MODEL OTOREGRESIF DAN DISTRIBUTED-LAG

4.1 ARTI MODELDISTRIBUTED LEG DAN PERANAN

IV

TIME ATAU LAG DALAM EKONOMI.

di dalam analisis regresi yang berganda yang menggunkan data berkala (time series
data), apabila model regresi mencakup bukan hanya variabel bebas X waktu t (the current
variable ) maka model regresi disebut ; distributed- lag model untuk selanjutnya kita
sebut model beda kala (laggeddependent variables) maka moel disebut model otogresif (
autoregresif model) perhatikan contoh berikut:
Model beda kata : Yt= A + BXt +CYt-1 + t
Model otoregresif dan beda kala sangat sering di pergunkan di dalam analisis ekonometri dan
dalam bab IV ini akan di bahas antara lain sebgai berikut
i.
ii.
iii.
iv.
v.

Apa peranan I beda kala (lag) dalam ekonomi ?

Apa alasan alasan yang menimbulkan adany abeda kala ?
Apakah secara teoretis dapat di benarkan (theoretically justified) untuk penggunaan
model beda kala dalam ekonometri empiris (empirical econo-metrics)?
Apakah hubungan , kalau ada , antara model regresif dan beda kala?apakah yang satu
dapat di turnkan (to be derived ) dari yanag lain ?
Persoalan statstick apa saja yang timbul di dalm membuat perkiraan berbagai
koefisien dala model yang demikian itu?

Di dalam ekonomi, ketergantungan variabel tak bebas Y pada variabel bebas X

memerlukan waktu . waktu yang di perlukan untuk timbulnya reaksi atau jawaban (response)
terhadap suatu aksi atau pengaruh di sebut beda kala atau lag.
Perhatikan contoh beikut
1) Kredit
Pemberian kredit dari suatu bank kepada perkebunan (karet,kopra,kopi ,kelapa sawit ,
lada , teh, dan lain sebgainya ) untuk keperluan investasi pengaruh kredit (X) teradap
produksi (Y) memerlukan waktu . waktu antara pemberian kredit sampai perkebunan
memperoleh produksi disebut beda kala (lag).I mungkin memerlukan 1 tahun (t-1)
tahun (t-2), 5 tahun (t-5),10 tahun (t-10) jadimodel menjadi :
Yt = a+b Xt-1 , beda kala 1 tahun
Yt = a+b Xt-2, beda kala 2 tahun
Yt = a+b Xt-5, beda kala 5 tahun
Yt = a+b Xt-10, beda kala 10 tahun
Variable Xt-1, Xt-2,Xt-5,Xt-10 di sebut variable beda kala (lagged variable)
2) Pupuk impor dan produksi padi
Pupuk yang sekarang di impor mungkin baru dipakai untuk menanam padi 1tahun
atau 2 tahun mendatang., jadi kalau kita akan membuat analisis regresi antar produksi

padi (Y) terhadap pupuk impor (X) kita harus memeperhatikan beda kala ini , sehingga
model menjadi :
Yt = a + b Xt-1
Atau
Yt = a+ b Xt-2
3) Fungsi konsumsi
Misalkan, seseorang menerima kenaikan gaji Rp 200 ribu setahun dan misalkanla arti
juga ini merupakan suatu kenaikan tetap (permanent increse) dalam arti bahwa
kenaikan ini di pertahankan sama. Bagaimana pengaruh kenaikan pendapatan /gaji ini
terhadap konsumsi?
Sekarang sudah merupakan suatu pengalaman yang biasa dalam praktik bahwa
kenaikan gaji atau pendapatan tersebut tidak segera secar tergesah- gesah di habiskan
seluruhnya untuk pengeluaran konsumsi begitu menerima kenaikan Rp 200 ribu,
kemungkinan pada tahun itu juga yang bersangkutan mengeluarkan Rp 80 ribu (wakt
t1) setahun berikutnya (t2) mengeluarkan Rp 60 ribu dan tahun berikutnya lagi (t 3)
mengeluarkan Rp 40 ribu

