MODUL STATA: Tahapan Dan Perintah (Syntax) Vector Autoregressivee (VAR) (2011)

LABORATORIUM KOMPUTASI
DEPARTEMEN ILMU EKONOMI

FAKULTAS EKONOMI UNIVERSITAS INDONESIA
MODUL
STATA: TAHAPAN DAN PERINTAH

(SYNTAX)
Vector Autoregressive (VAR)
(Edisi:2011)
Oleh :
Akbar Suwardi
Lab. Komputasi Departemen Ilmu Ekonomi

Gedung Departemen Ilmu Ekonomi-FEUI Lt. 1, Depok
Telp. (021) 78886252

Gedung Dep. Ilmu Ekonomi-FEUI Lt. 1, Depok
Telp.(021)78886252
STATA: Tahapan Dan Perintah (Syntax)

Vector Autoregressivee (VAR)
Oleh: Akbar Suwardi
Dalam modul Vector Autoregressivee (VAR), kita akan menggunakan data

Quarterly SA West German macro data, Bil DM, from Lutkepohl 1993 tabel E.1 atau
menggunakan file lutkepohl2.dta yang dapat diambil dari STATA. Untuk mengenal
data kita lebih jauh maka kita dapat melakukannya seperti berikut:
describe
Contains data from H:\lutkepohl2.dta
obs:
92
Quarterly SA West German macro data, Bil DM, from

Lutkepohl 1993 Table E.1
4 Dec 2008 14:31
vars:
4
size:
1,288 (99.9% of memory free)
---------------------------------------------------------------------------------------------storage display
value
variable name
type
format
label
variable label
---------------------------------------------------------------------------------------------inv
int
%8.0g
investment
inc
int
%8.0g
income
consump
int
%8.0g
consumption
qtr
float %tq
quarter
---------------------------------------------------------------------------------------------Sorted by: qtr
Note: dataset has changed since last saved
Terlihat bahwa data kita terdiri dari empat variabel. Dengan perintah describe
mengetahui variabel name, storage type, display format, value label dan variable label dari
data kita. Sementara itu untuk melihat nilai rata-rata, minimal, maksimal dan
banyaknya observasi dari data kita, dapat kita lakukan dengan seperti berikut:
summarize
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------inv |
92
471.913
210.7467
179
870
inc |
92
1355.087
698.9288
451
2651
consump |
92
1166.674
590.9236
415
2271
qtr |
92
45.5
26.70206
0
91
Hasil dari perintah summarize diatas belum lah menditel keterangan seperti
kurtosis, sweknes serta nilai median belum ditampilkan. Dengan menambahkan
option detail pada perintah summarize kita dapat mendapatkan hal itu, seperti
summarize, detail
akbarsuwardi@gmail.com
||
Draft Modul VAR
||

Telp.(021)78886252
Setidaknya ada 7 tahap penting yang harus dilakukan ketika menggunakan model
Vector Autoregressivee (VAR), yaitu:
1.
2.
3.
4.
5.
6.
7.
Unit root tests

VAR Estimation
VAR dan Optimal lag length
VAR Stability
Impulse Response Function (IRF)
Granger Causality
VAR forecasting
Sebelum kita melakukan estimasi dengan menggunakan model yang sifatnya time
series, maka kita wajib untuk mendifine atau mengeset waktu pada data kita. Di
STATA kita dapat melakukannya dengan cara
tsset variabeltime
Contoh dalam modul kita adalah
tsset qtr
time variable:
delta:
qtr, 1960q1 to 1982q4

1 quarter
500
1000
1500
2000
2500
tsline inv inc consump
1960q1
1965q1
1970q1
1975q1
1980q1
1985q1
quarter
investment
consumption
||
income
Draft Modul VAR
||

Telp.(021)78886252
1. Unit root tests

Jika data kita merupakan data time series, maka kriteria stasionaritas juga
diperlukan. Terlebih lagi model VAR harus STASIONER dalam estimasinya.
Pengertian stasionearitas terkait dengan konsistensi pergerakan data time series.
Suatu data disebut stasioner jika nilai rata-rata dan variansnya konstan sepanjang
waktu, yang diikuti dengan nilai covarians antar dua periode waktu yang hanya
tergantung kepada jarak atau selang diantara keduanya.
Singkatnya, suatu data yang stasioner akan bergerak stabil dan konvergen disekitar
nilai rata-ratanya dengan kisaran tertentu (deviasi yang kecil) tanpa pergerakan
trend positif maupun negatif. Jika data kita tidak stasioner dimasukan kedalam
suatu persamaan regresi maka akan menghasilkan sebuah regresi palsu (Spurious
regression), dengan hasil nilai statistic t-stat, F-stat, serta R2 yang tidak valid.
Pengujian Stasionaritas dapat dilakukan dengan uji Dickey-Fuller, dengan hipotesis:
H0: Memiliki unit root
H1: Tidak memiliki unit root
Tolak H0 jika nilai Test Statistic (dengan nilai mutlak) lebih besar dari nilai critical
Value atau nilai MacKinnon approximate p-value for Z(t) < (0.05).
dfuller inv
Dickey-Fuller test for unit root
Number of obs
91
---------- Interpolated Dickey-Fuller --------Test

