Model Regresi Data Panel

A. Cara Uji Regresi Linear dengan Eviews

Regresi Linear Ordinary Least Square (OLS) merupakan uji statistik yang sangat
popular di kalangan mahasiswa, terutama mahasiswa yang kuliah dengan di
bidang ekonomi atau akuntansi. Uji Regresi linear ini dapat diuji menggunakan
beberapa jenis software statistik yang mana salah satunya adalah eviews. Maka
untuk memenuhi tuntutan mahasiswa itulah, statistikian coba untuk membuat
artikel tentang tutorial uji regresi linear dengan eviews.
1. Jenis regresi Linear OLS
Seperti yang sudah kita ketahui, bahwa uji regresi linear ada banyak
macamnya. Berdasarkan jumlah variabel bebas di dalam model regresi,
maka uji regresi ini ada dua macam, yaitu regresi linear sederhana
(simple linear regression) dan regresi linear berganda (multiple linear
regression). Dalam kesempatan ini, tutorial yang kami sajikan adalah
untuk regresi linear berganda. Namun sebenarnya para pembaca tidak
perlu khawatir, sebab tutorial ini juga bisa diterapkan pada regresi linear
sederhana.
2. Asumsi Regresi linear OLS
Regresi linear OLS memerlukan asumsi yang harus dipenuhi, seperti yang
sudah dibahas di artikel-artikel sebelumnya bahwa kita perlu melakukan
uji asumsi klasik pasca regresi linear OLS. Kami rangkum saja tentang
asumsi yang harus dipenuhi pada regresi linear berganda, yaitu antara
lain: linearitas, normalitas residual, non outlier, non heteroskedastisitas,
non autokorelasi, non multikolinearitas. Maka dalam artikel ini nantinya,
selain kami menjealskan tutorial uji regresi linear dengan eviews, kami
juga kan menjelaskan sekaligus bagaimana cara uji asumsi klasik dengan
eviews.

3. Tutorial Uji Regresi Linear dengan Eviews

Mari kita mulai tutorial uji regresi linear dengan eviews ini. Silahkan anda
buka aplikasi eviews anda. Kami saat ini menggunakan eviews versi 9.
Bagi yang meggunakan eviews versi 7 atau 8 tidak akan jadi masalah,
sebab pada prinsipnya sama cara analisisnya.
  Impor Data ke Eviews
Agar para pembaca dapat mengimpor data excel ke eviews, silahkan buat
sebuah data terlebih dahulu di aplikasi excel anda. Misalkan anda akan
melakukan uji regresi linear, maka silahkan anda membuat data dengan
variabel antara lain: No, X1, X2 dan Y. Contohnya sebagai berikut:

Setelah anda melalui tahap di atas, silahkan buka aplikasi eviews anda.
Dalam hal ini, statistikian menggunakan eviews versi 9. Tampilan awal
adalah seperti berikut:
Pada menu, klik -> File -> Open -> Foreign Data as Workfile. Maka akan
muncul jendela pilihan file yang akan diimpor.

Pilih file kerja di excel anda, kemudian klik Open. Selanjutnya akan tampil
jendela sebagai berikut:

Pada gambar di atas, anda perhatikan bahwa anda bisa menentukan kolom
dan baris pada excel yang akan diimpor datanya dari excel ke eviews. Dalam
tutorial ini, kita akan mengimpor hanya data variabel No, X1, X2 dan Y.
Selanjutnya tekan tombol Next. Anda akan dihadapkan pada tampilan
berikut:
Jendela di atas menunjukkan bahwa anda bisa menentukan tipe data yang
akan ditetapakan saat pengujian eviews nantinya. Dalam tutorial ini kami
menggunakan data Number atau angka pada semua variabel. Selanjutnya
tekan Next lagi. Anda akan dihadapkan pada tampilan step 3 dalam proses
impor data excel ke eviews.

