Anda di halaman 1dari 9

ECONOMETRICS (2) TUTORIAL M. Edhie Purnawan. M.A, Ph.

D Prepared by: Amrie Anjas Economics Department UGM

ERROR CORRECTION MODEL (ECM)

Model koreksi kesalahan (Error Correction Model = ECM) sudah sejak awal tahun 1960an muncul dalam analisis ekonometrika untuk data runtut waktu (time series). Penerapan model ini dalam analisis ekonomika tidak dapat dilepaskan dari pakar ekonometrika Prof. Dennis Sargan. Dalam perkembangannya, model ini kemudian dipopulerkan oleh Engle-Granger. Secara umum dapat dikatakan bahwa ECM sering dipandang sebagai salah satu model dinamik yang sangat terkenal dan banyak diterapkan dalam studi empiris karena kemampuan yang dimiliki oleh ECM dalam meliput lebih banyak variabel dalam menganalisis fenomena ekonomi jangka pendek dan jangka panjang dan mengkaji konsisten tidaknya model empirik dengan teori ekonomi serta dalam usaha mencari pemecahan terhadap persoalan variabel runtut waktu yang tidak stasioner (non-stationerity) dan regresi lancung (spurious regression) atau korelasi lancung (spurious correlation) dalam analisis ekonometrika (Gujarati, 1995: 387; Thomas,, 1993: 151-155, 1997: 377-378). Model ECM memberikan informasi terhadap estimasi jangka panjang maupun estimasi jangka pendek. Dalam jangka pendek, hubungan suatu variabel tertentu mungkin saja mengalami masalah ketidakseimbangan (disequilibrium), namun dalam jangka panjang, hubungan variabel tersebut mengalami keseimbangan1). Adanya perbedaan ini perlu dikoreksi dengan suatu penyesuaian. Terkiat dengan hal ini, model ECM memasukkan koefisien penyesuaian untuk melakukan koreksi terhadap model jangka pendek. Keuntungan ECM sebagai model dinamik dalam analisis data runtun waktu, yaitu: (1) dapat melakukan spesifikasi model atas bentuk umumnya, (2) dapat menjelaskan informasi jangka panjang dan jangka pendek dari data (Vamvoukas, 1998), serta dapat diketahui konsisten tidaknya model empirik dengan teori ekonomi, (3) sebagai salah satu model dinamik untuk mencari penyelesaian data runtun waktu yang tidak stasioner dan (4) mencari penyelesaian masalah multikolliniaritas dan regresi lancung (Insukindro (1992:14, 1999:2), Thomas (1997:388 390)).

Tahapan Pengolahan ECM Dalam melakukan penelitian dengan menggunakan model ECM, maka terlebih dahulu harus dipenuhi beberapa prasyarat sebagai berikut. 1. Data variabel adalah data yang tidak stasioner pada tingkat level, I(0), namun stasioner pada first ataupun second difference atau derajat integrasi satu ataupun dua, I(1) dan I(2). 2. Terdapat hubungan kointegrasi antar-variabel yang diindikasikan oleh keberadaan error term yang tidak mengandung akar-akar unit (stasioner pada derajat level)

1) Keseimbangan jangka panjang ini ditunjukkan oleh keberadaan hubungan kointegrasi antar variabel. Hubungan kointegrasi ini dilihat dari perilaku error term yang tidak mempunyai akar-akar unit (stasioner pada level)

ECONOMETRICS (2) TUTORIAL M. Edhie Purnawan. M.A, Ph.D Prepared by: Amrie Anjas Economics Department UGM

Lebih lanjut, pengolahan model ECM dilakukan dengan prosedur seperti dibawah ini:

Uji Stasioneritas dan Uji Derajat Integrasi Stasioneritas merupakan syarat penting untuk memulai langkah estimasi model persamaan regresi dengan data time series. Secara umum dapat dikatakan bahwa persamaan regresi yang variabelnya tidak stasioner akan menghasilkan regresi lancung. Jika series data tidak stasioner, maka rata-rata dan variance sampelnya akan berubah bersama berjalannya waktu (time-varying mean and variance). Prosedur uji stasioneritas data yang biasa dilakukan adalah dengan menggunakan uji Augmented Dickey-Fuller (ADF) test, Phillips-Perron (PP) test atau KPSS test. Sementara itu, uji derajat integrasi dilakukan agar data dapat dipastikan telah stasioner pada derajat integrasi first ataupun second difference. Uji Kointegrasi Sebagaimana digagas oleh Engle-Granger, uji kointegrasi dilakukan untuk mengetahui apakah terdapat hubungan jangka panjang antar-variabel. Dalam hal ini, uji kointegrasi dilakukan dengan menggunakan metode residual based test. Dalam metode tersebut, apabila residual stasioner pada derajat level maka dapat disimpulkan bahwa terdapat kointegrasi jangka panjang dalam model. Secara matematis, hubungan jangka panjang ini dapat ditulis sebagai berikut. Yt = 1 + 2 Xt + Ut Ut = Yt - 1 - 2 Xt (1) (2)