sisanya di tabung. Pada akhir tahun ketiga , seluruh

pengeluaran konsumsi berjumlah (Rp 80+Rp 60+Rp40)= Rp 180 ribu , sisanya Rp20
ribu di tabung. Dengan demikian kita bisa merumuskan fungsi konsumsi seperti
berikut: Yt = konstan + 0,4 Xt + 0,3 Xt-1 + t
(IV.1)
Di mana Y = pengeluaran konsumsi dan X = pendapatan.
Persamaan (IV.1) menunjukan bahwa pengaruh kenaikan pendapatan sebesar Rp 200
ribu menyebar ( spread or distributed) , ke seluruh periode selama 3 tahun , yaitu
pertama (t1) Rp 80 ribu, tahun kedua (t2) Rp 60 ribu , kemudian tahun ketiga (t 3)Rp 40
ribu. Model persamaan (IV.1)disebut model distribusi beda kala atau distribusi lag
model sebab pengaruh dari suatu sebab (causes), dalam hal ini gaji /pendapatan
(income) menyebar meliputi seluruh waktu dalam suatu periode , dalam hal ini 3
tahun.
Secar geometris , model distribusi beda kala (IV.1) dapat di gambarkan seperti
gamabar IV.1
Pada umumnya , kita dapat menulis model distribusi beda kala sebagai berikut:
Yt = A+ B0Xt-1+B2Xt-2 +. . . . . .+BkXt-k + t (IV.2)

Gambar IV.1
Contoh Distribusi Beda kala
komoposisi
Rp 40 ribu

Rp 60 ribu

Rp 80 ribu

Waktu
0

t1

t2

t3

Model ini merupakan model distribusi beda kala dengan kala yang terbatas k dalam suatu
periode , koefisien B0 disebut short-run, or impact, multiplieratau pengaruh multiplier
jangka pendek , sebab koefisien B0 ini memberikan perubahan ( change) pada nilai rata-rata
Y mengikuti perubahan sebesar 1 unit dalam variabel bebas X pada waktu atau periode yang
sama B1,B2. . . . ,Bk disebut delay , or interim multiplier atau pengaruh multiplier yang
termuda , sebab koefisien koefisien tersebut mengukur pengaruh pada nilai rata-rata Y
karena adanya perubahan sebesar 1 unit dari variabel X dalm berbagai periode , waktu
sebelum, misalnya sekarang tahun 2003 maka rat-rata pengeluaran konsumsi (Y) pada tahun
2003 ini selain di pengaruhi oleh perubahan sebesar 1 unit dari pendapatan tahun 20003 hun
(t-2).
Jumlah dari seluruh koefisien regresi tersebut yaitu:
k

B= B =B +B + B +. . .. .+ B
1

i=0

Di sebut long run , or total , distributed- lag multiplier atau pengaruh keseluruhan (total)
atau pengaruh jangka panjang , dengan syarat bahwa jumlah (total) tersebut ada.
4) Hubungan antar Uang dan Harga
Menurut ahli moneter , inflasi pada dasarnya merupkan fenomena moneter dalam arti
bahwa suatu peningkatan /kenaikan harga secara umum di sebabkan karena tingkat
atau laju penambahan suplai uang sangat jauh melebihi permintaan akan uang oleh
unit ekonomi. Tentu saja pengaruh dari jumlah suplai uang terhadap inflasi (kenaikan