Dalam tahap di atas, anda bisa menetapkan struktur data, apakah data yang
akan dianalisis adalah data yang bersifat harian, bulanan, tahunan atau
tanpa penetapan time series. Jika anda sudah selesai menetapkan struktur
data sesuai analisis yang akan dilakukan, silahkan tekan tombol Finish.
Selanjutnya akan terbuka jendela pilihan yes or no, silahkan pilih yes. Dan
akan terbuka jendela seperti di bawah ini:
Jika muncul jendela seperti di atas dan muncul variabel antara lain: c, no,
resid, x1, x2 dan y, maka langkah impor data excel ke eviews yang telah
anda lakukan berhasil. Pastikan yang anda impor benar, dengan cara lihat
jumlah variabel yang diimpor dan jumlah observasi yang diimpor, apakah
sesuai dengan file kerja anda di excel.
Tahap berikutnya agar proses yang sudah dilalui tidak hilang, silahkan
simpan data tersebut, caranya adalah dengan klik pada menu, pilih File ->
Save As. Kemudian tentukan dimana file kerja anda akan disimpan.
Jika ada pilihan Single atau Double Precision, silahkan pilih Double Precision.

Jika tidak ada pernyataan error, maka anda telah berhasil melakukan
tahapan impor data excel ke eviews sekaligus langkah menyimpan file kerja
eviews yang ekstensinya adalah .wf1.

Setelah anda buka aplikasinya, silahkan anda impor data anda dari database
lain, misalnya excel. Pastikan anda telah mengimpor dengan benar serta
menggunakan minimal dua variabel independen dan satu variabel dependen.
Variabel independen anda bisa diberi nama X1 dan X2. Sedangkan variabel
dependen silahkan beri nama Y. Hal ini untuk memudahkan kita belajar
bersama. Jika langkah anda benar, seharusnya anda akan mendapatkan
tampilan seperti gambar di bawah ini:
 Langkah Uji Regresi Linear dengan Eviews
Selanjutnya langsung saja kita lakukan operasi untuk menghasilkan
proses uji regresi linear dengan eviews dengan cara pada menu anda klik:
Quick -> Estimate Equation. Maka akan muncul jendela sebagai berikut:

Tuliskan kode: “y c x1 x2” (tanpa tanda kutip). Maksudnya adalah anda

akan melakukan regresi linear dengan persamaan y = ∝ + ß1 X1 + ß2 X2
+ e. Lebih jelasnya lagi ialah: y sebagai variabel terikat, c sebagai
konstanta, x1 dan x2 sebagai variabel bebas. Kemudian pada pilihan
method, silahkan pilih LS – Least Squares (NLS and ARMA). Artinya anda
memilih menggunakan metode OLS. Jika langkah anda benar, maka
tampilan jendel baru yang terbuka di eviews akan seperti di bawah ini:
Dengan tampilan output di atas, maka anda telah selesai melakukan
sebagian tugas anda. Yaitu untuk menganalisis data menggunakan analisis
regresi linear dengan eviews. Tugas selanjutnya adalah melakukan
interprestasi atau pembacaan terhadap output regresi linear dengan eviews
tersebut. Dan tugas berikutnya lagi yang menanti anda adalah melakukan uji
asumsi klasik dengan eviews pasca regresi linear OLS.
 Interprestasi Output Uji Regresi Linear dengan Eviews
Karena anda kami anggap sudah mengikuti tutorial uji regresi linear dengan
eviews, maka langsung saja anda buka output hasil pengujian dengan
eviews anda. Perhatikan baik-baik pada output yang ada di hadapan anda.
Contoh hasil uji regresi linear dengan eviews adalah sebagai berikut:

Jumlah Observasi
Jumlah observasi atau jumlah sampel yang digunakan dalam pengujian
model regresi ditunjukkan dengan nilai “Sample” yaitu dalam tutorial ini
sebesar 100 sampel. Sedangkan jumlah sampel yang valid nilainya dan
menjadi bagian dalam analisis, ditunjukkan dengan nilai “Include
Observation.” Yang mana dalam tutorial ini yaitu sampel ke-1 sampai dengan
sampel ke-100.
Identifikasi Variabel
Variabel response ditunjukkan dengan nilai “Dependent variable“, yaitu Y.
Variabel predictor yang menjadi bagian dalam model ditunjukkan pada kolom
variabel, dimana dalam hal ini adalah variabel X1, X2 dan kontanta (Symbol
C).

T Parsial
T parsial ditunjukkan dengan nilai “t-Statistics“. Contoh di atas adalah nilai t
parsial X1 sebesar 3,447144. Nilai ini kita bandingkan dengan t tabel. namun
agar proses bisa cepat, kita dapat melihat nilai p value dari t parsial. jika
nilainya < batas kritis, misal < 0,05 maka menerima H1 atau yang berarti
variabel X1 berpengaruh secara parsial di dalam model terhadap variabel
response (Y). Contoh di atas adalah nilai p value t parsial X1 adalah 0,00008
dimana < 0,05 sehingga menerima H1.

