Penelitian Panel — Desain Panel Longitudinal
- Diperkenalkan oleh
- Social science and econometric traditions; systematized by Cheng Hsiao and others from the 1970s-1980s
- Tahun
- 1970s-1980s (econometric formalization); earlier social survey use from 1940s
- Jenis
- Quantitative longitudinal observational design
- Keluarga
- Survey / observational design
Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris
Apa fungsinya?
Penelitian panel adalah desain kuantitatif longitudinal di mana individu, organisasi, atau unit lain yang sama diukur berulang kali pada dua atau lebih titik waktu.
Berbeda dengan survei lintas bagian yang menangkap satu potret tunggal, panel melacak perubahan di dalam unit, memungkinkan peneliti untuk memisahkan perubahan nyata di dalam unit dari perbedaan antar unit dan untuk memodelkan dinamika kausal dari waktu ke waktu.
Intuisi di balik metode
Bayangkan mengikuti 2.000 rumah tangga yang sama setiap tahun selama satu dekade dan mencatat pendapatan, status pekerjaan, dan kesehatan mereka. Karena Anda selalu kembali ke rumah tangga yang sama, setiap perubahan yang Anda amati adalah perubahan nyata di dalam individu atau di dalam rumah tangga daripada perbedaan antara individu yang berbeda yang diukur pada waktu yang berbeda. Inilah kekuatan inti dari panel: Anda dapat bertanya tidak hanya siapa yang memiliki pendapatan lebih tinggi, tetapi apa yang menyebabkan pendapatan naik atau turun bagi orang yang sama dari waktu ke waktu. Estimator efek tetap (fixed-effects) dan efek acak (random-effects) memanfaatkan struktur berulang ini untuk mengontrol karakteristik yang tidak teramati dan stabil terhadap waktu yang sebaliknya akan mengacaukan perbandingan lintas bagian.
Sejarah
Metode panel muncul dalam ilmu sosial pada tahun 1940-an, dengan studi pemilihan umum Paul Lazarsfeld yang memelopori pendekatan wawancara berulang untuk mempelajari perubahan sikap. Ekonom memformalkan teori ekonometrika data panel dari tahun 1960-an hingga 1980-an; Yair Mundlak (1961, 1978) dan buku teks penting Cheng Hsiao tahun 1986 (direvisi 2003) menetapkan estimasi efek tetap dan efek acak sebagai alat standar. Studi panel nasional besar — U.S. Panel Study of Income Dynamics (PSID, dimulai 1968) dan German Socio-Economic Panel (SOEP, dimulai 1984) — mengukuhkan penelitian panel sebagai landasan ilmu sosial empiris dan ekonomi.
Kapan digunakan
Gunakan penelitian panel ketika pertanyaan inti menyangkut perubahan dari waktu ke waktu di dalam unit yang sama, atau ketika Anda ingin mengontrol heterogenitas tingkat individu yang tidak teramati yang tidak dapat diatasi oleh desain lintas bagian. Desain panel sesuai untuk mempelajari lintasan pendapatan, kesehatan, sikap, kinerja perusahaan, atau hasil pendidikan. Desain ini memerlukan kemampuan untuk melacak dan menghubungi kembali unit yang sama di seluruh gelombang, sumber daya yang cukup untuk pengumpulan data berulang, dan rentang waktu yang bermakna di mana hasil diharapkan berubah. Jangan gunakan desain panel jika pengukuran berulang dapat membuat partisipan menjadi sensitif dan mengubah perilaku mereka (kondisioning panel), jika populasi sangat mobile dan tidak dapat dilacak dari waktu ke waktu (risiko atrisi struktural tinggi), jika pertanyaan penelitian menyangkut prevalensi pada satu titik waktu (gunakan survei lintas bagian sebagai gantinya), atau jika hanya tren agregat di seluruh sampel yang berbeda yang penting (gunakan desain tren atau lintas bagian berulang).
Batasan dan pertimbangan
- Atripsi panel menimbulkan potensi bias seleksi jika keluarnya partisipan terkait dengan hasil atau prediktor.
- Kondisioning panel — pengukuran berulang dapat mengubah sikap atau perilaku responden, membahayakan validitas eksternal.
- Model efek tetap tidak dapat mengestimasi dampak prediktor yang stabil terhadap waktu (misalnya, jenis kelamin, ras, negara tempat lahir), yang dihilangkan melalui differencing.
- Mahal dan menuntut secara logistik: mempertahankan kontak panel selama bertahun-tahun atau dekade memerlukan infrastruktur yang substansial.
- Estimasi efek acak menjadi bias jika efek unit yang tidak teramati berkorelasi dengan prediktor — asumsi yang sering dilanggar.
Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.
