Where:SSE1 : Sum Square Error from

Where:
SSE1 : Sum Square Error from model Ordinary Least Square
SSE2 : Sum Square Error from Fixed Effect Model
n : Number of companies (cross section)
nt : Total cross section x total of time series
k : The number of independent variables
To compare with the value of F table, can use the following formula :
α : The significance level used (alfa)
n : Number of companies (cross section)
nt : Total cross section x total time series
k : The number of independent variables
b. Hausman-Test
After conducting the Chow test then the next we will examine which model the Fixed Effects Model or Random
Effects Model the most appropriate, this test is referred to as the Hausman test.
Tests conducted by the Hausman test the following hypotheses :
H0 : Random Effect Model
H1 : Fixed Effect Model
The Hausman test statistic follows the Chi Square statistic distribution with degree of freedom as k-1, where k is
the number of variables of the study overall. If the value of the Hausman statistic is greater than the critical value
then H0 is rejected and the appropriate model is the Fixed Effects Model while the opposite when the value of
the Hausman statistic is smaller than the critical value then the appropriate model is the Random Effects Model.
c. Lagrange Multiplier
Lagrange Multiplier (LM) is a test to determine whether the Random Effects Model or Ordinary Least Square
model is most appropriate.
Hipotesis yang digunakan adalah :
H0 : Ordinary Least Square Model
H1 : Random Effect Model
LM test is based on the chi-squares distribution with degree of freedom for the number of independent variables.
If the value of the LM statistic greater than the critical value of chi-squares statistic we reject the null hypothesis,
which means that a precise estimate for the panel data regression model is a model of Random Effects Model of
the Model Ordinary Least Square. Conversely, if the value of the LM statistic is smaller than the value of chisquares
as a critical value, then we accept the null hypothesis, which means that the estimates used in the panel
data regression model of Ordinary Least Square is not Random (Random Effects Model).
4.2.Hypothesis testing
4.2.1.Hypothesis Test Using the t test (partial)
After making the overall regression coefficient test, then the next step is to calculate the individual regression
coefficients (partial), using a test known as the t test. The hypothesis in this test is as follows :
H0 : βj = 0
H1 : βj ≠ 0; j = 0,1,2 ….,k
k is the slope coefficient
From the hypothesis, it can be seen whether the independent variables have a significant influence on
the dependent variable. T values resulting from the processing will be compared with the value of the t table. If it
turns out after │t count│> t table, the t values are in the rejection region, so that the null hypothesis is rejected at
confidence level (1-α) × 100%. In this case it can be said that the statistically significant independent variables
on the dependent variable.
4.2.2.Hypothesis Testing Using the F test (simultaneous)
F test is used to determine whether all the independent variables together can influence the dependent variable
(the goodness of fit model). F test is done by comparing the F count and F table with a predetermined degree of

Results (Thai) 2:

สถานที่:
SSE1: Sum แควข้อผิดพลาดจากแบบจำลองสามัญแควน้อย
SSE2: Sum แควข้อผิดพลาดจากผลคงที่รุ่น
n: จำนวน บริษัท (ข้ามส่วน)
เอ็นที: รวมรวมส่วนข้าม x เวลาชุด
k:
จำนวนของตัวแปรอิสระเพื่อเปรียบเทียบกับค่าของตาราง F ที่สามารถใช้สูตรต่อไปนี้:
α: ระดับความสำคัญที่ใช้ (อัลฟ่า)
n: จำนวน บริษัท (ข้ามส่วน)
เอ็นที: รวมส่วนข้าม x เวลารวมชุด
k:
จำนวนของตัวแปรอิสระข Hausman
ทดสอบหลังจากที่การดำเนินการทดสอบChow
แล้วต่อไปเราจะตรวจสอบรุ่นรุ่นผลคงที่หรือแบบสุ่มผลรุ่นที่เหมาะสมที่สุดการทดสอบนี้จะเรียกว่าการทดสอบHausman.
การทดสอบที่ดำเนินการโดย Hausman ทดสอบสมมติฐานต่อไปนี้:
H0: ผลสุ่มรุ่น
H1:
ผลรุ่นคงสถิติทดสอบHausman ดังต่อไปนี้การกระจายสถิติจิสแควร์ที่มีระดับของเสรีภาพ k-1 ที่ k
คือจำนวนของตัวแปรของการศึกษาโดยรวม ถ้าค่าของสถิติ Hausman
มีค่ามากกว่าค่าที่สำคัญแล้วH0
ถูกปฏิเสธและรูปแบบที่เหมาะสมเป็นรุ่นผลคงที่ในขณะที่ฝั่งตรงข้ามเมื่อค่าของสถิติHausman มีขนาดเล็กกว่าค่าวิกฤตแล้วรูปแบบที่เหมาะสมเป็นผลสุ่ม รุ่น.
ค Lagrange
คูณลากรองจ์คูณ(LM)
คือการทดสอบเพื่อตรวจสอบว่าผลสุ่มรุ่นหรือสแควน้อยสามัญรุ่นที่เหมาะสมที่สุด.
Hipotesis หยาง digunakan Adalah:
H0: สามัญสแควน้อยรุ่น
H1:
ผลสุ่มรุ่นทดสอบLM จะขึ้นอยู่กับไค กระจายสี่เหลี่ยมที่มีระดับของเสรีภาพสำหรับจำนวนของตัวแปรอิสระ.
ถ้าค่าของสถิติ LM
มากขึ้นกว่ามูลค่าที่สำคัญของสถิติไคสแควร์เราปฏิเสธสมมติฐานโมฆะซึ่งหมายความว่าการประมาณการที่แม่นยำสำหรับข้อมูลแผงแบบการถดถอยเป็น
รูปแบบของผลสุ่มรุ่นของรุ่นธรรมดาแควน้อย ตรงกันข้ามถ้าค่าของสถิติ LM ที่มีขนาดเล็กกว่าค่าของ chisquares
เป็นค่าที่สำคัญแล้วเรายอมรับสมมติฐานซึ่งหมายความว่าประมาณการที่ใช้ในแผงข้อมูลแบบการถดถอยของแควน้อยสามัญไม่ได้สุ่ม (ผลสุ่ม Model). การทดสอบ 4.2.Hypothesis 4.2.1.Hypothesis ทดสอบโดยใช้การทดสอบค่าที (บางส่วน) หลังจากการทดสอบค่าสัมประสิทธิ์การถดถอยโดยรวมแล้วขั้นตอนต่อไปคือการคำนวณการถดถอยของแต่ละบุคคลสัมประสิทธิ์ (บางส่วน) โดยใช้การทดสอบที่รู้จักกันในที ทดสอบ. สมมติฐานในการทดสอบครั้งนี้จะเป็นดังนี้: H0: βj = 0 H1: βj≠ 0; เจ = 0,1,2 ... ., k k คือค่าสัมประสิทธิ์ความลาดชันจากสมมติฐานก็สามารถจะเห็นว่าตัวแปรอิสระที่มีอิทธิพลสำคัญในตัวแปรตาม ค่า T ที่เกิดจากการประมวลผลจะได้รับการเปรียบเทียบกับมูลค่าของตารางทีที่ ถ้ามันจะเปิดออกหลังจาก│tcount│> เสื้อตารางค่าเสื้อที่มีการปฏิเสธในภูมิภาคเพื่อให้สมมติฐานถูกปฏิเสธที่ระดับความเชื่อมั่น(1-α) × 100% ในกรณีนี้ก็อาจกล่าวได้ว่าตัวแปรอิสระนัยสำคัญทางสถิติในตัวแปร. 4.2.2.Hypothesis การทดสอบการใช้การทดสอบ F (พร้อมกัน) การทดสอบ F จะใช้ในการตรวจสอบว่าทุกตัวแปรอิสระด้วยกันสามารถมีอิทธิพลต่อตัวแปรตาม(คน ความดีงามของรูปแบบพอดี) การทดสอบ F จะทำโดยการเปรียบเทียบนับ F และโต๊ะ F มีระดับที่กำหนดไว้ของ