harga pada umumnya ) tidak terjadi pada waktu yang bersamaan tetapi
memerlukanwaktu (lag of time). Berbagai studi menunjukan bahwa suplai jumlah
uang akan mempengaruhi tingkat kenaikan harga pada umunya (inflasi) setelah
sampai 12 kwartal.
5) Hubungan Antara Pengeluaran Lit Bang (=Penelitian dan Pengembangan ) dan
produktivitas
Keputusan untuk mengadakan investasi dalam penelitian dan pengembangan
(R&D=Research and Development) dan pengaruhnya terhadap produktivitas
memrlukan waktu yang cukup panjang meliputi beberapa lag seperti the lag
between the investment of fund and the time invention actually begin to apper, the lag
between the invention of an idea or device and its development up to a commercially
applicable stage, and the lag which is introduced by the process of diffusion: it time
before all the old mechanic are repalced by the better new ones.
4.3 ESTIMASI UNTUK MODEL DISTRIBUSI BEDA KALA
Telah di uraikan sebelumnya bahwa model distribusi beda kala(distributed lag model)
mempunyai peranan yangpenting di dalam analisis ekonomi secara kuantitatif, tetapi
bagaimana cara memperkiraan koefesien-koefesiennya?
Secara khusus , misalnya model distribusi beda kala yang mencakup suatu variabel bebas
X , sebagai berikut:
Y1 = A + B0Xt +B1Xt-1 + B2Xt-1+. . . . .+1
Diman kita tidak secar tegas menyembutkan panjangnya beda kala (the length of the lag),
yaitu berapa jauh ke belakang kita akan melihay pengaruhnya (satu dua, tiga atau berapa
tahap sebelum X mempengaruhinya Y). Model semacam ini di sebut infinite lag model.
Sedangkan kalau di sebutkan seperti model (IV.2)disebut finite lag model sebab
panjangnya beda kala k disebutkan.
Bagaimana kita harus membuat perkiraan atau estimasi di koefisien A B 0, B1. . . . .dari model
(IV.4)? kita akan pergunakan dua pendekatan , yaitu Ad Hoc estimation dan a priori
restrictions on the BS dengan menganggpa bahwa koefisien-koefisien B mengikuti suatu
pola tertentu . kita akan bahas estimasi Ad Hoc dalam subabb IV.3 ini sedangkan lainnya
dlam subabb IV.4 karena yang terkhir ini sangat panjang sedangkan yang pertama sangat
pendek urainnya....
Estimasi Ad Hoc untuk model Distribusi Beda Kala
Oleh karena variable bebas X , di anggap non- stochastic artinya tetap dari sampel ke
sampel atau repeated sample atau paling tidak , tidak berkorelasi dengan kesalahan
penganggu t , maka Xt-1 ,Xt-2 dan seterusnya juga kita anggap non stochastic .dengan
demikian prinsipnya metode kuadrat terkecil yang sederhana (OLS= Ordinary Least Square)
dapat di pergunakan untuk model (IV.4). pendekatan ini di pergunakan oleh Alt dan
Tinbergen. Mereka mngusulkan bahw untuk memperkirakan koefisien-koefisien untuk model
(IV.4) harus dilakukan secra berurutan (squentially),I yaitu mula mula membuat regresi Y
terhadap Xt dan Xt-1 kemudian Yt terhadap Xt, Xt-1 ,Xt-2 dan seharusnya. Prosedur yang
berurutan (sequantial procedure) berhenti setelah koefisien regresi dari variabel beda