Koefisien Beta
Koefisien beta dalam eviews ditunjukkan dengan label “coefficient“. Koefisien
beta adalah nilai prediksi sebuah variabel di dalam model terhadap variabel
response. Misal di atas nilai koefisien beta X1 adalah 0,455947 yang berarti
X1 dapat menjelaskan Y sebesar 45,5947% atau dapat diartikan: setiap
perubahan satu satuan X1 dapat mengakibatkan perubahan pada Y sebesar
45,5947%.

Koefisien Determinasi Berganda

Nilai koefisien determinasi berganda dalam eviews sama seperti halnya
dengan aplikasi lainnya, yaitu diberi label R-Squared. Dalam contoh ini
sebesar 0,426844 yang berarti sekumpulan variabel predictor di dalam
model dapat menjelaskan variabel response sebesar 42,6844%. Sedangkan
sisanya dijelaskan oleh variabel lain di luar model yang tidak diteliti.

Koefisien Determinasi Berganda

Nilai adjusted R Square artinya nilai R Square yang telah terkoreksi oleh nilai
standar error. Dalam contoh ini, nilai adjusted r square sebesar 0,416026.
Sedangkan nilai standar error model regresi 13,35369 ditunjukkan dengan
 label S.E. of regression. Nilai standar error ini lebih kecil dari pada nilai
standar deviasi variabel response yang ditunjukkan dengan label “S.D.
dependent var” yaitu sebesar 17,45955 yang dapat diartikan bahwa model
regresi valid sebagai model prediktor.

Uji Simultan
Uji simultan dalam eviews diperlihatkan dengan hasil nilai Uji F seperti
layaknya jika kita menganalisis menggunakan aplikasi SPSS. Namun dalam
eviews diberi label F-statistics. Dalam tutorial ini nilai F sebesar 36,11916
dengan p value sebesar 0,00000 dimana < 0,05 atau batas kritis penelitian,
sehingga dapat disimpulkan menerima H1. Menerima H1 dalam uji simultan
berarti bahwa variabel bebas secara serentak mempengaruhi secara
bermakna variabel terikat.

B. Tutorial Regresi Data Panel dengan Eviews,Cara

Regresi Data Panel merupakan jenis uji regresi yang mempunyai ciri khas
tersendiri, yaitu terdapat kombinasi antara data runtut waktu atau time series
dan data cross sectional. Sehingga regresi data panel sering juga disebut
sebagai regresi longitudinal.

Menyiapkan Data Excel Untuk Regresi Data Panel Dengan Eviews

Singkat cerita, agar para peneliti dapat melakukan input data ke dalam eviews
untuk keperluan regresi data panel, maka para pembaca harus terlebih dahulu
membuat file excel. Dimana di dalam file tersebut anda buat serangkaian data
yang terdiri dari:
 Data cross sectional, misalnya negara atau perusahaan.
 Data runtut waktu atau time series, misalnya data dalam tahun.
 Data variabel bebas, misalnya dalam tutorial ini kita menggunakan tiga
variabel bebas, yang diberi nama X1, X2 dan X3.
 Data variabel terikat, misalnya dalam tutorial ini kita beri nama Y.
Contoh data tabulasi excel yang harus kita siapkan untuk regresi data panel
adalah sebagai berikut:
Impor Data Excel Untuk Regresi Data Panel Ke Eviews
Jika anda sudah membuat data dalam excel seperti yang sudah dicontohkan di
atas, maka langkah selanjutnya silahkan anda buka aplikasi eviews yang
dimiliki. Untuk versi eviews yang digunakan terserah saja sebab pada prinsipnya
adalah sama untuk semua versi. Namun saya merekomendasikan menggunakan
versi 7 ke atas, misal versi 8 atau 9. Kemudian anda klik pada menu, yaitu
menu File -> Import -> Import File. Maka akan muncul jendela seperi di bawah
ini:
Setting Sheet Impor Data Excel Cara Input Data Panel Dengan Eviews
Silahkan anda klik pada file excel yang sudah dibuat tadi, kemudian klik Open.
Jika langkah anda benar, maka saya bisa pastikan tampilannya akan seperti ini:

Setting Kolom Dan Header Cara Input Data Panel Dengan Eviews
Pastikan anda telah memilih sheet yang benar untuk diimpor. Selain itu pastikan
juga kolom yang akan digunakan. Jika kolom tidak benar, silahkan anda ubah
dengan mengganti kode dalam custom range. Jika sudah yakin bahwa tidak ada
kesalahan, silahkan klik tombol Next. Maka akan muncul jendela seperti berikut
ini:

Cara Setting Data Panel Pada Eviews

Pastikan bahwa header yang digunakan sesuai dengan yang anda inginkan.
Misalnya dalam Tutorial Cara Input Data Panel Dengan Eviews ini, kita
menggunakan kolom Negara dan Header Line yang digunakan adalah line 1.
Selanjutnya klik lagi tombol Next. Maka akan muncul jendela baru sebagai
berikut:
Perhatikan baik-baik, bahwa pada langkah ini adalah tahapan paling krusial
dalam proses mempersiapkan data untuk regresi data panel dengan
menggunakan aplikasi Eviews. Jangan sampai ada kesalahan setting atau
pengaturan dalam tahap ini. Ada banyak opsi yang bisa anda pilih, namun pada
prinsipnya anda harus menentukan kolom mana yang akan dijadikan cross
section dan kolom mana yang akan dijadikan time series.

Cara setting atau deklarasi data panel dalam eviews yang pertama kali anda
lakukan adalah menentukan apakah akan menggunakan dated panel atau
undated panel. Dalam tutorial ini, silahkan anda pilih Dated Panel. Selanjutnya
pada cross section id series, anda pilih Negara sebagai cross section. Pada Date
Series, anda pilih Tahun sebagai time series. Jika sudah yakin anda benar,
silahkan klik tombol Finish. Jika ada pilihan Yes atau No, pilih saja Yes. Maka
tampilan aplikasi eviews anda akan seperti berikut ini:
Perhatikan baik-baik gambar di atas, jika ada variabel dengan nama dateid,
maka anda sudah berhasil mendeklarasikan data panel dalam aplikasi anda.
Coba pastikan anda klik variabel dateid tersebut. Maka akan tampil jendela baru
sebagai berikut:
Jika tampilannya seperti gambar di atas, di mana ada kombinasi antara cross
sectional yang dalam hal ini adalah negara serta series tahun, maka anda telah
sukses mempelajari dan mencoba cara input data panel dengan Eviews serta
mendeklarasikan data panelnya.

Cara Menyimpan Data Pada Eviews

Agar anda tidak kehilangan upaya keras yang sudah dilakukan pada tahap demi
tahap yang dibahas di atas, maka jangan lupa untuk menyimpan hasil kerja
anda. Caranya adalah pada menu, anda klik File -> Save As. Seperti ini
contohnya:

Silahkan beri nama file kerja data panel anda dengan yang anda inginkan
dan tentunya harus mudah diingat. Tempatkan atau simpan di tempat yang
aman dan strategis agar mudah dicari kembali suatu saat nanti. Kemudian
anda klik Save.

C. Membaca Data Hasil Regresi Data Panel

Setelah anda melakukan tahap untuk menentukan metode estimasi yang terbaik
dalam regresi data panel, maka tentunya ada tiga pilihan yang akan anda pilih.
Yaitu:
1. Common Effect atau Pooled Least Square (Panel Least Square),
2. Fixed Effect,
3. Random Effect.
Oleh karena ada tiga pilihan metode estimasi, maka akan kami jelaskan satu
persatu cara membaca output hasil regresi data panel dengan eviews
berdasarkan metode estimasi yang ada.

4. Cara Membaca Hasil Regresi Data Panel Model Common Effect

Model Common effect adalah model atau metode estimasi paling dasar
dalam regresi data panel, dimana tetap menggunakan prinsip ordinary
least square atau kuadrat terkecil. Oleh karena itulah, metode ini disebut
juga dengan istilah pooled least square. Pada model common effect ini
tidak memperhatikan dimensi waktu dan juga dimensi individu atau cross
section, sehingga bisa diasumsikan bahwa perilaku dari individu tidak
berbeda didalam berbagai kurun waktu. Jika anda sudah melakukan
langkah-langkah yang telah kita pelajari sebelumnya, tentunya akan
dihadapkan pada output sebagai berikut:

