(DISTRIBUTED LAGS MODEL)

MODEL SEBARAN BEDA WAKTU

Model Sebaran Beda Waktu
Dalam analisis model regresi menggunakan data
deret waktu (time series) seringkali pengaruh
peubah penjelas pada waktu ke-t (Xt)
memerlukan waktu cukup lama (misalnya k
tahun) untuk memberikan dampak pada peubah
respon (Yt+k).
Waktu yang diperlukan timbulnya respon (Y)
akibat suatu pengaruh dari sebuah tindakan atau
keputusan disebut dengan lag (beda waktu).
Kelambanan pengaruh ini karena berbagai
alasan, seperti teknologi, intitusi dan psikologis.
Ilustrasi
Pengaruh pemberian kredit utuk perluasan usaha
terhadap produksi perusahaan memerlukan
beberapa periode waktu.
Supply uang mempengaruhi tingkat inflasi setelah
beberapa kuartal.
Investasi dalam melakukan riset dan
pengembangan akan memerlukan waktu cukup
panjang untuk meningkatkan produktifitas.
Model sebaran beda waktu
Misalkan model fungsi konsumsi secara umum
adalah


Dimana Yt adalah konsumsi pada bulan ke-t dan
Xt-k adalah pendapatan pada bulan ke t-k.
Pengaruh jangka pendek dari peubah X adalah
o; dan pengaruh jangka panjang (multiplier) dari
peubah X adalah (o+1+2++k) yang
menggambarkan perubahan Y akibat kenaikan 1
unit X yang tetap berpengaruh terus.
t k t k t t t t
u X X X X Y + + + + + + =

| | | | o ...
2 2 1 1 0
Asumsi model
Residual (galat) menyebar normal, bebas
terhadap peubah X, tidak ada autokorelasi dan
varian sama.
Pendugaan Model sebaran beda
waktu
dengan pendekatan Ad-Hoc
Jika jumlah lag sedikit, model dapat diduga
dengan metode OLS. Alt dan Timbergen
mengusulkan pendugaan parameter model
dengan OLS dilakukan secara berurutan.
Pertama melakukan regresi Yt terhadap Xt dan
Xt-1.
Kemudian melakukan regresi Yt terhadap Xt, Xt-1
dan Xt-2.
Demikian seterusnya.
Prosedur ini berhenti jika koefisien regresi dari
peubah beda waktu tidak sigifikan secara statistik
dan atau nilai dugaan koefisiennya berubah
tanda.
Kelemahan Metode Ad-Hoc
Jika komponen lag-nya banyak dan sedikit
pengetahuan mengenai struktur Lag, pendugaan
langsung dengan metode OLS dengan
pendekatan Ad-Hoc ini akan menghabiskan
banyak derajat bebas dan kemungkinan akan
mengarah pada dugaan parameter yang kurang
tepat.
Model Sebaran beda waktu geometrik dengan
pendekatan Koyc
Jika parameter model atau bobot dari peubah
penjelas beda waktu diasumsikan semuanya
positip dan menurun secara geometrik maka
model ini disebt model sebaran beda waktu
geometrik. Model ini dapat dituliskan sebagai
berikut:
1 0 dengan
...
0
2
2
1
< <
+

+ =
+ + + + + =

=


w
u X w Y
u X w wX X Y
t
s
s t
s
t
t t t t t
| o
| | | o
Respon peubah Y dalam jangka panjang (long-
run response) yang menggambarkan perubahan
Y akibat perubahan dalam X yang tetap
berpengaruh sepanjang waktu, didefinisikan
sebagai
w
w w m
s
s
s
s

=

=

=
1
0 0
|
| |
Pendugaan Model Sebaran beda waktu
geometrik dengan pendekatan Koyc
(**) ) 1 (
dengan ; ) 1 (
sehingga
...
...
(*) ...
1
1 1
1 3
3
2
2
1 1
1 3
2
2 1 1
2
2
1
t t t t
t t t t t t t
t t t t t
t t t t t
t t t t t
wY X w Y
wu u X w wY Y
wu X w X w wX w wY
u X w wX X Y
u X w wX X Y
c | o
c c | o
| | | o
| | | o
| | | o
+ + + =
= + + =
+ + + + + =
+ + + + + =
+ + + + + =

Persamaan pada (**) lebih mudah diduga daripada
persamaan pada (*).
Model Ekspektasi Adaptif
Model ekspektasi adaptif dikembangkan
berdasarkan pemikiran bahwa perubahan dalam
nilai Y berkaitan dengan perubahan dalam nilai
harapan dari peubah penjelas X. Kita dapat
menulis model ini dengan


Xt* merepresentasikan nilai harapan atau yang
diinginkan dari peubah X.
* *
* *
t t t
u X Y + + = | o
Dalam model ekspektasi adaptif, nilai harapan X
diasumsikan berubah tiap periode waktu, yang
dinyatakan sebagai suatu penyesuaian terhadap
perbedaan antara nilai pengamatan X yang
berlaku dengan nilai harapan X sebelumnya.
Hubungan ini dinyatakan dalam persamaan
berikut:



sehingga
( )
( ) - 1
1 0 ;
*
1
*
*
1
*
1
*

+ =
< < =
t t t
t t t t
X X X
X X X X
u u
u u
( )
( ) ( ) ( )
( ) ( ) ( )
*
3
3
2
2
*
2
*
2
2
1
*
1
*
2 1
*
1
1 1 1
1 1 1
1



+ =
+ =
+ =
t t t
t t t
t t t
X X X
X X X
X X X
u u u u
u u u u
u u
Selanjutnya



Sehingga apabila hasil ini disubstitusikan ke
model awal



Model ini mirip dengan model pendekatan koyc
( ) ( ) ( )
( )
s t
s
s
t
t t t t
X X
X X X X

=
+ + + =
0
*
2
2
1
*
1
.... 1 1
u u
u u u
( )
*
* *
1 * *
* *
t s t
s
s
t
t t t
u X Y
u X Y
+

+ =
+ + =

u u | o
| o
Model akhirnya adalah
( )
( )
( )
*
1
* *
*
1
*
*
1 dengan
* 1 *
menjadi modelnya maka
dan - 1 , * *, Misalkan
1 * *

=
+ + + =
= = = =
+

+ =
t t t
t t t t
t t
t s t
s
s
t
u u
X Y Y
u u w
u X Y
u c
c u | u u o
u u | | o o
u u | o
Teladan