Misalkan Ut diuji akar-akar unit dan stasioner pada I(0). Pada situasi seperti ini, meskipun secara individu Yt dan Xt mengandung akar-akar unit dan stasioner pada I(1), tetapi kombinasi linier dari kedua variabel ini stasioner pada I(0). Dengan kata lain, kombinasi linier dari kedua variabel tersebut mempunyai hubungan jangka panjang atau terkointegrasi. Dalam ilmu ekonomi, hal ini berarti bahwa dua atau lebih variabel akan terkointegrasi jika mereka mempunyai hubungan atau keseimbangan jangka panjang di antara variabel-variabel tersebut. Persamaan (1) di atas dikenal sebagai cointegrating regression dan slope parameter 2 disebut cointegrating parameter. (Gujarati, 2003, hal. 822).

ECONOMETRICS (2) TUTORIAL M. Edhie Purnawan. M.A, Ph.D Prepared by: Amrie Anjas Economics Department UGM

Persamaan Jangka Panjang dan Jangka Pendek Suatu model ekonomi dengan variabel-variabel yang berkointegrasi pada jangka panjang berarti variabel-variabel tersebut mengalami keseimbangan dalam jangka panjang. Namun, kondisi ini tidak menjamin bahwa variabel-variabel tersebut mengalami keseimbangan dalam jangka pendek. Apabila dalam jangka pendek, hubungan suatu variabel tersebut mengalami masalah ketidakseimbangan (disequilibrium), namun dalam jangka panjang, hubungan variabel tersebut mengalami keseimbangan, maka perbedaan ini perlu dikoreksi oleh ECM dengan suatu penyesuaian yang lebih dikenal dengan istilah Error Correction (ECt). Nilai ECt ini digunakan untuk menangkap nilai perbedaan koefisien jangka pendek dan panjang. Oleh karena itu, nilai ini sering disebut disequilibrium error. Nilai ECt ini dihimpun pada model jangka pendek. Dalam hal ini, nilai EC t memberikan informasi tentang penyesuaian estimasi jangka pendek dengan kondisi keseimbangannya.

ECONOMETRICS (2) TUTORIAL M. Edhie Purnawan. M.A, Ph.D Prepared by: Amrie Anjas Economics Department UGM

APLIKASI MODEL ECM DENGAN EVIEWS

Praktek pemodelan ECM pada tutorial ini berupaya untuk menganalisis model trade balance, yakni model ekspor impor antara Indonesia dengan Jepang (Rahutami, 2007). Adapun model penelitiannya adalah sebagai berikut: (1.1) Dimana: TB Yt Yft TOT adalah trade balance yakni ekspor dikurangi impor (Juta Dollar) adalah GDP Indonesia (miliar Rupiah) adalah GDP Jepang (miliar Yen) adalah Term of Trade

VER adalah volatilitas nilai tukar Rupiah terhadap Yen

Persamaan 1.1 diidentifikasi sebagai persamaan jangka panjang dari model trade balance. Sementara itu, persamaan jangka pendek ditunjukkan oleh persamaan 1.2 sebagai berikut:

(1.2) Dalam contoh ini ditunjukkan pada konteks aktual, persamaan jangka pendek mengalami ketidakseimbangan. Kondisi ini terjadi boleh jadi karena pada jangka pendek, apa yang terjadi pada aktivitas perdangan tidak sesuai dengan apa yang diinginkan oleh para pelakunya. Ketidakseimbangan ini ditunjukkan secara matematis sebagai berikut: (1.3) Dimana DE adalah disequilibrium error. DE bermanfaat untuk menghitung koefisien ECt yang notabene digunakan untuk menangkap nilai perbedaan koefisien jangka pendek dan panjang. Lebih lanjut, perhitungan ECt ditunjukkan sebagai berikut:

Lebih lanjut, dengan berbagai upaya parameterisasi maka singkatnya didapatkan persamaan jangka pendek yang kemudian diolah dengan model ECM. Adapun persamaannya adalah sebagai berikut: (1.4)

ECONOMETRICS (2) TUTORIAL M. Edhie Purnawan. M.A, Ph.D Prepared by: Amrie Anjas Economics Department UGM

Dalam hal ini, notasi melambangkan bahwa variabel-variabel tersebut tidak stasioner pada derajat level dan telah dilakukan upaya diferensi. Selain itu, dalam persamaan jangka pendek (1.4) tersebut ada variabel ECt yang dihimpun untuk menangkap adanya ketidakseimbangan jangka pendek.

