Anda di halaman 1dari 18

(Guru Besar pada Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor)




Lektor pada Fakultas Ekonomi Universitas Jambi
Bambang Juanda & Junaidi: Ekonometrika
Deret Waktu
Setelah mengikuti pembahasan bab ini pembaca diharapkan dapat:
Menjelaskan pengertian & manfaat model Vector Autoregressive (VAR).
Menjelaskan bentuk-bentuk model VAR.
Mengetahui cara penentuan ordo model VAR.
Mengetahui estimasi model VAR (p).
Menjelaskan analisis VAR yang mencakup peramalan, IRF, FEDV) dan
Uji Kausalitas Granger
Menginterprestasikan output program Eviews pada model VAR
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Seringkali teori ekonomi belum mampu menentukan spesifikasi
yang tepat untuk model, disebabkan:
Teori ekonomi terlalu kompleks sehingga perlu dilakukan
penyederhanaan dalam model
Atau fenomena yang ada terlalu kompleks sehingga tidak
cukup hanya dijelaskan dengan teori yang ada.
Model Vector Autoregressive (VAR) menawarkan alternatif
pemodelan sebagai solusinya
Model VAR dibangun dgn pendekatan meminimalkan teori agar
mampu menangkap fenomena ekonomi dgn baik.
Model VAR disebut model non-struktural/tidak teoritis




Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Misalnya inflasi (INF) pada periode t dipengaruhi oleh suku bunga SBI
pada waktu t dan suku bunga SBI pada t-1.
(8.1)
Disisi lain pergerakan INF akan mempengaruhi pergerakan SBI dimasa
y.a.d.
(8.2)
Substitusi pers. 8.2 ke pers. 8.1:

(8.3)
Dalam bentuk sederhana:
(8.4)



t t t t
e INF SBI INF
1 1 3 2 1
+ + + =

o o o
t t t t
e SBI INF SBI
2 1 3 1 2 1
+ + + =

| | |
) ( ) ( ) (
) (
1 2 2 1 3 2 1 2 2 3 1 2 1
1 1 3 2 1 3 1 2 1 2 1
t t t t
t t t t t t
e e SBI INF
e INF e SBI INF INF
+ + + + + + =
+ + + + + + =


o | o | o o | o o
o | | | o o
t t t t
v SBI INF INF
1 1 13 1 12 11
+ + + =

o o o
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu

Substitusi pers. 8.1 ke pers. 8.2
(8.5)

Secara sederhana bisa ditulis


Dalam notasi matriks:
(8.6)

Sehingga bisa ditulis
(8.7)




) ( ) ( ) (
) (
1 2 2 1 3 2 1 2 2 3 1 2 1
1 1 3 2 1 3 1 2 1 2 1
t t t t
t t t t t t
e e SBI INF
e INF e SBI INF INF
+ + + + + + =
+ + + + + + =


o | o | o o | o o
o | | | o o
t t t t
v SBI INF INF
1 1 13 1 12 11
+ + + =

o o o
t t t t
v SBI INF SBI
2 1 23 1 22 21
+ + + =

o o o
(

=
(

=
(

=
(

=
t
t
t
t
t
v
v
v A A
SBI
INF
Y
2
1
23 22
13 12
21
11
0
;


; ;
o o
o o
o
o
t t t
v AY A Y + + =
1 0
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Persamaan tsb disebut Vector Autoregresive berordo 1 dengan
dua peubah (bivariate). Lazim ditulis VAR(1).
Jika peubah sebanyak M, dengan observasi sebanyak T dan
ordo p, maka model VAR (p) dapat ditulis sbb:

A
0
adalah vektor berukuran M x 1 dan matriks A
1
(i = 1, 2, ...p)
masing-masing berukuran M x M.
Banyaknya parameter model yang harus diestimasi dari suatu
model VAR (p) adalah M + M
2
p = M (1 + Mp).
Data dalam model VAR haruslah data yg stasioner.
t p t t t t
v ApY Y A Y A A Y + + + + + =