1% Critical
5% Critical
10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
0.178
-3.523
-2.897
-2.584
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.9710
dfuller
inc
Number of obs
91

1% Critical
5% Critical
10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
4.223
-3.523
-2.897
-2.584
dfuller
consump
||
Draft Modul VAR
||

Telp.(021)78886252
Number of obs
91

1% Critical
5% Critical
10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
4.275
-3.523
-2.897
-2.584
Terlihat bahwa pada ketiga variabel kita inv, inc, dan consump tidak stasioner. Hal ini
ditandai dengan Test Statistic (dengan nilai mutlak) lebih kecil dari nilai critical Value
atau nilai MacKinnon approximate p-value for Z(t) > (0.05).
Untuk membuat data kita stasioner, kita dapat melakukan differencing (turunan)
dengan berbagai tingkatan. Namun data biasanya sudah stasioner dengan
melakukan
differencing (turunan) pada tingkat pertama, di STATA dapat
dilakuakan dengan cara:
gen dinv = D.inv
(1 missing value generated)
gen dinc = D.inc
gen dconsump = D.consump
Setelah kita melakukan differencing atau turunan (tingkat pertama) maka kita dapat
melakukan uji Dickey Fuller kembali. Hal ini untuk memastikan bahwa data yang
kita gunakan adalah stasioner. Misal kita melakukan pada data dinv,
dfuller
dinv
Number of obs
90

1% Critical
5% Critical
10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-9.737
-3.524
-2.898
-2.584
Sedangkan jika kita lihat menggunakan grafik dari dinv, dinc, dan dconsump maka
nilai dari ketiga variabel tersebut akan stasioner (tidak memiliki trend, hanya
bergerak pada range tertentu).
||
Draft Modul VAR
||

Telp.(021)78886252
dinv dinc dconsump
-40
-20
20
40
60
tsline
1960q1
1965q1
1970q1
1975q1
1980q1
1985q1
quarter
dinv
dconsump
dinc
2. VAR Estimation
Melakukan estimasi VAR dengan variabel yang telah distasionerkan pada
tahap sebelumnya
var dinv dinc dconsump
Vector autoregression
Sample: 1960q4 - 1982q4
Log likelihood = -1071.653
FPE
=
9261266
Det(Sigma_ml) =
5771627
No. of obs
AIC
HQIC
SBIC
=
=
=
=
89
24.55401
24.79069
25.14121
Equation
Parms
RMSE
R-sq
chi2
P>chi2
---------------------------------------------------------------dinv
7
18.6479
0.0624
5.922548
0.4319
dinc
7
15.0371
0.2575
30.86653
0.0000
dconsump
7
13.4229
0.2436
28.66277
0.0001
--------------------------------------------------------------------------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------dinv
|
dinv |
L1. |
-.011013
.1147616
-0.10
0.924
-.2359415
.2139156
L2. | -.0846655
.1147714
-0.74
0.461
-.3096133
.1402823
|
dinc |
L1. |
.3425359
.165669
2.07
0.039
.0178307
.6672412
L2. |
.0409944
.1655493
0.25
0.804
-.2834763
.3654652
|
dconsump |
L1. | -.1471804
.1943114
-0.76
0.449
-.5280238
.233663
L2. | -.0360702
.1895116
-0.19
0.849
-.4075062
.3353658
|
||
Draft Modul VAR
||

Telp.(021)78886252
_cons |
2.38065
4.088037
0.58
0.560
-5.631756
10.39306
-------------+---------------------------------------------------------------dinc
|
dinv |
L1. |
.1010681
.0925404
1.09
0.275
-.0803078
.282444
L2. |
.2296781
.0925483
2.48
0.013
.0482867
.4110694
|
dinc |
L1. |
.0741202
.1335907
0.55
0.579
-.1877127
.3359531
L2. |
.0454188
.1334942
0.34
0.734
-.216225
.3070626
|
dconsump |
L1. |
.239483
.1566871
1.53
0.126
-.0676181
.5465841
L2. |
.1737787
.1528167
1.14
0.255
-.1257365
.473294
|
_cons |
10.54839
3.296475
3.20
0.001
4.087422
17.00937
-------------+---------------------------------------------------------------dconsump
|
dinv |
L1. | -.0038121
.0826065
-0.05
0.963
-.1657178
.1580936
L2. |
.2002651
.0826135
2.42
0.015
.0383456
.3621847
|
dinc |
L1. |
.3468072
.1192501
2.91
0.004
.1130813
.5805331
L2. |
.2788296
.119164
2.34
0.019
.0452725
.5123867
|
dconsump |
L1. | -.2174018
.1398672
-1.55
0.120
-.4915365
.0567328
L2. | -.1317996
.1364123
-0.97
0.334
-.3991627
.1355635
|
_cons |
11.16757
2.942608
3.80
0.000
5.400166
16.93498
------------------------------------------------------------------------------
Pada Stata, Estimasi VAR Otomatis menggunakam Lag 2, dan untuk

