubah seiring waktu. Slope dari setiap variabel independen tetap sama untuk semua entitas, menjadikannya model yang mampu mengidentifikasi efek individu dan efek waktu tanpa asumsi korelasi antara error dan variabel bebas. Namun, kelemahan FEM adalah penurunan derajat kebebasan yang bisa menurunkan efisiensi parameter.

Random Effect Model (REM) memperlakukan variabel gangguan atau error sebagai komponen acak dan mengakomodasi metode GLS. REM memiliki kelebihan dalam mengatasi heteroskedastisitas serta mengurangi korelasi antar waktu pada data. Model ini lebih efisien karena tidak mengasumsikan korelasi antara komponen error dan variabel bebas, berbeda dengan fixed effect yang menganggap komponen error sebagai bagian dari karakteristik individu.

Untuk memilih model terbaik antara FEM dan REM, digunakan Uji Hausman. Tes ini mengidentifikasi model mana yang lebih sesuai dengan melihat nilai probabilitas (P-value) dari cross-section random. Jika P-value > 0,05, REM lebih tepat digunakan; jika < 0,05, maka FEM lebih sesuai. Jika REM yang terpilih, asumsi klasik tidak perlu diuji ulang, namun jika FEM atau CEM yang dipilih, uji asumsi klasik tetap diperlukan.

Kesimpulannya, data panel memiliki kelebihan karena menggabungkan data cross-section dan time series sehingga menghasilkan lebih banyak data dan meningkatkan derajat kebebasan. Data panel ini juga mengatasi masalah variabel yang tidak relevan untuk dihilangkan karena setiap variabel memiliki peran penting dalam analisis, sehingga efisien dan fleksibel dalam menyajikan hasil analisis yang lebih detail.

 

 

Referensi :

Agus Widarjono, (2018)  Ekonometrika , UPP STIM YKPN, Yogyakarta

Ghozali, Imam, Dwi Ratmono.2018.“Analisis Multivariat dan EkonometrikaTeori, konsep dan Aplikasi dengan Eviews 10”. Edisi 2. Fakutas Ekonomi dan Bisnis Universitas Diponegoro, Semarang

Gujarati, Damodar N, Dawn C. Porter. 2010. Dasar-Dasar Ekonometrika (jilid 2).Salemba Empat Jakarta