Last Updated on September 24, 2026 by Zona Ekonomi
Tutorial Estimasi Fixed Effect Spatial Durbin Model di Stata: Panduan Analisis Spasial Data Panel
Dalam analisis ekonomi regional, mengabaikan faktor lokasi dan interaksi antarwilayah sering kali menghasilkan kesimpulan yang bias. Aktivitas ekonomi di suatu daerah hampir selalu dipengaruhi oleh kondisi di daerah tetangganya—sebuah fenomena yang dikenal sebagai dependensi spasial (spatial dependence). Untuk mengatasi tantangan metodologis ini, ekonometrika spasial menawarkan solusi mutakhir melalui Spatial Durbin Model (SDM). Jika Anda sedang menyusun skripsi, tesis, disertasi, atau riset akademis lainnya, memahami tutorial estimasi fixed effect spatial durbin model di stata secara tepat akan meningkatkan kredibilitas dan validitas hasil penelitian Anda secara signifikan.
Artikel ini dirancang khusus untuk membantu para dosen, mahasiswa, dan peneliti ekonomi dalam menavigasi kompleksitas estimasi SDM dengan efek tetap (Fixed Effect) menggunakan software Stata. Kami akan mengupas tuntas mulai dari landasan teoretis, persiapan data, eksekusi sintaks, hingga cara membaca output estimasi yang sering kali membingungkan.
Baca selengkapnya Panduan Pemodelan Ekonometrika Spasial dan Data Panel Dinamis
Mengapa Memilih Spatial Durbin Model (SDM) dengan Fixed Effect?
Sebelum masuk ke aspek teknis, penting untuk memahami mengapa SDM sering kali menjadi model spasial yang paling direkomendasikan oleh para pakar ekonometrika. Berbeda dengan Spatial Autoregressive (SAR) yang hanya menangkap efek lag pada variabel dependen, atau Spatial Error Model (SEM) yang hanya menangkap dependensi pada error term, Spatial Durbin Model (SDM) mengintegrasikan kedua aspek tersebut ditambah dengan efek lag pada variabel independen (regressor).
Berikut adalah beberapa alasan akademis dan metodologis mengapa Anda harus mempertimbangkan model ini:
- Menghindari Bias Akibat Omitted Variables: SDM mampu mengontrol variabel-variabel relevan yang tidak diobservasi namun memiliki keterkaitan spasial.
- Menangkap Efek Limpahan (Spillover Effects): Anda tidak hanya melihat bagaimana kebijakan di Wilayah A memengaruhi Wilayah A sendiri (Direct Effect), tetapi juga bagaimana kebijakan di Wilayah B, C, dan D memengaruhi Wilayah A (Indirect Effect).
- Keunggulan Fixed Effect (FE): Pendekatan Fixed Effect mengontrol karakteristik spesifik wilayah yang tidak berubah seiring waktu (time-invariant), seperti kondisi geografis, budaya, atau sejarah, sehingga menghasilkan estimasi parameter yang lebih konsisten dibandingkan Random Effect.
Persiapan Data dan Matriks Pembobot Spasial (Spatial Weight Matrix)
Langkah krusial pertama dalam ekonometrika spasial adalah mendefinisikan hubungan ketetanggaan antarwilayah. Hubungan ini direpresentasikan melalui Matriks Pembobot Spasial (secara matematis disimbolkan sebagai W). Tanpa matriks ini, Stata tidak akan dapat mengidentifikasi kedekatan geografis antar-observasi Anda.
1. Mengatur Format Data Panel (xtset)
Pastikan data Anda sudah dalam format *long format* (setiap baris mewakili satu wilayah pada satu tahun tertentu). Sebelum melakukan analisis spasial, deklarasikan struktur data panel Anda di Stata dengan perintah berikut:
xtset id_wilayah tahun
2. Membuat Matriks Pembobot Spasial (W)
Anda dapat membuat matriks pembobot berdasarkan jarak (distance-based) atau persinggungan batas wilayah (contiguity/queen/rook). Di Stata, Anda bisa menggunakan perintah spmat atau menggunakan shapefile (.shp) wilayah penelitian Anda melalui perintah spshape2d pada versi Stata modern (Stata 15 ke atas).