Berdasarkan output di atas, mari kita jelaskan satu persatu cara membaca
hasil regresi data panel dengan eviews.
Ringkasan Hasil Regresi Data Panel Model Common Effects
 Periods Include: Merupakan jumlah periode atau runtut waktu yang
dilibatkan dalam analisis. Dimana dalam contoh regresi data panel
 ini, periode yang digunakan adalah tahun 1968 sampai dengan
1978. Sehingga jumlah tahun yang digunakan dalam analisis adalah
sebanyak 19 tahun.
 Cross section Include: Merupakan jumlah cross section atau panel
yang dilibatkan dalam analisis. Dimana dalam contoh regresi data
panel ini, panel yang digunakan adalah negara yang jumlahnya
adalah sebanyak 18 negara.
 Total Panel (Balanced) observations: adalah jumlah observasi yang
dilibatkan dalam analisis. Istilah balanced artinya balance, yaitu
jumlah waktu (tahun) yang digunakan setiap panel (negara) adalah
sama atau konstan. Sehingga perhitungannya adalah 19 x 18 =
342 observasi.
 Kolom Variable: adalah daftar variabel yang dianalisis. Dimana
dalam contoh regresi data panel ini menggunakan Y sebagai
variabel response. Sedangkan variabel prediktor adalah X1, X2 dan
X3. Dan C sebagai residual atau error dari persamaan regresi data
panel.
Koefisien Regresi Data Panel Model Common Effects
 Coefficient: adalah koefisien beta regresi data panel sesuai dengan
variabel yang ada pada kolom variabel. Nilai koefisien ini digunakan
untuk membentuk Persamaan Regresi Data Panel.
 Standar error: adalah Standar Error dari nilai koefisien pada kolom
coefficient.
 t-statistics: adalah nilai t parsial regresi data panel sesuai per
variabel pada kolom variable. Nilai t ini menunjukkan pengaruh
parsial variabel prediktor terhadap variabel response di dalam
model regresi data panel.
 Prob: adalah nilai p value atau tingkat signifikansi dari t parsial di
kolom t-statistics. Nilai p value ini menunjukkan tingkat signifikansi
t parsial dalam rangka menjawab hipotesis uji parsial. Jika nilai p
value kurang dari batas kritis, misalnya 0,05 maka jawaban
hipotesis adalah menerima H1 atau yang berarti variabel prediktor
yang bersangkutan memiliki pengaruh yang bermakna terhadap
variabel response secara statistik. Dan sebaliknya jika p value lebih
dari batas kritis maka menerima H0 atau yang berarti variabel
 prediktor yang bersangkutan tidak memiliki pengaruh yang
bermakna terhadap variabel response secara statistik.

Persamaan Common Effect

Bentuk persamaan regresi data panel mirip dengan ordinary least square,
yaitu:

Keterangan: Untuk i = 1, 2, …., N dan t = 1, 2, ….,T.

Dimana N = Jumlah individu atau cross section dan T adalah jumlah
periode waktunya. Dari model ini akan dapat dihasilkan N+T persamaan,
yaitu sebanyak T persamaan cross section dan sebanyak N persamaan
runtut waktu atau time series.

Jawaban Hipotesis Regresi Data Panel Model Common Effects

 R Square: adalah besarnya pengaruh atau kemampuan variabel
prediktor secara simultan dalam menjelaskan variabel response.
Jika nilainya lebih dari 0,5 maka kemampuan variabel prediktor
kuat dalam menjelaskan variabel response. Sedangkan sebaliknya
jika nilainya kurang dari 0,5 maka kemampuan variabel prediktor
tidak kuat dalam menjelaskan variabel response. Dalam contoh
regresi data panel ini, nilai R Square sebesar 0,9579, yang artinya
variabel prediktor sangat kuat dalam menjelaskan variabel
response.
 Adjusted R Square: adalah besarnya pengaruh atau kemampuan
variabel prediktor secara simultan dalam menjelaskan variabel
response dengan memperhatikan standar error. penjelasannya
sama dengan R Square namun nilai ini telah terkoreksi dengan
standar error.
 F-Statistics: adalah nilai Uji F yang merupakan uji simultan dari
regresi data panel. Nilai F ini menunjukkan tingkat signifikansi
pengaruh variabel prediktor terhadap variabel response.
Untuk menggunakan nilai F ini haruslah dibandingkan dengan F
 Tabel. Namun untuk memudahkan bisa langsung melihat nilai Prob
(F-Statistics).
 Prob (F-Statistics): adalah p value uji F yang merupakan tingkat
signifikansi dari nilai F, yaitu untuk menilai pengaruh simultan
variabel prediktor terhadap variabel response apakah bermakna
secara statistik atau tidak. Jika nilai p value kurang dari batas kritis
misalnya 0,05 maka menerima H1 atau yang berarti pengaruh
simultan variabel prediktor terhadap variabel response terbukti
bermakna secara statistik. Begitu sebaliknya jika nilai p value
lebih dari batas kritis maka menerima H0 atau yang
berarti pengaruh simultan variabel prediktor terhadap variabel
response tidak terbukti bermakna secara statistik.