kala( lagged variables) sudah mulai tidak signifikan /nyata secar ststistic dan atau ko dari
positif ke negatif atau efisien dari paling tidak satu variabel bebas berubah tanda dari positif
ke negatif sebaliknya. Alt telah membuat regresi konsumsi minyak bakar (Y) terhadap pesan
pesan baru (X).
Berdasarkan data kuartal unutk periode 1930-1939 hasilnya sebagi berikut :
t = 8,37+ 0,171 Xt
t = 8,27+ 0,111 Xt + 0,064 Xt-1
t = 8,27+ 0,109 Xt + 0,071 Xt-1 0,055 Xt-2
t = 8,32 + 0,108 Xt + 0,063 Xt-1 + 0,022 Xt-2 0,020 Xt-3
Alt memilih regresi kedua yang terbaik, sebab dua persamaan terakhir koefisien Xt-2
Tandanya tidak stabil lagi ( dari minus kemudian plus) dan pada persamaan terkhir koefisien
Xt-3 nrgatif, yang sukar sekali interprestasinya secar economis walapun kelihatannya mudah
dan sederhana, estimasi Ad Hoc ini mempunyai beberapa kelemahan sebagi berikut:
I.
Tidak ada petunjuk sebelumnya berap panjang beda kala
II.
Kalu kita memperkirakan beda kala secar berurutan , ada berap drajat kebebasan
(degreeof freedom=d.f) yang hilang sehingga menyebabkanhasil analisis statistik
secara induktif(inference) misalny apengujian hipotesis dan perkiraan interval
meragukan (shaky).
III.
Yang lebih penting lagi , dalm data time-series ekonomi, nilai variabel beda kala yang
berurutan cenderung mempunyai korelasi yang tinggi sehingga menimbulkan maslah
kolinearitas ganda ( multicollianerty). Kalau terjadi multicollianerty , perkiraan
menjadi tidakkoefisien , standar eror untuk perkiraan koefisien regresi sangat besar .
akibatnya , berdasarkan uji t secara rutin menggunakan rasio t , kia mungkin membuat
pernyataan secara salah (=erroneusly) bahwa suatu koefisien regresi dari suatu
variabel beda kala secar statistic tidak signifikan (nyata ) . akan tetapi berkurangnya
signifikan ( lack of significance) ini mungkin di sebabkan karena adanya
multicollinearty., bukannya karena memang tidak ada pengaruh yang nyata.
4.4 PENDEKATAN KOYCK**) TERHADAP MODEL DISTRIBUSI BEDA KALA
Koyck telah mengusulkan suatu metode untuk memperkirakan model distribusi beda kala
(distributed lag models) kita anggap bahwa semua koefisien B mempunyai tanda yang
sama, Koyck menanggap bahwa koefisien tersebut menurun secara geometris sebagai
berikut:
(kita anggap model infinite lag model , seperti IV.4
Bk = B0 Ck, K = 0,1,. . . . .
Dimana C demikian rupa, 0 <C<1 di kenal sebagai rate of decline of decay atau ratarata tingkat penurunan dari distribusi beda kala dan dimana 1-C disebut speed of
adjustment atau kecepatan penyusuaian.
Persamaan IV.5 mempunyai arti bahwa nilai setiap koefisien B lebih kecil denagn nilai
sebelumnya atau yang mendahuluinya ( karena C<1). Pendapatan sekarang dan
sebelumnya (yang lalu) di harapkan mempengaruhi pengeluaran konsumsi sekarang tetapi
pengaruh pendapatan yang sudah jauh sebelumnya semakin kecil, maksudnya pengaruh

pendapatan 1 dan 2 tahun yyang lalu terhadap pengeluaran konsumsi sekarang jauh lebih
besar dari pada pendapatan 5 tahun yang lalu misalnya : secara geometris bagan atau
sekema Koyck dapat di lihat pada gambar IV.2

Gambar IV.2
Bagan (Skema) Koyck:
Distribusi Geometris yang Menurun
Bk

C = 3/4
C= 1/2
C = 1/4

waktu

0
Dendan menganggap nilai C non negative , Koyck memperlukan nilai C tidak pernah
berubah tanda dan dengan asumsi C < 1 dia memberikan timbangan yang kurang untuk
koefisien B yang jauh jaraknya (sudah lama) di bandingkan dengan yang dekat jaraknya
( baru saj terjadi ) . lagi pula , bagan atau skema Koyck menjamin bahwa jumlah dari B yang
memberikan the long run multiplier jumlahnya terbatas , yaitu:
1
)
B =B ( 1C
k=0

Sebab Bk = B0 ( 1+ C +C2 + C3 + . . . . . .) =

B (

1
)
1C

Sebagai akibatnya ,(IV.5) infinite lag model (IV.4) dapat di tulis sebagai berikut :
Yt = A + B0Xt + B0 CXt-1 + B0C2Xt-2 + . . . . .+ t
Model tersebut masih sukar untuk di gunakan dalam praktik , terutama sukar untuk
memperkirakan koefisien koefisien yang banyak sekali dan juga Parameter C ke dalam
model dalm bentuk yang tidak linier (nonlinier). Metode regresi linier dalam parameter tidak
dapat di terapkan untuk model tersebut. Untunglah Koyck member jalan keluar yang bagus
sekali , caranya sebagai berikut .

Dia mengambil beda kala 1 tahun berdasrkan model (iv.7) yaitu:

Yt-1 = A + B0 Xt-1 + B0 CXt-2 + B0C2Xt-3+ . . . . . t-1
Kemudian mengalihkan (IV.8) denagn C , kita peroleh:
CYr-1 = AC + B0 CXt-1 + B0C2Xt-2 + B0C2Xt-3 +. . . . . . +C t-1 (IV.9)

(IV.8)