Berikut adalah contoh sintaks untuk mengimpor shapefile dan membuat matriks pembobot:
spshape2d menggunakan "peta_wilayah.shp"
spmatrix create contiguity W_queen
Pastikan matriks pembobot Anda telah dinormalisasi barisnya (row-standardized) agar interpretasi koefisien spasial tetap berada dalam rentang yang logis.
Langkah-Langkah Estimasi Fixed Effect Spatial Durbin Model di Stata
Untuk mengestimasi Spatial Durbin Model dengan data panel di Stata, perintah yang paling populer, stabil, dan diakui secara akademis adalah xsmle. Perintah ini ditulis oleh Belotti, Hughes, dan Piano Mortari (2017) dan dirancang khusus untuk estimasi data panel spasial.
Jika Anda belum menginstal paket ini, jalankan perintah berikut di command window Stata Anda:
ssc install xsmle, replace
Sintaks Utama Estimasi SDM Fixed Effect
Setelah paket terinstal dan matriks pembobot spasial siap, Anda dapat menjalankan perintah estimasi SDM Fixed Effect dengan struktur sintaks seperti di bawah ini:
xsmle y x1 x2 x3, wmat(W_queen) model(sdm) fe type(ind) effects
Penjelasan detail mengenai opsi (options) pada sintaks di atas:
y x1 x2 x3: Variabel dependen (y) diikuti oleh variabel-variabel independen (x).wmat(W_queen): Menentukan matriks pembobot spasial yang digunakan (dalam contoh ini bernama W_queen).model(sdm): Menginstruksikan Stata untuk mengestimasi Spatial Durbin Model.fe: Menggunakan pendekatan Fixed Effect (Efek Tetap).type(ind): Menentukan efek tetap pada tingkat individu/wilayah (individual fixed effects). Anda juga bisa menggantinya dengantype(time)untuk efek tetap waktu, atautype(both)untuk efek tetap dua arah (two-way fixed effects).effects: Opsi wajib untuk menghitung efek langsung (direct), tidak langsung (indirect), dan total secara otomatis melalui metode delta.
Interpretasi Hasil: Mengapa Koefisien Biasa Tidak Boleh Langsung Dibaca?
Satu kesalahan fatal yang sering dilakukan oleh peneliti pemula dalam ekonometrika spasial adalah menginterpretasikan koefisien estimasi mentah (point estimates) dari regresi SDM seperti layaknya regresi OLS biasa. Pada model spasial, adanya umpan balik spasial (spatial feedback loops) membuat koefisien variabel independen tidak mencerminkan dampak marginal yang sebenarnya.
Oleh karena itu, Anda harus fokus pada output bagian Direct, Indirect, dan Total Effects yang dihasilkan oleh opsi effects pada perintah xsmle:
- Direct Effect (Efek Langsung): Mengukur dampak perubahan variabel independen di Wilayah A terhadap variabel dependen di Wilayah A itu sendiri, setelah memperhitungkan efek timbal balik spasial.
- Indirect Effect / Spillover Effect (Efek Tidak Langsung): Mengukur dampak perubahan variabel independen di wilayah-wilayah tetangga terhadap variabel dependen di Wilayah A. Ini adalah inti dari analisis kebijakan regional.
- Total Effect (Efek Total): Jumlah dari Efek Langsung dan Efek Tidak Langsung, menggambarkan dampak agregat secara keseluruhan pada sistem spasial tersebut.
