Bahasa Indonesia

Panel data is a combination of cross section and time series. There are two panel data models, namely static and dynamic panel data. Because seeing the advantages of the dynamic panel data model which is able to overcome endogeneity problems related to the use of the dependent variable lag where in the static panel data model the use of the dependent variable lag causes the estimation results to be biased and inconsistent, so the author examines the dynamic panel data regression model. In the dynamic data model there is a lag of the dependent variable, this variable is correlated with error. Thus, estimation using OLS will result in a biased and inconsistent estimator. To overcome this, the dynamic panel data model can be estimated using the GMM Blundell-Bond approach. Based on the discussion, the parameter estimation formula for dynamic panel data regression using the Blundell-Bond GMM approach is as follows: Data panel merupakan gabungan dari cross section dan time series. Terdapat dua model data panel yaitu data panel statis dan dinamis. Karena melihat keunggulan model data panel dinamis yang sanggup mengatasi masalah endogenitas terkait penggunaan lag variabel dependen dimana pada model data panel statis penggunaan lag variabel dependen menyebabkan hasil estimasi menjadi bias dan tidak konsisten sehingga penulis meneliti tentang model regresi data panel dinamis. Pada model data dinamis terdapat lag dari variabel dependen, variabel ini berkorelasi dengan error. Maka, estimasi menggunakan OLS akan menghasilkan estimator yang bias dan tidak konsisten. Untuk mengatasi hal tersebut, model data panel dinamis dapat diestimasi dengan pendekatan GMM Blundell-Bond. Berdasarkan pembahasan diperoleh rumus estimasi parameter regresi data panel dinamis dengan pendekatan GMM Blundell-Bond adalah sebagai berikut