BAB IV HASIL DAN PEMBAHASAN
4.2. Hasil Uji dan Pembahasan
4.2.2. Uji Model Estimasi
4.2.2.1. Model Regresi Data Panel 1. Common Effect Model (CEM)
Pendekatan common effect model adalah model data panel yang paling sederhana dan tidak memperhatikan dimensi waktu atau individu. Metode ini menggunakan pendekatan ordinary least square (OLS atau teknik kotak kecil untuk mengestimasi model data panel.
Tabel 4.3 Common Effect Model (CEM)
Dependent Variable: CETR Method: Panel Least Squares Sample: 2019 2021
Periods included: 3
Cross-sections included: 73
Total panel (unbalanced) observations: 193
Variable Coefficient Std. Error t-Statistic Prob.
C 0.373494 0.320871 1.163998 0.2459
PKI -0.045079 0.079222 -0.569025 0.5700
KA 0.199080 0.492692 0.404067 0.6866
SIZE -0.010473 0.004613 -2.270373 0.0243
DER 0.039062 0.010278 3.800425 0.0002
Root MSE 0.098220 R-squared 0.084878
Mean dependent var 0.218748 Adjusted R-squared 0.065407 S.D. dependent var 0.102941 S.E. of regression 0.099517 Akaike info criterion -1.751407 Sum squared resid 1.861891 Schwarz criterion -1.666882 Log likelihood 174.0108 Hannan-Quinn criter. -1.717177 F-statistic 4.359282 Durbin-Watson stat 1.608683 Prob(F-statistic) 0.002149 Sumber : Diolah dengan eviews 12
Berdasarkan hasil estimasi pada tabel 4.3 common effect model (CEM), dapat dilihat nilai F statistik memiliki nilai signifikan yang ditunjukan dengan nilai probabilitas sebesar 0,002149yang kurang dari 0,05. Hal ini menandakan secara simultan variabel proporsi komisaris independen, komite audit, ukuran perusahaan dan leverage berpengaruh terhadap penghindaran pajak.
Sementara nilai R-Square sebesar 0,084878menjelaskan bahwa model regresi ini hanya dapat menjelaskan 8,48% terhadap variabel dependen penghindaran
52
pajak. Variabel proporsi komisaris independen dan ukuran perusahaan memiliki nilai coefficient dan t-statistic negatif sementara komite audit dan leverage memiliki nilai coefficient dan t-statistic positif.
2. Fixed Effect Model (FEM)
Model ini memperkirakan data panel dengan menggunakan variabel dummy yang dikenal sebagai LSDV. Model ini mengasumsikan bahwa koefisien regresi adalah tetap antara perusahaan dan waktu. Berikut hasil estimasi regresi dengan fixed effect model (FEM).
Tabel 4.4 Fixed Effect Model
Dependent Variable: CETR Method: Panel Least Squares Sample: 2019 2021
Periods included: 3
Cross-sections included: 73
Total panel (unbalanced) observations: 193
Variable Coefficient Std. Error t-Statistic Prob.
C 2.486944 1.210911 2.053779 0.0422
PKI -0.004799 0.190887 -0.025140 0.9800 KA -0.805642 0.793580 -1.015200 0.3121 SIZE -0.063067 0.036617 -1.722365 0.0877
DER 0.106388 0.044131 2.410726 0.0175
Effects Specification
Cross-section fixed (dummy variables)
Root MSE 0.067671 R-squared 0.565601
Mean dependent var 0.218748 Adjusted R-squared 0.280995 S.D. dependent var 0.102941 S.E. of regression 0.087288 Akaike info criterion -1.750388 Sum squared resid 0.883820 Schwarz criterion -0.448693 Log likelihood 245.9124 Hannan-Quinn criter. -1.223243 F-statistic 1.987314 Durbin-Watson stat 3.249992 Prob(F-statistic) 0.000413 Sumber : Diolah dengan eviews 12
Berdasarkan hasil estimasi pada tabel 4.4 fixed effect model (FEM), dapat dilihat nilai F statistik memiliki nilai signifikan yang ditunjukan dengan nilai probabilitas sebesar 0,000413yang kurang dari 0,05. Hal ini menandakan secara simultan variabel proporsi komisaris independen, komite audit, ukuran perusahaan dan leverage berpengaruh terhadap penghindaran pajak.
53
Sementara nilai R-Square sebesar 0,565601menjelaskan bahwa model regresi ini hanya dapat menjelaskan 56,5% terhadap variabel dependen penghindaran pajak. Variabel proporsi komisaris independen, komite audit, dan ukuran perusahaan memiliki nilai coefficient dan t-statistic negatif sementara leverage memiliki nilai coefficient dan t-statistic positif.
3. Random Effect Model (REM)
Pada model ini, perbedaan intersep diakomodasi oleh error terms masing- masing sampel. Model ini mampu menghilangkan heteroskedastisitas. Berikut merupakan hasil uji estimasi menggunakan random effect model (REM).
