Minggu, 12 Maret 2017

Mengatasi Heteroskedastisitas dan Multikolinearitas pada Regresi Data Panel dengan Program STATA





Salah satu teknik analisa yang biasa digunakan untuk menguji ada tidaknya pengaruh variabel bebas terhadap variabel terikat adalah analisis regresi data panel. Analisis ini digunakan untuk data penelitian yang bersifat panel,  yaitu data penelitian yang memuat gabungan antara data cross section dan data time series. Untuk penjelasan lebih lanjut mengenai pengertian analisis regresi data panel dapat anda pelajari dalam artikel kami sebelumnya Analisis Regresi Data Panel.

Dalam analisis regresi  data panel,  tidak semua asumsi uji regresi (normalitas, multikolinearitas, heteroskedastisitas dan autokorelasi ) dapat terpenuhi.  Lalu bagaimana untuk mengatasinya ?

Beberapa peneliti selanjutnya mengabaikan asumsi tersebut namun banyak juga peneliti yang selanjutnya menggunakan metode lain untuk mengatasi permasalahan tersebut. Menurut Gujarati (1992) dan Wahyudi et al, panel data memungkinkan peneliti mempelajari lebih kompleks mengenai perilaku yang ada dalam model dan data panel tidak memerlukan uji asumsi klasik. Dengan keunggulan regresi data panel maka implikasinya tidak harus dilakukannya pengujian asumsi klasik dalam model data panel (Verbeek, 2000; Gujarati, 2006; Wibisono, 2005, Aulia, 2004 dalam Shocrul R, Ajija, dkk, 2011). Namun demikian, tidak semua peneliti mengabaikan uji asumsi klasik dengan berdasarkan sumber referensi tersebut, terlebih jika hasil analisa yang didapat jauh dari yang diharapkan. Untuk mengatasi ahl tersebut selanjutnya para peneliti  menggunakan metode lain yang lebih tahan terhadap uji asumsi klasik tersebut. 

Beberapa asumsi dalam regresi panel yang seringkali tidak terpenuhi adalah asumsi heteroskedastisitas  dan asumsi multikolinearitas. Adapun metode yang paling sering digunakan peneliti mengatasi masalah tidak terpenuhinya asumsi dalam analisis regresi data panel adalah dengan menggunakan metode SUR (Seemingly Unrelated Regression). 

Model SUR diperkenalkan oleh Zellner pada tahun 1962, yang merupakan bahasan dari model regresi multivariat (multiple regression), dan merupakan bagian dari regresi linier. Model SUR terdiri atas beberapa sistem persamaan yang tidak berhubungan (unrelated). Artinya setiap variabel (dependen maupun independen) terdapat dalam satu sistem. Pada model SUR, error dari sistem yang berbeda saling terkorelasi/berhubungan.

Estimasi model SUR dengan program STATA cukup mudah, berikut ini kami berikan sebuah contoh regresi data panel untuk menguji pengaruh variabel X1, X2 dan X3 terhadap variabel Y. Dari hasil uji asumsi klasik, model tidak memenuhi asumsi multikolinearitas dan heteroskedastisitas, tampilan hasil uji multikolienaritas adalah sebagai berikut L
 Selanjutnya, hasil uji heteorkedastisitas menunjukkan keluaran sebagai berikut :

Dari hasil di atas, dapat dilihat bahwa ada variabel bebas yang berkorelasi sangat tinggi (>0,8) yang menunjukkan adanya multikolinearitas dalam model, dan hasil uji heteroskedastisitas menunjukkan nilai signifikan sebesar 0,000 < 0,05 yang menunjukkan adanya heteroskedastisitas, dengan demikian syarat multikolinearitas dan heteroskedastisitas tidak terpenuhi, namun demikian jika peneliti tetap menggunakan model tersebut maka hasil penelitian menunjukkan hasil yang tidak begitu baik, tidak ada variabel yang berpengaruh signifikan terhadap Y, oleh karena itu peneliti memilih menggunakan metode SUR untuk mengatasi masalah tersebut. 

Dengan menggunakan program STATA,  maka syntax metode sur  yang dapat anda tuliskan dalam STATA adalah :

.sureg Y X1 X2 X3(enter)

selanjutnya pada bagian keluaran akan diperoleh hasil sebagai berikut :

Dari hasil tersebut dapat dilihat bahwa variabel yang berpengaruh signifikan terhadap Y adalah X1 dan X3, dengan demikian model regresi ini ayng akan digunakan sebagai model penelitian . Dari keluaran tersebut maka model regresi panel yang terbentuk :

Y = 1,9844 - 0,1819 X1 + 0,0247 X2 + 0,1668 X3

Dengan nilai signifikan sebesar 0,000 yang berarti X1, X2 dan X3 secara simultan berpengaruh signifikan terhadap Y dan nilai koefisien determinasi (R Square) sebesar 0,1187 yang berarti besar kontribusi X1, X2 dan X3 terhadap Y adalah sebesar 11,87%.








Share This

Tidak ada komentar:

Jangan Bingung , Selesaikan Sekarang, kami siap membantu! !
Support by Jasa Blog