Firdausi, Rizka (2013) Pengaruh Banyaknya Unit Cross-Sectional Terhadap Pemilihan Model Efek Tetap Dan Model Efek Acak Pada Model Regresi Panel Komponen Dua Arah. Sarjana thesis, Universitas Brawijaya.
Abstract
Data panel adalah data yang merupakan hasil dari pengamatan pada beberapa individu (unit cross-sectional) yang masing-masing diamati dalam beberapa periode waktu yang berurutan (unit waktu). Regresi panel merupakan teknik yang memodelkan pengaruh peubah penjelas terhadap peubah respon pada data panel, salah satunya adalah model dengan slope konstan dan intersep bervariasi pada kedua unit (unit cross-sectional dan unit waktu). Model regresi panel yang dipengaruhi oleh kedua unit disebut model komponen dua arah. Ada dua pendekatan model regresi panel, yaitu model efek tetap dan model efek acak. Secara garis besar pertimbangan dalam pemilihan MET dan MEA adalah berdasarkan banyaknya N (unit cross-sectional) dan T (waktu pengamatan). Tujuan penelitian ini adalah mengkaji pengaruh banyaknya unit cross-sectional pada pemilihan model efek tetap (MET) dan model efek acak (MEA) pada model komponen dua arah berdasarkan uji Hausman. Pembentukan MET dan MEA untuk setiap ulangan pada masing-masing N menghasilkan signifikansi yang kurang dari α (=5%) berarti parameter model yang dihasilkan signifikan, sehingga perlu dilakukan pemilihan model menggunakan uji Hausman. Berdasarkan uji Hausman didapatkan hasil bahwa model yang sesuai adalah MEA untuk setiap ulangan pada masing-masing N karena persentase MEA selalu lebih besar dibandingkan MET, hal ini terlihat dari signifikansi statistik uji Hausman yang lebih kecil dari alpha (α) 10%. Jika dilihat dari persentase banyaknya MET dan MEA yang terbentuk untuk masing-masing N dapat disimpulkan bahwa semakin banyak N maka semakin sedikit MEA yang terbentuk dan MET semakin banyak, walaupun pada akhirnya MEA terbentuk lebih banyak untuk setiap N (unit cross-sectional) karena MEA yang lebih tepat digunakan.
English Abstract
The data resulting from observation of some individual (cross-sectional unit) which is observed in some series of time period (time unit) is called panel data. Panel regression is a method for analyzing panel data, which is used for modelling the effect of predictor variables against its response. The model with constant slope and varying intercept in both units (cross-sectional and time unit) is one of the model belongs to panel regression. Panel regression model which is influenced by both units is called two way component model. There are two kinds of panel regression approach that is Fixed Effect Model (FEM) and Random Effect Model (REM). Generally the reason of choosing between FEM and REM is based on the number of N (cross-sectional unit) and T (time unit). The aim of this research is to study the influence of number of cross-sectional unit in selection between FEM and REM for two way component model based on Hausman test. Both FEM and REM resulted from each replication in each N has a significant value which is less than α (=5%). It means that both parameters model are significant, so that, it is necessary to do the selection model using Hausman test. Based on Hausman test it is given that REM is an appropriate model for each replication in each N because it has bigger percentage than FEM. From the percentage of FEM and REM formed by each N, it can be concluded that the more number of N, the less REM but the more FEM which is formed. But generally, comparing with the number of FEM, there is more number of REM that is formed for each N because REM is an appropiate model.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2013/280/051307809 |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Hasbi |
| Date Deposited: | 02 Sep 2013 10:56 |
| Last Modified: | 25 Oct 2021 02:24 |
| URI: | http://repository.ub.ac.id/id/eprint/153538 |
Preview |
Text
SKRIPSI__-_RIZKA_FIRDAUSI_-__0910950064-95.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |