penggunaan data panel dalam sebuah observasi mempunyai beberapa keuntungan yang diperoleh. Pertama, data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan lebih menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (omitted-variabel).
Bentuk model Regresi Data Panel sebagai berikut (Widarjono, 2009: 229), adalah :
Y = α + b1X1it + b2X2it + e
Keterangan:
Y = Variabel dependen
Α = Konstanta
X1 = Variabel independen 1
X2 = Variabel independen 2
b(1..2) = Koefisien regresi masing-masing variabel independen
e = Error term
t = Waktu
i = Perusahaan

Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan,

a. Common Effect Model
Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu (Widarjono, 2009: 231). Berikut persamaan model Common Effect:
Yit = β0 + β1Xit +eit
Keterangan:
i: Objek (perusahaan)
t: Waktu

untuk i = 1, 2, …, N dan t = 1, 2, …,T, dimana N adalah jumlah unit/individu cross section dan T adalah jumlah periode waktunya. Dari commond effects model ini akan dapat dihasilkan N+T persamaan, yaitu sebanyak T persamaan cross section dan sebanyak N persamaan time series

b. Fixed Effect Model
Teknik model Fixed Effects adalah teknik mengestimasi data panel dengan menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, namun intersepnya sama antar waktu (time invariant). Model ini mengasumsikan bahwa koefisien regresi (slope) tetap antar perusahaan dan antar waktu .( widarjono, 2009: 232). Berikut model Fixed Effects..

Yit = β0 + β1Xit +β2d1i + β3d2i+β4d3i+eit

untuk i = 1,2, …, N dan t = 1,2, …, T, dimana N adalah jumlah unit/individu cross section dan T adalah jumlah periode waktunya.

c. Random Effect Model
Model ini mengasumsikan bahwa intercept yang ada ialah random, dengan adanya mean value yang konstan. Sehingga metode akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu.

Adapun persamaan regresinya adalah sebagai berikut:
Yit = β0 + β1Xit +vit

Dalam metode random effect, variabel gangguan (residual) vit terdiri dari dua komponen yaitu residual menyeluruh (eit) yang merupakan kombinasi time series dan cross section dan residual secara individu () yang berbeda-beda antar perusahaan tetap antar waktu (Widarjono,2009: 236).

PENGUJIAN MODEL
Keputusan untuk memilih jenis model yang di gunakan dalam analisis data panel didasarkan pada dua uji, yaitu ;

A. Uji Chow
Chow test yakni pengujian untuk menentukan model Fixed Effect atau Random Effect yang paling tepat digunakan dalam mengestimasi data panel. Hipotesis dalam uji chow adalah:

H0 : Model Common Effect
H1 : Model Fixed Effect

Dasar penolakan terhadap hipotesis diatas adalah dengan membandingkan perhitungan F-statistik dengan Ftabel. Perbandingan dipakai apabila hasil Fhitung lebih besar (>) dari Ftabel maka H0 ditolak yang berarti model yang paling tepat digunakan adalah Fixed Effect Model. Begitupun sebaliknya, jika Fhitung lebih kecil (<) dari Ftabel maka H0 diterima dan model yang digunakan adalah Model Common Effect (Widarjono, 2009).

B. Uji Hausman
Uji Hausman dapat didefinisikan sebagai pengujian statistik untuk memilih apakah model Fixed Effect atau Random Effect yang paling tepat digunakan. Pengujian uji Hausman dilakukan dengan hipotesis berikut:

H0 : Model Random Effect
H1 : Model Fixed Effect

jika nilai p-value statistik Hausman lebih besar dari nilai kritisnya maka H0 ditolak dan model yang tepat adalah model Fixed Effect sedangkan sebaliknya bila nilai statistik Hausman lebih kecil dari nilai kritisnya maka model yang tepat adalah model Random Effect.