...
2 2 1 1 0
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Unrestricted VAR. Terdapat dua bentuk:
VAR in level . Jika data tidak stasioner pada level, harus
distasionerkan dulu sebelum menggunakan model VAR.
VAR in difference. jika data tidak stasioner dalam level dan
tidak memiliki hubungan kointegrasi, estimasi VAR dilakukan
pada data diferens.
Restricted VAR atau disebut Vector Error Correction Model
(VECM): bentuk VAR yang terestriksi. Restriksi diberikan
karena data tidak stasioner namun terkointegrasi.
Struktural VAR.Bentuk VAR direstriksi berdasarkan hubungan
teoritis yg kuat dan skema ordering hubungan thdp peubah-
peubah yang digunakan. S-VAR dikenal sebagai VAR yg teoritis
(theoritical VAR) .



Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Model VAR merupakan sistem persamaan simultan
Jika peubah bebas di semua persamaan sama, estimasi dapat
dilakukan dgn metode OLS terhadap setiap persamaan.
Jika peubah bebas berbeda antar persamaan, menjadi near
VAR. Estimasi dgn metode SUR (Seemingly Unrelated
Regression).
Estimasi model VAR (p), penting menentukan lag atau p.
Lag optimal dapat ditentukan dengan menggunakan beberapa
kriteria, yaitu LR, AIC, SC, LR, FPE dan HQ.
Kriteria pemilihan lag optimal adalah pada LR yang terbesar,
atau pada AIC, SC, FPE dan HQ bernilai terkecil.
Agar semua kriteria dapat dibandingkan untuk berbagai lag,
banyaknya observasi yg digunakan setiap model VAR harus
sama.




Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Analisis penting dalam model VAR: (1) peramalan; (2) impulse response;
(3) forecast error decomposition variance dan (4) uji kausalitas.
Peramalan
Sblm peramalan:simulasi untuk mencocokkan data aktual dgn fited -
nya
Simulasi yang relevan digunakan dalam VAR adalah simulasi dinamis.
Simulasi dinamis: gunakan semua persamaan VAR secara simultan
Impulse Response
Model VAR dapat digunakan untuk melihat dampak perubahan dari
satu peubah terhadap peubah lainnya secara dinamis.
Caranya dgn memberikan shocks pada salah satu peubah endogen.
Shock yang diberikan biasanya sebesar satu standar deviasi dari peubah
(disebut Innovations).
Penelusuran pengaruh shock yang dialami oleh satu peubah terhadap
nilai semua peubah saat ini dan beberapa periode mendatang disebut
teknik Impulse Response Function (IRF).





Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Forecast Error Decomposition Variance (FEDV)
Bertujuan memprediksi kontribusi persentase varian setiap peubah
karena adanya perubahan peubah tertentu dalam sistem VAR
Analisis FEDV digunakan untuk menggambarkan relatif pentingnya
setiap peubah dalam sistem VAR karena adanya shock.
Uji Kausalitas
Pengujian untuk menentukan hubungan sebab akibat antara peubah
dalam sistem VAR.
Hubungan sebab akibat diuji dgn uji kausalitas Granger.





Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Tentukan lag maksimum:
Dari menu utama Eviews: Quick > Estimate VAR

VAR Type, pilih Unrestricted VAR.
Endogenous Variables isikan peubah
endogen. Dalam hal ini adalah diferensi
pertama Misal INF dan SBI, sehingga ditulis
d(INF) d(SBI).
Lag Intervals for Endogenous, isikan terlebih
dahulu lag terendah yaitu 1 (ditulis dengan
cara 1 1).
Exogenous Variables, isikan c (konstanta).
Contoh output
VAR
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Pengujian kestabilan model VAR
Prosedurnya adalah: klik View > Lag Structure > AR Roots Table







