Uji Lagrange Multipliers Pada Pool Data

Uji Lagrange Multipliers Pada Pool Data

Artikel sebelumnya sudah kita bahas analisis regresi dengan menggunakan Eviews pada rumpun analisis pada data pool. Dari artikel-artikel sebelumnya kita dapati setidaknya 3 model pokok yang dapat dihasilkan dari pool data dengan pengolahan menggunakan Eviews yakni model regresi dengan Common Effect, Fixed Effect dan Random Effect. Pertanyaan selanjutnya ketika kita mempunyai ketiga model tersebut adalah model manakah yang paling cocok atau paling baik bagi data yang kita miliki. Salah satu kriteria umum yang kita tahu bersama adalah dengan mengevaluasi R Square atau koefisien determinasi dari model, akan tetapi ternyata beberapa uji yang dapat dilakukan untuk menguji kebaikan dari 3 (tiga) model tersebut. Diantara uji-uji tersebut diantaranya uji Chow, Uji Hausman dan Uji Lagrange Multipliers. Dimana ketiga uji tersebut merupakan uji urutan dimana menguji komparasi kombinasi dari ketiga model yang dihasilkan.

Pada kesempatan ini kita akan coba uraikan uji Lagrange Multipliers yang tujuan utamanya adalah untuk menetukan apakah data fit dengan menggunakan model common effect atau dengan model random effect.

Berikut akan disajikan langkah-langkah uji Lagrange Multipliers dengan menggunakan Eviews untuk mendapatkan model terbaik pada data pool yang kita miliki dari ketiga model yang kita hasilkan dari pengolahaan data pool.

Pembentukan Model Regresi Common Effect

1. Sedikit berbeda dengan uji sebelumnya (uji Chow dan uji Hausman), pada uji Lagrange Multipliers jendela Eviews mengharuskan pada jendela equation biasa (bukan entry seperti pada data pool), hal ini karena yang diperbandingakan adalah pada model common effect (regresi OLS biasa). Sehingga tampilan jendela data pada Eviews merupakan jendela data panel. Seperti tampak pada gambar berikut.

Lagrangian Multiplier, Eviews

2. Selanjutnya kita bentuk model Common Effect dengan mengklik Proc – Make Equation, yang merupakan intruksi untuk membuat model regresi common effect. Seperti tampak pada gambar berikut.

Lagrangian Multiplier, Eviews

Gambar 1. Menu Proc – Equation

Lagrangian Multiplier, Eviews

Gambar 2. Membuat Model Regresi Common Effect

Gambar 3. Outout Model Regresi Common Effect

Men-download Add-In Lagrangian Multiplier Test

3. Langkah selanjutnya adalah menambahkan menu Lagrange Multipliers Test pada menu perhitungan Eviews dengan men-download pada popup Add-In. Umumnya menu Add-In terdapat pada Eviews 9 atau 10 (penulis menggunakan Eviews 9), umumnya default hasil instalasi Eviews hanya mennyediakan pengujian regresi pool data hanya untuk uji Chow dan uji Hausman. Sedangkan untuk menu Lagrange Multipliers Test harus telebih dahulu mendownload dan menginstal langsung pada software Eviews, tahapannya tampak seperti gambar berikut.

Lagrangian Multiplier, Eviews

Gambar 1. Menu Add-In Mendownload Lagrange Multipliers Test (BP Test)

Lagrangian Multiplier, Eviews

Gambar 2. Hasil Instalasi Lagrange Multipliers Test

Gambar 3. Default Lagrange Multipliers Test Pada Jendela Proc Equation

Melakukan Lagrange Multipliers Test

4. Setelah memastikan menu Lagrange Multipliers Test  telah masuk pada menu perhitungan Eviews seperti dijelaskan pada langkah sebelumnya. Untuk melakukan perhitungan kembali pada jendela hasil Regresi Common Effect. Untuk melakukan test klik pada menu Proc AddIns Breush Pagan Random (BP Test) seperti tampak pada gambar berikut.

Gambar 1. Menu Lagrange Multipliers Test (Add Ins – BP Test)

Lagrangian Multiplier, Eviews

Gambar 2. Menu Lagrange Multipliers Test

Lagrangian Multiplier, Eviews

Gambar 3. Output Lagrange Multipliers Test

5. Kriteria uji nilai p-value dari crosssectionBreush Pagan lebih besar 0.05 (alpha : 5 %) maka dapat disimpulkan bahwa data fit dengan model common effect. Sedangkan jika sebaliknya maka data fit dengan model random effect.

Yang perlu diperhatikan oleh peneliti atau data master untuk semua proses yang sudah kita paparkan di atas diantaranya, pertama adalah tata cara menginput data dari format excel ke dalam Eviews dan kedua adalah pemilihan objek yang dijadikan sebagai pool data pada metode yang dipilih dalam analisis. Hal ini perlu diperhatikan agar tidak terjadi error ketika import data (data tidak muncul) dan model yang dihasilkan sesuai teori yang mendasari analisis. Dan yang paling utama bagi para peneliti atau data master adalah tahu tujuan dan dasar teori yang mengharuskannya menggunakan metode regresi dengan pool data. SEMANGAT MEMPELAJARI!!!

—————————————————————————————————————————————————————————-

1. Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :

2. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian

  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

—————————————————————————————————————————————————————————-

Leave a Reply

Your email address will not be published.