Pengolahan Uji Akar-Akar Unit Prosedur uji stasioneritas data pada tutorial ini dilakukan dengan dua cara, yakni infiormal (grafis) dan formal (uji PP). Adapun hasilnya sebagai berikut: Uji informal Grafik 1: Perkembangan Variabel Tahun 1990-2006

Berdasarkan uji secara grafis, dapat diduga bahwa semua data tidak stasioner pada derajat level karena perilaku data cenderung menjauhi nilai rata-ratanya (kecuali variabel VER). Uji formal Uji stasioneritas data secara formal dilakukan dengan uji PP. Adapun hasilnya sebagai berikut: Tabel 1. Hasil Uji Akar-akar unit dengan PP test pada Level PP Statistic
(Absolute Value)

Sign

CV 1 %
(Absolute Value)

CV 5 %
(Absolute Value)

CV 10 %
(Absolute Value)

Keterangan

Variabel Trade Balance 2.661777 < 4.100935 3.478305 3.166788 Tdk Stasioner

ECONOMETRICS (2) TUTORIAL M. Edhie Purnawan. M.A, Ph.D Prepared by: Amrie Anjas Economics Department UGM

Variabel GDP Indonesia 1.775768 < 4.100935 3.478305 3.166788 Tdk Stasioner

Variabel GDP Jepang 4.171122 > 4.100935 3.478305 3.166788 Stasioner

Variabel Volatilitas Rp/Yen 3.177669 Variabel TOT 2.119278 < 4.100935 3.478305 3.166788 Tdk Stasioner > 2.599934 1.945745 1.613633 Stasioner

Berdasarkan tabel diatas, maka diketahui bahwa sebagian besar variable tidak stasioner pada derajat level. Oleh karena itu, untuk keperluan regresi ECM maka perlu dilakukan proses diferensi terhadap data tersebut agar data stasioner pada derajat yang sama. Dengan prosedur yang sama seperti langkah diatas maka hasil uji akar-akar unit PP pada derajat first difference sebagai berikut: Tabel 2. Hasil Uji Akar-akar unit dengan PP test pada first difference PP Statistic
(Absolute Value)

Sign

CV 1 %
(Absolute Value)

CV 5 %
(Absolute Value)

CV 10 %
(Absolute Value)

Keterangan

Variabel Trade Balance 15.46286 > 4.103198 3.479367 3.167404 Stasioner

Variabel GDP Indonesia 9.120789 > 4.103198 3.479367 3.167404 Stasioner

Variabel GDP Jepang 7.263441 > 3.533204 2.906210 2.590628 Stasioner

Variabel Volatilitas Rp/Yen 11.63534 Variabel TOT 5.145258 > 4.103198 3.479367 3.167404 Stasioner > 2.600471 1.945823 1.613589 Stasioner

Hasil uji akar-akar unit PP pada derajat first difference menunjukkan bahwa semua data telah stasioner pada derajat yang sama, yakni first difference.

ECONOMETRICS (2) TUTORIAL M. Edhie Purnawan. M.A, Ph.D Prepared by: Amrie Anjas Economics Department UGM

Uji Kointegrasi Sebagaimana digagas oleh Engle-Granger, uji kointegrasi dilakukan untuk mengetahui apakah terdapat hubungan jangka panjang antar-variabel. Dalam hal ini, uji kointegrasi dilakukan dengan menggunakan metode residual based test. Caranya sebagai berikut: 1. Membuat persamaan jangka panjang: Ketik: equation persamaan_kointegrasi.ls TB c Y Yf TOT VER 2. Membuat residual dari persamaan jangka panjang Klik: procs ----- make residual series (type residual: ordinary) 3. Uji akar-akar unit terhadap residual Klik: pada series residual ----- view -------unit root test (PP test in level)

Adapun hasil dari uji akar akar unit terhadap residual dengan PP test adalah sebagai berikut:
PP Test Statistic -4.932317 1% Critical Value* 5% Critical Value 10% Critical Value -2.5973 -1.9452 -1.6183

*MacKinnon critical values for rejection of hypothesis of a unit root. Lag truncation for Bartlett kernel: 3 Residual variance with no correction Residual variance with correction ( Newey-West suggests: 3 ) 72128.73 72867.34