Kelebihan
- Memungkinkan inferensi kausal di dalam unit dengan mengontrol semua konfounder yang tidak teramati dan stabil terhadap waktu melalui estimasi efek tetap.
- Menangkap dinamika dan urutan perubahan, bukan hanya hasil pada satu momen.
- Lebih efisien secara statistik daripada lintas bagian independen untuk mengestimasi perubahan karena variasi di dalam unit biasanya lebih kecil daripada variasi antar unit.
- Memungkinkan studi simultan terhadap beberapa hasil dan hubungan timbal baliknya dari waktu ke waktu.
- Mendukung analisis lintasan subkelompok; kohort atau kelompok yang berbeda dapat dibandingkan pada jalur perubahan mereka.
Penerapan
- Melacak lintasan pendapatan dan pekerjaan rumah tangga yang sama selama beberapa dekade untuk mempelajari dinamika kemiskinan dan mobilitas sosial.
- Mengestimasi efek kausal dari kebijakan pendidikan dengan mengikuti siswa di berbagai tahun ajaran dan mengontrol karakteristik tingkat siswa yang tidak teramati.
- Mempelajari pertumbuhan produktivitas tingkat perusahaan dan efek adopsi teknologi di dalam perusahaan selama beberapa tahun.
- Mengikuti pasien di berbagai kunjungan klinis berulang untuk menilai bagaimana kepatuhan pengobatan mengubah hasil kesehatan pada individu yang sama.
- Menganalisis perubahan sikap politik di kalangan pemilih di berbagai siklus pemilihan untuk memisahkan penggantian generasi dari perubahan opini yang sebenarnya.
- Memodelkan efek kebijakan tingkat negara dalam ekonomi politik komparatif menggunakan dataset panel multi-negara, multi-tahun.
Cara kerjanya
Cara kerjanya
Peneliti menentukan unit panel (individu, perusahaan, negara), jumlah dan waktu gelombang pengukuran, serta variabel yang akan dilacak. Jarak antar gelombang harus dipilih untuk menangkap perubahan yang bermakna; interval yang terlalu pendek akan melewatkan pergeseran substantif sementara interval yang terlalu panjang berisiko kehilangan partisipan dan melewatkan dinamika antar gelombang.
Sampel probabilitas atau purposif dari populasi target direkrut pada awal (Gelombang 1). Persetujuan berdasarkan informasi untuk partisipasi berulang diperoleh. Karakteristik awal diukur sepenuhnya. Bobot sampel dan penambahan sampel yang direncanakan untuk subkelompok langka diputuskan pada tahap ini karena seluruh strategi analisis panel bergantung pada keterwakilan yang ditetapkan di sini.
Pada setiap gelombang berikutnya, unit yang sama dihubungi kembali dan variabel inti yang sama diukur, bersama dengan kovariat yang bervariasi terhadap waktu. Instrumen standar digunakan di seluruh gelombang untuk menjaga perbandingan. Variabel baru dapat ditambahkan di seluruh gelombang, tetapi item inti harus tetap konsisten sehingga perubahan di dalam unit dapat dilacak tanpa kekacauan pengukuran.
Attrisi panel — keluarnya partisipan antar gelombang — didiagnosis. Peneliti membandingkan partisipan yang menyelesaikan studi dengan yang keluar berdasarkan karakteristik awal untuk menilai apakah atrisi bersifat acak (hilang sama sekali secara acak) atau sistematis (hilang secara acak atau tidak secara acak). Atrisi sistematis mendistorsi estimasi; perbaikan termasuk imputasi ganda, pembobotan probabilitas terbalik, atau analisis sensitivitas.
Estimator khusus panel diterapkan. Model efek tetap (estimator dalam) mengontrol semua konfounder yang tidak teramati dan stabil terhadap waktu dengan mengambil selisih atau merata-ratakan data di dalam setiap unit. Model efek acak mengasumsikan tidak ada korelasi antara efek unit yang tidak teramati dan prediktor, memperoleh efisiensi dengan mengorbankan asumsi tersebut. Uji Hausman umumnya digunakan untuk memilih di antara keduanya. Desain selisih-dalam-selisih (difference-in-differences) adalah kasus khusus yang menonjol.
Koefisien diinterpretasikan sebagai perubahan di dalam unit: peningkatan satu unit pada prediktor dikaitkan dengan perubahan tertentu pada hasil untuk unit yang sama dari waktu ke waktu, dengan tetap menjaga karakteristik tidak teramati yang stabil terhadap waktu. Interpretasi antar unit memerlukan asumsi efek acak atau OLS gabungan (pooled OLS). Klaim kausal memerlukan fitur desain tambahan seperti variasi eksogen atau variabel instrumental.
