How real gross investment (Y) depends on the real value of the firm

(X2) and real capital stock (X3)

ln yit = + 1 ln x2it + 2 ln x3it + it

Y = Real gross investment

X2 = Real value of the firm

X3 = Real capital stock

I. SETTING AWAL
1. Setting Data Panel

tsset id year

panel variable: id (strongly balanced)

time variable: year, 1935 to 1954

delta: 1 unit

Membentuk data panel dengan subject id dan time series year yang
dimulai tahun 1935 sampai 1954 (20 tahun). Arti strongly balanced
menunjukkan secara seragam, masing-masing subject id mempunyai
jumlah pengulangan /time series 20 tahun

2. Descriptive statistics
. gen ly=ln(y)

. gen lx2=ln(x2)

. gen lx3=ln(x3)

. xtsum ly lx2 lx3

 Variable Mean Std. Dev. Min Max Observations

ly overall 5.112683 1.169204 2.55955 7.304314 N = 80

between 1.245493 3.659666 6.313055 n = 4
within .4345923 4.012568 6.103942 T = 20

lx2 overall 7.482514 .723972 5.254888 8.739008 N = 80

between .7813961 6.452285 8.3527 n = 4
within .2457721 6.285117 8.114874 T = 20

lx3 overall 5.253176 1.412511 -.2231435 7.708097 N = 80

between .9389921 3.857469 5.835138 n = 4
within 1.15132 .4476575 7.126135 T = 20

Tabel di atas menampilkan hasil uji descriptive per variabel baik secara
keseluruhan (overall), per subject (between), dan per tahun (within); N
menunjukkan jumlah data, n menunjukkan jumlah category/ID, dan T
menunjukkan masing-masing ID mempunyai time series 20 tahun

II. PROEDUR 1 (Uji LM -> PLS VS REM)

1. Pooled OLS or RE

. xtreg ly lx2 lx3, re

Random-effects GLS regression Number of obs = 80
Group variable: id Number of groups = 4

R-sq: within = 0.5608 Obs per group: min = 20

between = 0.7513 avg = 20.0
overall = 0.7061 max = 20

Wald chi2(2) = 99.39

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000

ly Coef. Std. Err. z P>|z| [95% Conf. Interval]

lx2 .6804371 .1481251 4.59 0.000 .3901172 .9707569

lx3 .1892106 .0321407 5.89 0.000 .1262161 .2522051
_cons -.9726529 1.151207 -0.84 0.398 -3.228977 1.283671
. reg ly lx2 lx3, robust cluster (id)
sigma_u .97471466
Linear regression Number of obs = 80
sigma_e .29756203
F( 2, 3) = 1024.89
rho .91474856 (fraction of variance due to u_i)
Prob > F = 0.0001
R-squared = 0.7296
Berdasarkan table di atas nilai rho atau variance adalah 0,9147, berarti Ho
Root MSE = .61583

(Ho = 2 = 0) atau PLS ditolak

(Std. Err. adjusted for 4 clusters in id)

Robust
ly Coef. Std. Err. t P>|t| [95% Conf. Interval]

lx2 1.229017 .0282327 43.53 0.000 1.139168 1.318866

lx3 .1150942 .0518444 2.22 0.113 -.0498977 .2800862
_cons -4.688064 .1720261 -27.25 0.000 -5.235528 -4.1406

2. Breusch and Pagan Lagrangian multiplier test

. vif

Variable VIF 1/VIF

lx2 1.62 0.616065

lx3 1.62 0.616065

Mean VIF 1.62

 . xttest0

Breusch and Pagan Lagrangian multiplier test for random effects

ly[id,t] = Xb + u[id] + e[id,t]

Estimated results:
Var sd = sqrt(Var)

ly 1.367038 1.169204
e .0885432 .297562
u .9500687 .9747147

Test: Var(u) = 0
chibar2(01) = 390.98
Prob > chibar2 = 0.0000

Karena nilai P value < = 5%, maka Ho (PLS) ditolak, sehingga dilanjutkan
ke pengujian RE (Random effect)

III. PROSEDUR 2 UJI HAUSMAN (Random or Fixed Effect)

Untuk memilih model RE (Random effect) atau FE (Fixed effect) maka

digunakan uji Hausman
. xtreg ly lx2 lx3, fe

Fixed-effects (within) regression Number of obs = 80

Group variable: id Number of groups = 4

R-sq: within = 0.5609 Obs per group: min = 20

between = 0.7502 avg = 20.0
overall = 0.7039 max = 20

F(2,74) = 47.26
corr(u_i, Xb) = 0.4714 Prob > F = 0.0000

ly Coef. Std. Err. t P>|t| [95% Conf. Interval]

lx2 .6591368 .1520402 4.34 0.000 .3561902 .9620835

lx3 .1905282 .032456 5.87 0.000 .1258583 .2551982
_cons -.8201953 1.073354 -0.76 0.447 -2.9589 1.318509

sigma_u .73813579
sigma_e .29756203
rho .86020699 (fraction of variance due to u_i)

F test that all u_i=0: F(3, 74) = 85.27 Prob > F = 0.0000
 . xtreg ly lx2 lx3, re

Random-effects GLS regression Number of obs = 80

Group variable: id Number of groups = 4

R-sq: within = 0.5608 Obs per group: min = 20

between = 0.7513 avg = 20.0
overall = 0.7061 max = 20

Wald chi2(2) = 99.39

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000

ly Coef. Std. Err. z P>|z| [95% Conf. Interval]

lx2 .6804371 .1481251 4.59 0.000 .3901172 .9707569

lx3 .1892106 .0321407 5.89 0.000 .1262161 .2522051
_cons -.9726529 1.151207 -0.84 0.398 -3.228977 1.283671

sigma_u .97471466
sigma_e .29756203
rho .91474856 (fraction of variance due to u_i)

. hausman fixed

Coefficients
(b) (B) (b-B) sqrt(diag(V_b-V_B))
fixed . Difference S.E.

lx2 .6591368 .6804371 -.0213002 .0342807

lx3 .1905282 .1892106 .0013176 .0045133

b = consistent under Ho and Ha; obtained from xtreg

B = inconsistent under Ha, efficient under Ho; obtained from xtreg

Test: Ho: difference in coefficients not systematic

chi2(2) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 0.39
Prob>chi2 = 0.8243

Berdasarkan table di atas P-Value = 0,8243 > 5%, maka model yang dipilih
yaitu RE (Random Effect)

IV. ASUMSI KLASIK

1. Uji Normalitas

Skewness/Kurtosis tests for Normality

joint
Variable Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2

u 80 0.1185 0.8482 2.56 0.2783

P-Value = 0,2783 > 0,05, H0 = tidak ditolak, artinya kurva error term pada
model terdistribusi normal

2. Heteroskedastisity
Jika model yang dipilih Random Effect, maka tidak perlu uji
heteroskedastisitas. Dilakukan uji heteroskedastisitas jika menggunakan
model PLS (Pooled Least Square) atau FE (Fixed Effect)

. xttest3

Modified Wald test for groupwise heteroskedasticity

in fixed effect regression model

H0: sigma(i)^2 = sigma^2 for all i

chi2 (4) = 9.36

Prob>chi2 = 0.0526

P-Value = 0,0526 > = 5%, maka tidak ada heteroskedasitas artinya

varians dari setiap error terms konstan.

3. Autokorelasi
Jika model yang dipilih Random Effect, maka tidak perlu uji autokorelasi.
Dilakukan uji autokorelasi jika menggunakan model PLS (Pooled Least
Square) atau FE (Fixed Effect)

. xtserial ly lx2 lx3

Wooldridge test for autocorrelation in panel data

H0: no first-order autocorrelation
F( 1, 3) = 280.761
Prob > F = 0.0005

P-Value = 0,0005 < = 5%, maka ada autokorelasi. Karena terdapat

autokorelasi maka akan dilakukan panel corrected standard error (xtpcse)
. xtpcse ly lx2 lx3

Linear regression, correlated panels corrected standard errors (PCSEs)

Group variable: id Number of obs = 80

Time variable: year Number of groups = 4
Panels: correlated (balanced) Obs per group: min = 20
Autocorrelation: no autocorrelation avg = 20
max = 20
Estimated covariances = 10 R-squared = 0.7296
Estimated autocorrelations = 0 Wald chi2(2) = 961.64
Estimated coefficients = 3 Prob > chi2 = 0.0000

Panel-corrected
ly Coef. Std. Err. z P>|z| [95% Conf. Interval]

lx2 1.229017 .0685507 17.93 0.000 1.09466 1.363374

lx3 .1150942 .0434774 2.65 0.008 .0298801 .2003083
_cons -4.688064 .3714995 -12.62 0.000 -5.41619 -3.959938

Setelah dilakukan koreksi data panel, berdasarkan table di atas

autocorrelation menunjukkan tidak terjadi autokorelasi

4. Multikorelasi
. reg ly lx2 lx3

Source SS df MS Number of obs = 80

F( 2, 77) = 103.88
Model 78.7936139 2 39.3968069 Prob > F = 0.0000
Residual 29.2023559 77 .379251375 R-squared = 0.7296
Adj R-squared = 0.7226
Total 107.99597 79 1.36703759 Root MSE = .61583

ly Coef. Std. Err. t P>|t| [95% Conf. Interval]

lx2 1.229017 .1219312 10.08 0.000 .986221 1.471813

lx3 .1150942 .0624949 1.84 0.069 -.0093491 .2395375
_cons -4.688064 .757445 -6.19 0.000 -6.19633 -3.179798

. vif

Variable VIF 1/VIF

lx2 1.62 0.616065

lx3 1.62 0.616065

Mean VIF 1.62

Total VIF = 1,62 < 10, maka tidak terjadi multikolonieritas.

V. Uji Regresi

Berdasarkan table pada uji multikolonieritas di atas dapat juga disimpulkan

jika menggunakan regresi yang terdapat pada table diatas (tanpa disetting
random atau fixed model) bahwa persamaan model regresi yaitu:

ln yit = + 1 ln x2it + 2 ln x3it + it

ln y = -4,69 + 1,23 x2it + 0,11 x3it + it

Koefisien regresi ln real value of the firm menunjukkan angka 1,23 dengan
menganggap variabel independen lainnya tetap, ketika ln real value of the
firm meningkat maka ln real gross investment akan meningkat 1,23 satuan.
Koefisien regresi ln real capital stock 0,11 menunjukkan jika ln real capital
stock meningkat , maka real investment akan meningkat 0,11 satuan. Nilai
intercept -4,69 menunjukkan jika semua variabel independen 0, maka rata-
rata nilai ln real investment adalah -4,69.

R2 = 0,7296
Nilai R2 menunjukkan bahwa 72,96% total variasi dari nilai ln real gross
investmen dapat dijelaskan oleh variabel real value of the firm dan real
capital stock, sisanya sebesar 27,04% dijelaskan oleh variabel lain.

Uji T
Uji T untuk koefisien
P-Value = 0,000 < 0,05. Dapat dikatakan koefisien signifikansi dengan
taraf = 5%. Artinya jika nilai variabel real value of the firm dan real capital
stock = 0, maka nilai minimum nilai real investment = - 4,69

Uji T untuk koefisien 1

P-Value = 0,000 < 0,05, koefisien 1signifikan dengan taraf = 5%. Hasil ini
menunjukkan bahwa real value of the firm mempunyai pengaruh positif
terhadap real gross investment

Uji T untuk koefisien 2

P-Value = 0,065 > 0,05, koefisien 2 tidak signifikan dengan taraf = 5%.
Hasil ini menunjukkan bahwa real capital stock tidak mempengaruhi real
gross investmen.

Uji F
P-value = 0,0000 < 0,05, maka H0 = ditolak, variabel bebas: real value of
the firm dan real capital stock secara simultan mempengaruhi variabel
dependen: real gross investment.

VI. KESIMPULAN
Setelah melakukan prosedur 1 sampai dengan 4, maka dapat disimpulkan
bahwa model regresi data panel yang dipilih yaitu model random effect

. xtreg ly lx2 lx3, re

Random-effects GLS regression Number of obs = 80

Group variable: id Number of groups = 4

R-sq: within = 0.5608 Obs per group: min = 20

between = 0.7513 avg = 20.0
overall = 0.7061 max = 20

Wald chi2(2) = 99.39

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000

ly Coef. Std. Err. z P>|z| [95% Conf. Interval]

lx2 .6804371 .1481251 4.59 0.000 .3901172 .9707569

lx3 .1892106 .0321407 5.89 0.000 .1262161 .2522051
_cons -.9726529 1.151207 -0.84 0.398 -3.228977 1.283671

sigma_u .97471466
sigma_e .29756203
rho .91474856 (fraction of variance due to u_i)

Persamaan Model

ln yit = + 1 ln x2it + 2 ln x3it + it

ln y = -0,9726 + 0,6804 x2it + 0,189 x3it + it

UJI F

P-Value = 0,0000 < = 5%, maka model di atas secara keseluruhan dapat
digunakan.

Uji T

Secara partial variabel independen X2 = Real value of the firm

mempengaruhi variabel dependent (y = real gross investment) begitu juga
untuk variabel independen X3 = Real capital stock juga mempengaruhi
variabel real gross investment. (nilai P-Value kedua independent variable =
0,000 < 0,05).

Ketepatan Model

R2 Overall = 0,7061, Nilai R2 menunjukkan bahwa 70,61% total variasi dari

nilai ln real gross investmen dapat dijelaskan oleh variabel real value of the
firm dan real capital stock, sisanya sebesar 29,39% dijelaskan oleh variabel
lain.

Interpretasi Koefisien pada Model Panel Random Effect

ln y = -0,9726 + 0,6804 x2it + 0,189 x3it + it

Koefisien regresi ln real value of the firm menunjukkan angka 0,6804

dengan menganggap variabel independen lainnya tetap, ketika ln real value
of the firm meningkat maka ln real gross investment akan meningkat
secara rata-rata 0,6804 satuan. Koefisien regresi ln real capital stock 0,189
menunjukkan jika ln real capital stock meningkat , maka real investment
akan meningkat secara rata-rata 0,189 satuan. Nilai intercept -0,9726
menunjukkan jika semua variabel independen 0, maka rata-rata nilai ln real
investment adalah -0,9726.