Phillips-Perron Test Equation Dependent Variable: D(RESIDPANJANG) Method: Least Squares Sample(adjusted): 1990:2 2006:4 Included observations: 67 after adjusting endpoints Variable RESIDPANJANG(-1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Coefficient -0.539552 0.268312 0.268312 270.5949 4832625. -469.8068 Std. Error 0.109661 t-Statistic -4.920169 Prob. 0.0000 2.489852 316.3418 14.05394 14.08684 2.053553

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat

Berdasarkan uji PP tersebut diketahui bahwa residual pada persamaan jangka panjang sudah stasioner pada derajat level karena PP statistik secara absolut lebih besar daripada critical value baik pada 1%, 5% maupun 10%. Hal ini berarti residual tidak mengandung akar-akar unit. Lebih lanjut, kondisi ini membuat prasyarat untuk pemodelan ECM menjadi telah terpenuhi.

ECONOMETRICS (2) TUTORIAL M. Edhie Purnawan. M.A, Ph.D Prepared by: Amrie Anjas Economics Department UGM

Estimasi Persamaan Jangka Panjang Seiring dengan pembuatan residual jangka panjang maka persamaan jangka panjang pada dasarnya telah diestimasi. Adapun hasilnya ditunjukkan sebagai berikut: Tabel 3: Hasil Estimasi Persamaan Jangka Panjang
Dependent Variable: TB Method: Least Squares Sample: 1990:1 2006:4 Included observations: 68 Variable C Y YF VER TOT R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 4104.069 0.002957 -0.006895 -3.210014 192.0734 0.853530 0.844230 311.7781 6123951. -484.3670 1.078581 Std. Error 1228.221 0.000654 0.002571 4.690520 300.5950 t-Statistic 3.341474 4.524133 -2.681267 -0.684362 0.638977 Prob. 0.0014 0.0000 0.0094 0.4963 0.5252 1707.871 789.9577 14.39315 14.55635 91.78042 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Interpretasi terhadap hasil estimasi diatas menggunakan cara yang sama ketika melakukan interpretasi terhadap hasil estimasi least squared biasa.

Estimasi Persamaan Jangka Pendek Sementara itu, estimasi persamaan jangka pendek dilakukan dengan menghimpun variabel ECt . Dengan demikian langkah mendasar yang harus dilaukan adalah membuat variabel EC t dengan langkah-langkah sebagai berikut: 1. Membuat variabel ECt berdasarkan perilaku kelambanan dari residual: Klik: quick ----- generate series Ketik: EC=residpanjang(-1)
Penulisan residual ini tergantung pada nama residual yang dibuat pada tahapan sebelumnya. Dalam tutorial ini residual yang dibuat pada tahap sebelumnya diberi nama residpanjang dengan demikian rumusan penulisannya seperti ini.

2. Estimasi persamaan jangka pendek:

Ketik: equation jangka_pendek.ls d(TB) c d(Y) d(Yf) d(TOT) d(VER) EC

Penulisan persamaan jagka pendek menggunakan delta () karena tiap variabel ditransformasi dalam bentuk first diference (sebagai akibat dari keberadaan akar-akar unit).

ECONOMETRICS (2) TUTORIAL M. Edhie Purnawan. M.A, Ph.D Prepared by: Amrie Anjas Economics Department UGM

Adapun hasil estimasi jangka pendek ditunjukkan oleh tabel sebagai berikut: Tabel 4: Hasil Estimasi Persamaan Jangka Pendek
Dependent Variable: D(TB) Method: Least Squares Sample(adjusted): 1990:2 2006:4 Included observations: 67 after adjusting endpoints Variable C D(Y) D(YF) D(TOT) D(VER) EC R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 51.43475 0.001382 -0.010375 -988.3903 2.233129 -0.539262 0.304829 0.247848 272.7638 4538405. -467.7026 2.043013 Std. Error 49.39423 0.002128 0.008197 1106.820 4.454689 0.110875 t-Statistic 1.041311 0.649398 -1.265744 -0.893000 0.501299 -4.863685 Prob. 0.3018 0.5185 0.2104 0.3754 0.6180 0.0000 34.01866 314.5097 14.14038 14.33781 5.349651 0.000385

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Seperti halnya pada persamaan jangka panjang, interpretasi terhadap hasil estimasi diatas menggunakan cara yang sama ketika melakukan interpretasi terhadap hasil estimasi least squared biasa. Termasuk apabila ingin dilakukan uji terhadap beberapa asumsi klasik. Pada akhirnya, terlepas dari hasil estimasinya, beberapa tahapan diatas merupakan rangkaian metode pemodelan ECM.

Anda mungkin juga menyukai