Kesalahan umum
- Mengabaikan pola atrisi: memperlakukan keluarnya partisipan sebagai acak tanpa menguji asumsi tersebut menghasilkan estimasi yang bias; selalu bandingkan partisipan yang keluar dan yang menyelesaikan studi berdasarkan variabel awal.
- Mengubah instrumen inti antar gelombang: bahkan perubahan kecil pada kata-kata merusak perbandingan variabel hasil antar waktu, membuat estimasi perubahan di dalam unit menjadi tidak valid.
- Menerapkan OLS gabungan (pooled OLS) pada data panel tanpa memperhitungkan pengelompokan di dalam unit: standar error diremehkan, meningkatkan signifikansi; selalu kelompokkan standar error berdasarkan unit panel atau gunakan estimator yang sesuai untuk panel.
- Mencampuradukkan panel dengan desain kohort: studi kohort melacak individu yang lahir atau masuk pada waktu yang sama; panel melacak individu sampel yang sama terlepas dari keanggotaan kohort — ini menjawab pertanyaan yang berbeda.
- Mengaku-aku kausalitas secara berlebihan: efek tetap hanya mengontrol konfounder yang stabil terhadap waktu; konfounder yang bervariasi terhadap waktu masih mengancam inferensi kausal kecuali ditangani melalui desain (misalnya, variabel instrumental, regresi diskontinuitas).
Pertanyaan yang sering diajukan
Apa perbedaan antara studi panel dan studi longitudinal?
Semua studi panel bersifat longitudinal, tetapi tidak semua studi longitudinal adalah studi panel. Studi panel secara khusus melacak unit sampel yang sama pada setiap gelombang. Desain longitudinal lainnya — seperti studi tren atau lintas bagian berulang — mengumpulkan sampel baru pada setiap gelombang dan oleh karena itu tidak dapat mengestimasi perubahan di dalam unit atau menerapkan estimator efek tetap.
Kapan saya harus menggunakan efek tetap daripada efek acak?
Gunakan efek tetap ketika Anda menduga karakteristik tingkat unit yang tidak teramati berkorelasi dengan prediktor Anda — ini adalah kasus umum dalam ilmu sosial observasional. Efek tetap menghilangkan korelasi tersebut dengan menghapus rata-rata unit yang stabil terhadap waktu dari data. Gunakan efek acak hanya ketika Anda dapat secara kredibel mengasumsikan tidak ada korelasi semacam itu. Uji Hausman menyediakan pemeriksaan statistik formal: hasil yang signifikan menunjukkan bahwa asumsi efek acak dilanggar dan efek tetap harus lebih disukai.
Berapa banyak gelombang yang saya butuhkan untuk studi panel?
Minimal dua gelombang diperlukan untuk mengestimasi perubahan di dalam unit, tetapi dua gelombang seringkali menyisakan sedikit ruang untuk memodelkan lintasan atau mendeteksi perubahan non-linear. Tiga atau lebih gelombang diperlukan untuk memodelkan kurva pertumbuhan atau perubahan laju perubahan. Jumlah optimal tergantung pada pertanyaan penelitian, kecepatan proses yang dipelajari, dan kendala praktis seperti anggaran dan toleransi atrisi.
Bagaimana cara menangani data yang hilang dalam penelitian panel?
Pertama, diagnosis mengapa data hilang: hilang sama sekali secara acak (MCAR), hilang secara acak (MAR), atau hilang tidak secara acak (MNAR). Di bawah MAR — asumsi yang paling dapat dipertahankan dalam praktik — imputasi ganda atau estimasi kemungkinan maksimum (maximum likelihood estimation) menghasilkan estimasi yang tidak bias. Di bawah MNAR, analisis sensitivitas dengan model seleksi atau model campuran pola diperlukan. Menghapus kasus yang tidak lengkap begitu saja menimbulkan bias kapan pun keluarnya partisipan tidak MCAR.
Bisakah data panel membuktikan kausalitas?
Estimator panel efek tetap menghilangkan semua konfounding yang stabil terhadap waktu, yang merupakan keuntungan signifikan dibandingkan desain lintas bagian, tetapi tidak menghilangkan konfounder yang bervariasi terhadap waktu. Untuk memperkuat klaim kausal, peneliti menggabungkan data panel dengan eksperimen alami, variabel instrumental, desain regresi diskontinuitas, atau selisih-dalam-selisih dengan pengujian tren paralel. Data panel memungkinkan inferensi kausal yang lebih kuat daripada cross-section tetapi bukan pengganti variasi eksperimental.
Metode terkait
Sumber
Hsiao, C. (2003). Analysis of Panel Data (2nd ed.). Cambridge University Press.
ISBN: 978-0521522717Disalin.Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press.
ISBN: 978-0262232586Disalin.