Pengujian Diagnostik: Memilih Model Terbaik
Sebagai akademisi yang objektif dan investigatif, Anda tidak boleh langsung berasumsi bahwa SDM Fixed Effect adalah model terbaik tanpa pengujian statistik yang valid. Ada dua uji diagnostik utama yang wajib Anda lakukan:
1. Uji Hausman (Hausman Test)
Uji ini digunakan untuk menentukan apakah pendekatan Fixed Effect (FE) lebih tepat digunakan dibandingkan Random Effect (RE). Di Stata, Anda dapat menyimpan hasil estimasi FE dan RE, kemudian membandingkannya:
xsmle y x1 x2 x3, wmat(W_queen) model(sdm) fe type(ind) name(model_fe, replace)
xsmle y x1 x2 x3, wmat(W_queen) model(sdm) re name(model_re, replace)
hausman model_fe model_re
Jika nilai p-value dari Uji Hausman kurang dari 0.05 (signifikan pada alpha 5%), maka model Fixed Effect adalah pilihan yang paling konsisten dan tepat untuk riset Anda.
2. LR Test (Likelihood Ratio Test)
Uji ini digunakan untuk memverifikasi apakah model SDM dapat disederhanakan menjadi model SAR (Spatial Autoregressive) atau model SEM (Spatial Error Model). Jika hipotesis nol ditolak, maka model SDM adalah model yang paling valid secara statistik dan tidak boleh disederhanakan.
Kesimpulan dan Rekomendasi Riset
Menguasai analisis spasial data panel dengan Spatial Durbin Model memberikan keunggulan analitis yang luar biasa bagi penelitian ekonomi, kebijakan publik, dan studi pembangunan. Dengan membedah efek langsung dan efek limpahan (spillover), rekomendasi kebijakan yang Anda hasilkan akan jauh lebih realistis dan aplikatif bagi pengambil keputusan di tingkat regional.
Bagi Anda yang ingin memperdalam pemahaman mengenai analisis data, metodologi penelitian ekonomi, serta update isu ekonomi terkini, kunjungi platform edukasi dan analisis tepercaya di Zona Ekonomi. Dapatkan artikel mendalam, panduan praktis, dan insight akademis yang disajikan secara tajam, objektif, dan kredibel untuk mendukung kesuksesan akademis dan profesional Anda.
FAQ (Frequently Asked Questions)
1. Mengapa nilai koefisien regresi biasa berbeda dengan nilai Direct Effect pada output xsmle?
Nilai koefisien regresi biasa (point estimates) pada model spasial mengandung bias akibat adanya feedback loop (umpan balik spasial), di mana perubahan di Wilayah A memengaruhi Wilayah B, dan dampak di Wilayah B tersebut membalas memengaruhi Wilayah A kembali. Nilai Direct Effect telah disesuaikan secara matematis untuk menangkap efek umpan balik ini, sehingga lebih akurat mencerminkan dampak riil.
2. Apa yang harus dilakukan jika matriks pembobot spasial saya menghasilkan error “matrix not positive definite”?
Error ini biasanya terjadi karena adanya wilayah yang terisolasi (tidak memiliki tetangga sama sekali berdasarkan kriteria persinggungan batas wilayah) atau kesalahan dalam standardisasi baris. Solusinya adalah memastikan kembali shapefile Anda bebas dari “island polygons” atau beralih menggunakan matriks pembobot berbasis jarak (distance-based weight matrix) dengan batas jarak minimum tertentu (threshold distance) agar setiap wilayah memiliki minimal satu tetangga.
3. Apakah model SDM Fixed Effect bisa digunakan untuk data panel yang jumlah tahunnya (T) lebih besar daripada jumlah wilayahnya (N)?
Secara teori bisa, namun ekonometrika spasial standar (seperti yang diestimasi dengan perintah xsmle) berasumsi bahwa jumlah wilayah (N) relatif besar untuk menjamin konsistensi estimasi asimtotik spasial. Jika T jauh lebih besar daripada N (misalnya analisis time-series spasial makro), Anda mungkin perlu mempertimbangkan pendekatan Spatio-Temporal Autoregressive atau melakukan penyesuaian unit root spasial terlebih dahulu guna menghindari regresi lancung (spurious regression).