Tabel 4 5 Random Effect Model
Dependent Variable: CETR
Method: Panel EGLS (Cross-section random effects) Sample: 2019 2021
Periods included: 3
Cross-sections included: 73
Total panel (unbalanced) observations: 193
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 0.460597 0.348657 1.321058 0.1881
PKI -0.047182 0.088594 -0.532563 0.5950
KA 0.044180 0.521273 0.084755 0.9325
SIZE -0.009940 0.005363 -1.853387 0.0654
DER 0.040375 0.011826 3.414190 0.0008
Effects Specification
S.D. Rho
Cross-section random 0.048418 0.2353
Idiosyncratic random 0.087288 0.7647
Weighted Statistics
Root MSE 0.086611 R-squared 0.067134
Mean dependent var 0.160924 Adjusted R-squared 0.047286 S.D. dependent var 0.089792 S.E. of regression 0.087755 Sum squared resid 1.447788 F-statistic 3.382377 Durbin-Watson stat 2.066760 Prob(F-statistic) 0.010640
Unweighted Statistics
R-squared 0.084163 Mean dependent var 0.218748 Sum squared resid 1.863345 Durbin-Watson stat 1.605839 Sumber : Diolah dengan eviews 12
54
Berdasarkan hasil estimasi pada tabel 4.5 random effect model (REM), dapat dilihat nilai F statistik memiliki nilai signifikan yang ditunjukan dengan nilai probabilitas sebesar 0,010640yang kurang dari 0,05. Hal ini menandakan secara simultan variabel proporsi komisaris independen, komite audit, ukuran perusahaan dan leverage berpengaruh terhadap penghindaran pajak.
Sementara nilai R-Square sebesar 0.067134menjelaskan bahwa model regresi ini hanya dapat menjelaskan 6,71% terhadap variabel dependen penghindaran pajak. Variabel proporsi komisaris independen dan ukuran perusahaan memiliki nilai coefficient dan t-statistic negatif sementara komite audit dan leverage memiliki nilai coefficient dan t-statistic positif.
4.2.2.2 Uji Pemilihan Model 1. Uji Chow
Uji Chow digunakan untuk memilih model estimasi yang akan digunakan dengan membandingkan antara common effect model (CEM), dengan fixed effect model (FEM). Hasil uji chow dapat dilihat pada tabel 4.6, sebagai berikut:
Tabel 4.6 Hasil Uji Chow
Redundant Fixed Effects Tests Equation: MODEL_FEM
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 1.782922 (72,116) 0.0027
Cross-section Chi-square 143.803286 72 0.0000 Sumber : Diolah dengan eviews 12
Uji chow menggunakan dua hipotesis yaitu H0 adalah jika nilai probabilitas cross section chi square lebih besar dari nilai α (0,05), maka metode yang efektif untuk digunakan dalam penelitian ini adalah common effect model (CEM).
Sementara H1 adalah jika nilai probabilitas cross section chi square lebih kecil
55
dari nilai α (0,05), maka metode yang efektif untuk digunakan dalam penelitian ini adalah fixed effect model (FEM).
Berdasarkan hasil uji chow, terlihat bahwa nilai probabilitas cross section chi square adalah sebesar 0,0000, lebih kecil dari 0,05 yang berarti H0 ditolak dan H1 diterima. Dengan demikian model yang terpilih pada uji chow adalah fixed effect model (FEM).
2. Uji Hausman
Uji hausman menjadi tahap uji kedua dalam uji pemelihan model. Pada uji ini akan membandingkan antara fixed effect model (FEM) dan random effect model (REM). Jika model fixed effect model (FEM) dalam uji hausman ini terpilih maka, uji lagrange multiplier tidak perlu dilakukan. Sebaliknya, jika model random effect model (REM) yang terpilih dalam uji hausman, maka perlu melanjutkan uji estimasi lagrange multiplier. Hasil uji hausman dapat dilihat pada tabel 4.7 sebagai berikut:
Tabel 4 7 Hasil Uji Hausman
Correlated Random Effects - Hausman Test Equation: MODEL_REM
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 4.927263 4 0.2948
Sumber : Diolah dengan eviews 12
Pada uji hausman, menggunakan dua hipotesis yaitu, H0 adalah jika nilai probabilitas cross section random lebih besar dari 0,05 maka model yang efektif untuk digunakan adalah random effect model (REM). Sementara H1 adalah jika nilai probabilitas cross section random lebih kecil dari 0,05 maka, model yang efektif untuk digunakan adalah fixed effect model (FEM).
56
Berdasarkan hasil uji hausman pada tabel 4.6, nilai probabilitas cross section random sebesar 0,2948 atau lebih besar dari 0,05 itu berarti H0 diterima dan model yang terpilih adalah random effect model (REM).
3. Uji Lagrange Multiplier
Pengujian legrange multiplier dilakukan untuk membandingkan apakah model common effect model (CEM) atau random effect model (REM) yang layak untuk digunakan dalam penelitian ini. Hasil uji lagrange multiplier dapat dilihat pada tabel dibawah ini:
Tabel 4 8 Hasil Uji Lagrange Multiplier
Lagrange Multiplier Tests for Random Effects Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided (all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 5.714440 13.15179 18.86623 (0.0168) (0.0003) (0.0000) Sumber : Diolah dengan eviews 12
Pada uji lagrange multiplier, jika nilai yang dihasilkan menunjukan P Value atau Both lebih besar dari 0,05 maka, model yang layak digunakan common effect model (CEM). Sementara jika nilai P Value atau Both lebih kecil dari 0,05 maka model yang layak digunakan adalah random effect model (REM). Berdasarkan hasil uji lagrange multiplier pada tabel 4.8 dapat dilihat bahwa nilai P Value dan Both sebesar 0,0000 lebih kecil dari 0,05 maka, pada penelitian ini model regresi data panel yang digunakan adalah model random effect model (REM).
57