5. Cara Membaca Hasil Regresi Data Panel Model Fixed Effect

Model Fixed effect berbeda dengan common effect, namun tetap
menggunakan prinsip ordinary least square. Asumsi dari pembuatan
model yang menghasilkan intersep konstan untuk setiap cross section dan
waktu dianggap kurang realistik, maka dibutuhkanlah model yang lebih
dapat menangkap adanya perbedaan itu. Fixed effects mengasumsikan
bahwa perbedaan antar individu (cross section) dapat diakomodasi dari
perbedaan intersepnya. Agar dapat mengestimasi Fixed Effects Model
dengan intersep berbeda antar individu, maka digunakanlah teknik
variable dummy. Model estimasi seperti ini sering kali disebut sebagai
teknik Least Squares Dummy Variable atau yang disingkat dengan istilah
LSDV. Jika anda sudah melakukan langkah-langkah yang telah kita
pelajari sebelumnya, tentunya akan dihadapkan pada output sebagai
berikut:
Cara Membaca Hasil Regresi Data Panel Model Fixed Effect sama
dengan Cara Membaca Hasil Regresi Data Panel Model Common
Effect. Yang membedakan adalah nilainya saja dan bentuk persamaan
regresi data panel berdasarkan koefisien beta.

 Persamaan Fixed Effect

Persamaan regresi data panel model fixed effects adalah sebagai
berikut:

Keterangan: untuk i = 1,2, …., N dan t = 1,2, …., T.

Dimana N = jumlah individu atau cross section dan T = jumlah
periode waktunya.
6. Cara Membaca Hasil Regresi Data Panel Model Random Effect
Pada prinsipnya model random effect berbeda dengan common effect dan
fixed effect, terutama model ini tidak menggunakan prinsip ordinary least
square, melainkan menggunakan prinsip maximum likelihood atau general
least square. Output random effect contohnya adalah sebagai berikut:

Cara membaca output pada random effect tidak jauh beda dengan
common effect ataupun fixed effect. Hanya saja dalam eviews kita akan
melihat dua output yaitu weighted dan unweighted. Selain itu juga ada
berbagai jenis random effects method yang digunakan, dimana yang
paling sering digunakan adalah swamy arora estimator. Namun dalam
kesempatan ini kita tidak akan membahas terlalu jauh hal tersebut.
Langsung saja kita lihat bentuk persamaan regresi data panelnya.

 Persamaan Random Effect

Jika kita menggunakan Fixed Effects melalui teknik LSDV, akan
menunjukkan ketidakpastian model yang digunakan. Model random
effect ini berguna untuk mengatasi masalah tersebut dengan cara
menggunakan variable residual. Pada model random effect, residual
mungkin saling berhubungan antar waktu dan antar individu atau
cross section. Oleh karena itu, model ini mengasumsikan bahwa
ada perbedaan intersep untuk setiap individu dan intersep tersebut
merupakan variable random. Maka di dalam model random effect
terdapat dua komponen residual. Yang pertama adalah residual
secara menyeluruh dimana residual tersebut merupakan kombinasi
dari cross section dan time series. Sedangkan residual yang kedua
adalah residual secara individual yang merupakan karakteristik
random dari observasi unit ke-i dan tetap sepanjang waktu.
Persamaan regresi data panel model random effects adalah sebagai
berikut:

Keterangan: untuk i = 1,2, …., N dan t = 1,2, …., T.

Dimana N = jumlah individu atau cross section dan T = jumlah

periode waktunya.

Eit = adalah residual secara menyeluruh dimana residual tersebut

merupakan kombinasi dari cross section dan time series.

Ui = adalah residual secara individual yang merupakan karakteristik

random dari observasi unit ke-i dan tetap sepanjang waktu.