Sistem Persamaan Simultan (Simultaneous Equations)

Diterjemahkan oleh Budhi Wibowo

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.

The nature of simultaneous equation system (sifat persamaan simultan)

Mana yang lebih awal mempengaruhi, ayam atau telur? Pertanyaan ini sulit dijawab sebab ayam
dan telur merupakan jointly determined; yaitu hubungan sebab akibat dua-arah antar kedua
variabel tersebut. Semakin banyak telur yang ada akan menyebabkan semakin banyak ayam, dan
semakin banyak ayam akan semakin banyak telur yang didapat. Dalam dunia ekonomi ini
dipenuhi oleh bentuk feed-back effects dan dual casuality yang membutuhkan penerapan
persamaan simultan. Dalam sistem persamaan simultan, kita dapat berbicara mengenai dual
casuality antara jumlah penduduki dengan food supply, antara upah dan harga atau antara foregn
exchange rates dan international trade dan capital flows.

Persamaan simultan biasanya dibangun dengan membedakan antara variabel-variabel yang

ditentukan sebagai variabel simultan (simultaneously determined), disebut endogenous variables Y,
dan variabel-variabel yang ditentukan tidak simultan, disebut exogenous variables X.

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

Y2 , yang selanjutnya juga akan menyebabkan kembali perubahan Y1 . Sebaliknya perubahan

pada X 1 tidak akan kembali menyebabkan (loop back) perubahan pada X 1 . Koefisien

dan

disebut sebagai structural cofficients.

Perlu dicatat bahwa suatu variabel dikatakan endogenous karena variabel tersebut jointly
determined, bukan karena variabel tersebut muncul dua kali di dua persamaan tersebut.
Bagaimana menentukan suatu variabel sebagai endogenous atau exogenous? Beberapa variabel
sebagai contoh hampir selalu sebagai variabel exogenous (contoh: cuaca), tapi sebagian besar
dapat dianggap sebagai endogenous atau exogenous, tergantung pada jumlah dan karakteristik
persamaan lain dalam sistem tersebut. Sehingga perbedaan antara endogenous dan exogenous
biasanya tergantung pada bagaimana peneliti mendefinisikan cakupan dari penelitian tersebut.
Kadang-kadang lagged endogenous variables muncul pada persamaan yang melibatkan distribusi
lag. Predetermined variables didefinisikan untuk mencakup semua variabel exogenous dan variabel
lagged endogenous. Predetermined maksudnya bahwa variabel exogenous dan endogenous
ditentukan diluar sistem persamaan tertentu. Variabel endogenous yang tidak lagged bukan
merupakan predetermined, karena variabel tersebut jointly determined. Sehingga praktisi
ekonometrik cenderung berbicara mengenai endogenous dan predetermined variables ketika
membahas sistem persamaan simultan.

Tidak salah jika kita mengasumsikan bahwa endogenous variables adalah variabel yang muncul di
sisi kiri persamaan minimal pada satu persamaan.

Sistem simultan melanggar Classical Assumption III

Classical Assumption III menyatakan bahwa error term dan setiap explanatory variables harus tidak
berkorelasi. Jika terjadi korelasi, dan estimasi regresi OLS digunakan, maka akan menghasilkan
estimasi yang bias.
Untuk melihat bagaimana persamaan simultan melanggar asumsi tersebut, perhatikan sistem
persamaan simultan brikut:

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

meningkat dalam periode tertentu, maka Y1 juga akan meningkat pada

persamaan (3)
2.

Jika Y1 meningkat, Y2 juga akan meningkat pada persamaan (4)

3.

Tapi jika Y2 meningkat pada persamaan (4), juga berarti meningkat di persamaan (3)
dimana variabel tersebut merupakan explanatory variable.

Sehingga meningkatnya error term pada suatu persamaan menyebabkan meningkatnya

explanatory variable pada persamaan yang sama; jika

meningkat, Y1 meningkat dan

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)

Dimana v merupakan stochastic error term dan

disebut reduced-form cofficients karena

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

disebut sebagai impact multipliers karena koefisien

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.

koefisien reduced-form ini dapat secara matematis dimanipulasi untuk mendapakan

structural coefficient. Jadi

pada persamaan (5) dan (6) dapat digunakan untuk

menyelesaikan atau mendapatkan

dan

pada persamaan (3) dan (4). Metode ini,

menghitung structural cofficient berdasarkan reduced-form coefficient, disebut Indirect Least

Squares (ILS).
3.

interpretasi koefisien reduced-form sebagai impact multipliers berarti bahwa koefisien

tersebut memiliki makna ekonomi. Sebagai contoh koefisien tersebut bisa digunakan
untuk membandingkan pengeluaran pemerintah terhadap pengaruh pemotongan pajak.

4.

persamaan reduced-form memainkan peran penting dalam teknik estimasi yang paling
sering digunakan untuk persamaan-persamaan simultan yaitu teknik Two-Stage Least
Squares.

Two-Stage Least Squares

Mengestimasi persamaan-persamaan simultan dengan OLS mengakibatkan bias sehingga
melanggar Classcial Assumption III. Kita dapat menghindari pelanggaran asumsi tersebut jika kita
dapat menemukan variabel baru yang memiliki sifat:
1.

sebagai variabel yang mendekati (good proxy) variabel endogenous tersebut, dan

2.

tidak berkorelasi dengan error term

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:

Tahap pertama: mengestimasi koefisien pada persamaan reduced-form dalam sistem

persamaan struktural dengan menggunakan OLS.
Karena predetermined variables (exogenous plus legged endogenous) tidak berkorelasi dengan error
term pada reduced-form, estimasi koefisien reduced-form ( ) dengan OLS tidak akan bias.
Kemudian koefisien ini dapat digunakan untuk mengestimasi variabel dependennya yang
merupakan variabel endogenous.

Y1t = 0 + 1 X t + 2 Z t

(9)

Y2t = 3 + 4 X t + 5 Z t

(10)

Tahap kedua: mengganti

Y pada reduced-form untuk Y dalam structural equation,

kemudian mengestimasi persamaan struktural yang telah direvisi ini dengan

menggunakan OLS.
Jadi tahap kedua yaitu mengestimasi persamaan tersebut dengan menggunakan OLS:

Y1t = 0 + 1Y2t + 2 X t + u1t

(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

dengan menggunakan OLS.

Jadi metode Two-Stage Least Squares ini menggunakan dua tahap OLS.