Model-model dengan persamaan tunggal (single equation) selama ini sesungguhnya mengabaikan
masalah saling ketergantungan (interdependence) antar variabel yang menjadi karakteristik
ekonomi modern. Sebaian besar aplikasi ekonometrik bersifat saling tergantung atau simultan,
dan untuk memahami masalah ini adalah dengan cara memahami sifat saling mempengaruhi
(feedback loops) dalam model-model yang kita bangun.
Sebagian besar model-model dalam ekonomi dan bisnis bersifat simultan. Sebagai contoh supply
dan demand jelas bersifat simultan. Bahkan model-model single equation juga sering bersifat
simultan.
Estimasi sistem persamaan simultan dengan menggunakan metode OLS (ordinary least squares)
menyebabkan sejumlah kesulitan yang tidak terdapat pada single equation. Dalam model-model
simultan, Classical Assumption III yang menyatakan bahwa semua explanatory variables
(independent variables) harus tidak berkorelasi dengan error term ( ) tidak terpenuhi. Hal ini
terutama disebabkan estimasi koefisien dalam model-model simultan tersebut bias. Sebagai
alternatifnya, prosedur estimasi Two-Stage Least Squares 2SLS digunakan dalam model-model
simultan.
Y1t = 0 + 1Y2t + 2 X 1t + 3 X 2t + 1t
(1)
Y2t = 0 + 1Y1t + 2 X 3t + 3 X 2t + 2t
(2)
Sebagai contoh, Y1 dan Y2 merupakan kuantitan dan harga ayam, X 1 merupakan pendapatan
konsumen, X 2 harga daging sapi dan X 3 merupakan harga pakan ayam. Dengan definisi
tersebut, persamaan (1) menjelaskan perilaku konsumen ayam dan persamaan (2) menjelaskan
perilaku produsen ayam. Kedua persamaan tersebut juga disebut structural equations. Structural
equation menjelaskan teori ekonomi dibalik setiap endogenous variable yang diekspresikan dalam
bentuk persamaan yang melibatkan endogenous dan exogenous variable. Sebagai contoh Y
merupakan jointly determined, sehinga perubahan pada Y1 akan menyebabkan perubahan pada
dan
Tidak salah jika kita mengasumsikan bahwa endogenous variables adalah variabel yang muncul di
sisi kiri persamaan minimal pada satu persamaan.
Y1t = 0 + 1 Y 2t + 2 X 1t + 3 X 2t + 1t
(3)
Y 2t = 0 + 1 Y 1t + 2 X 3t + 3 X 2t + 2t
(4)
Perhatikan sistem persamaan ini dan apa yang terjadi jika error term meningkat, dengan
mengganggap variabel lainnya tidak berubah:
1.
Jika
persamaan (3)
2.
3.
Tapi jika Y2 meningkat pada persamaan (4), juga berarti meningkat di persamaan (3)
dimana variabel tersebut merupakan explanatory variable.
selanjutnya Y2 juga meningkat, yang artinya melanggar asumsi bahwa error term dan explanatory
variabel harus saling bebas.
Reduced-form equations
Cara alternatif untuk mengekspresikan suatu sistem persamaan simultan adalah dengan
menggunakan reduced-form equations, yaitu persamaan yang mengekspresikan endogenous
variables dengan hanya melibatkan error term dan semua predetermined variables (exogenous plus
lagged endogenous) dalam sistem persamaan simultan tersebut.
Reduced-form equations untuk persamaan (3) dan (4) menjadi:
Y1t = 0 + 1 X 1t + 2 X 2t + 3 X 3t + v1t
(5)
Y2t = 4 + 5 X 1t + 6 X 2t + 7 X 3t + v 2t
(6)
merupakan koefisien dari predetermined variables variables dalam reduced-form equations. Perhatikan
bahwa pada setiap persamaan hanya terdapat satu variabel endogenous yaitu hanya sebagai
dependen variabel, dan setiap persamaan memiliki predetermined variables yang persis sama.
Koefisien reduced-form seperti
dan
tersebut mengukur pengaruh pada variabel endogenous terhadap peningkatan satu unit
predetermined variable, setelah menghilangkan feddback effect dari seluruh sistem simultan.
Ada sedikitnya empat alasan menggunakan reduced form equation:
1.
karena reduced-form equation tidak memiliki sifat simultan, maka tidak melanggar Classical
Assumption III, sehingga dapat diestimasi dengan OLS.
2.
dan
4.
persamaan reduced-form memainkan peran penting dalam teknik estimasi yang paling
sering digunakan untuk persamaan-persamaan simultan yaitu teknik Two-Stage Least
Squares.
sebagai variabel yang mendekati (good proxy) variabel endogenous tersebut, dan
2.
Jika kemudian variabel baru ini kita gunakan untuk mengganti variabel endogenous yang mucul
sebagai explanatory variable, maka explanatory variable tersebut tidak akan berkorelasi dengan error
term, sehingga Classical Assumption III terpenuhi.
Perhatikan sistem persamaan berikut:
Y1t = 0 + 1Y2t + 2 X t + 1t
(7)
Y2t = 0 + 1Y1t + 2 Z t + 2t
(8)
Jika kita bisa menemukan variabel baru yang sangat erat berkoralasi dengan Y2 tapi tidak
berkorelasi dengan
1 ,
kemudian kita dapat mengganti variabel baru ini untuk Y2 pada sisi
kanan persamaan (7). Variabel baru ini disebut instrument variable. Suatu instrument variable
digunakan untuk menggantikan variabel endogenous (ketika variabel endogenous tersebut sebagai
explanatory variable); dengan kata lain merupakan variabel yang paling dekat dengan endogenous
variable tersebut dan tidak berkorelasi dengan error term.
Karena tidak ada joint casualty antara instrument variable dengan endogenous variable, penggunaan
instrument variable ini menghindari pelanggaran Classical Assumption III. Meskipun demikian cara
menemukan instrument variable tersebut merupakan masalah lain.
Two-Stage Least Squares (2SLS) merupakan suatu metode yang secara sistematis menggunakan
instrument variable untuk menggantikan endogenous variable yang muncul sebagai explanatory
variable dalam sistem persamaan simultan. 2SLS melakukan hal ini dengan cara:
Y1t = 0 + 1 X t + 2 Z t
(9)
Y2t = 3 + 4 X t + 5 Z t
(10)
(11)
Y2t = 0 + 1Y1t + 2 Z t + u 2t
(12)
Perhatikan bahwa dependen variabel masih asli variabel endogenous dan penggantian hanya
untuk variabel yang muncul di sisi kanan dalam structural equation tersebut. Selanjutnya dari
persamaan (11) dan (12) bisa didapat estimasi koefisien
dan
Jadi metode Two-Stage Least Squares ini menggunakan dua tahap OLS.