Jika sistem VAR stabil, pada bagian bawah outputnya akan muncul 2
kalimat berikut:
No root lies outside the unit circle.
VAR satisfies the stability condition.
Jika sistem VAR tidak stabil, muncul peringatan sebagai berikut:
Warning: At least one root outside the unit circle.
VAR does not satisfy the stability condition.
Lakukan proses tersebut secara berulang, sehingga didapatkan lag
maksimum yang dapat dihasilkan oleh sistem VAR yang stasioner.
Contoh output Uji
Kestabilan VAR
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Tentukan Kandidat Lag
Dari workfile: View > Lag structure > Lag length criteria. Pada Lags to
include, masukan lag maksimum yang diperoleh. Klik OK.
Pemilihan Lag Optimal
Estimasi sistem VAR berdasarkan masing-masing kandidat lag
Pilihlah sistem VAR dengan nilai Adj. R squared tertinggi sebagai
sistem VAR dengan lag optimal.
Uji kembali stabilitas sistem VAR mengikuti prosedur sebelumnya
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Perpanjang terlebih dahulu range sampel observasi
Setelah mengestimasi sistem VAR, dari workfile klik Procs > Make
Model, akan muncul tampilan berikut



Klik Solve, akan muncul tampilan berikut:




Hasil prediksi bagi setiap peubah dapat dilihat dalam workfile.

Perhatikan daftar peubah pada gambar. Peubah
prediksi dari sistem VAR diatas adalah peubah
dengan akhiran 0.
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Berdasarkan model VAR, klik View > Impulse Response.













Display Format :tentukan bentuk tampilan IRF, dalam
bentuk tabel (Table), grafik terpisah (Multiple Graph)
atau grafik digabung untuk semua peubah (Combined
Graph)
Response Standard Errors: pilih None jika tidak ingin
menampilkan response standard Error. Pilih Analytic
asymptotic atau Monte Carlo jika ingin menampilkan
response standard error.
Display Information : isikan peubah impulse dan
response nya.
Periods : isikan periode impulse response
-0.4
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(INF) to D(INF)
-0.4
0.0
0.4
0.8
1.2
1.6
1 2 3 4 5 6 7 8 9 10
Response of D(INF) to D(SBI)
.00
.04
.08
.12
.16
.20
.24
.28
1 2 3 4 5 6 7 8 9 10
Response of D(SBI) to D(INF)
.00
.04
.08
.12
.16
.20
.24
.28
1 2 3 4 5 6 7 8 9 10
Response of D(SBI) to D(SBI)
Response to Cholesky One S.D. Innovations
Contoh output
Impulse Response
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Berdasarkan model VAR, klik View > Variance Decomposition













Display Format & Response Standard Errors: sama
seperti IRF
Decomposition of: tergantung pada peubah yang
dijadikan fokus penelitian.
Periods: isikan periode untuk variance decomposition
Factorization: tergantung pada bentuk sistem yang
digunakan. VAR dan VECM menggunakan Cholesky,
sedangkan S-VAR menggunakan structural
decomposition.
Contoh output Variance
Decomposition
0
20
40
60
80
100
1 2 3 4 5 6 7 8 9 10
Percent D(INF) variance due to D(INF)
0
20
40
60
80
100
1 2 3 4 5 6 7 8 9 10
Percent D(INF) variance due to D(SBI)
0
20
40
60
80
100
1 2 3 4 5 6 7 8 9 10
Percent D(SBI) variance due to D(INF)
0
20
40
60
80
100
1 2 3 4 5 6 7 8 9 10
Percent D(SBI) variance due to D(SBI)
Variance Decomposition
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Dari workfile: blok peubah yang akan diuji, seperti contoh berikut:






Klik kanan pada salah satu peubah yang diblok, kemudian klik Open
> as group. Akan muncul tampilan sebagai berikut:













Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Klik View > Granger Causality. Kemudian pada pilihan Lags to
include, isikan lag optimal sistem VAR yang telah diperoleh pada
proses-proses sebelumnya


















Contoh output Granger
Causality Test
Bambang Juanda & Junaidi: Ekonometrika Deret Waktu