membaca output hampir sama dengan Estimasi dengan odel lain, misal t-stat
dilihat di P>|z|.
3. VAR dan Optimal lag length
Tahapan untuk mendapatkan nilai lag Optimal, di STATA dapat dilakukan
dengan seperti berikut:
a. var dinv dinc dconsump
b. varsoc
Selection-order criteria
Sample: 1960q4 - 1982q4
Number of obs
=
89
+---------------------------------------------------------------------------+
|lag |
LL
LR
df
p
FPE
AIC
HQIC
SBIC
|
|----+----------------------------------------------------------------------|
| 0 | -1097.53
1.1e+07
24.7311
24.7649
24.815* |
| 1 | -1082.18 30.716
9 0.000 9.6e+06
24.5882
24.7235* 24.9238 |
| 2 | -1071.65 21.046*
9 0.012 9.3e+06*
24.554* 24.7907
25.1412 |
+---------------------------------------------------------------------------+
Endogenous: dinv dinc dconsump
Exogenous: _cons
||
Draft Modul VAR
||

Telp.(021)78886252
4. VAR Stability
Tahapan untuk mendapatkan nilai VAR Stability, di STATA dapat dilakukan
dengan seperti berikut:
b. varstable
Eigenvalue stability condition
+----------------------------------------+
|
Eigenvalue
|
Modulus
|
|--------------------------+-------------|
|
.66969
|
.66969
|
|
-.200236 + .4667263i |
.507866
|
|
-.200236 - .4667263i |
.507866
|
| -.08369268 +
.335679i |
.345955
|
| -.08369268 .335679i |
.345955
|
| -.2561272
|
.256127
|
+----------------------------------------+
All the eigenvalues lie inside the unit circle.
VAR satisfies stability condition.
Dikarenakan nilai modulus tiap eigenvalue lebih kecil dari 1, maka hasil
estimasi memenuhi eigenvalue stability condition.
5. Granger Causality
Tahapan untuk mendapatkan uji Granger Causality, di STATA dapat
dilakukan dengan seperti berikut:
b. Vargranger
Granger causality Wald tests
+------------------------------------------------------------------+
|
Equation
Excluded |
chi2
df Prob > chi2 |
|--------------------------------------+---------------------------|
|
dinv
dinc | 4.3097
2
0.116
|
|
dinv
dconsump | .57373
2
0.751
|
|
dinv
ALL | 5.6955
4
0.223
|
|--------------------------------------+---------------------------|
|
dinc
dinv | 7.5007
2
0.024
|
|
dinc
dconsump |
2.935
2
0.230
|
|
dinc
ALL | 14.383
4
0.006
|
|--------------------------------------+---------------------------|
|
dconsump
dinv | 5.8767
2
0.053
|
|
dconsump
dinc | 13.542
2
0.001
|
|
dconsump
ALL | 20.216
4
0.000
|
+------------------------------------------------------------------+
||
Draft Modul VAR
||

Telp.(021)78886252
Pada Uji Granger Causality, Hipotesis Nol (H0) adalah variabel di Excluded
tidak dapat mempengaruhi (Granger-cause) variabel di Equation. Misalnya,
pada baris pertama. H0: dinc tidak dapat mempengaruhi (Granger-cause)
dinv. Dengan kriteria penolakan, tolak H0 jika nilai Prob Chi2 < alfa, maka
Hipotesis H0 tidak dapat ditolak karena nilai Prob Chi2 > alfa. Artinya, dinc
tidak dapat mempengaruhi (Granger-cause) dinv. Begitu Seterusnya.
Lalu pada baris ketiga, H0: dic dan dconsump, secara bersamaan, tidak dapat
mempengaruhi (Granger-cause) dinv. Dengan kriteria penolakan, tolak H0
jika nilai Prob Chi2 < alfa, maka Hipotesis H0 tidak dapat ditolak karena nilai
Prob Chi2 > alfa. Artinya, dic dan dconsump, secara bersamaan, tidak dapat
mempengaruhi (Granger-cause) dinv. Begitu Seterusnya.
Note: Namun Beberapa referensi manyatakan, ketika melakukan Granger Causality
harus pada tingkat Level atau tidak harus distasionerkan dahulu.
6. Impulse Response Function (IRF)
Tahapan untuk melakukan IRF dengan model VAR di STATA dapat
dilakukan seperti berikut:
(omitted output)
b. irf create irf1, set(myirf1)
(file myirf1.irf now active)
(file myirf1.irf updated)
c. irf graph irf, impulse(dinc) response(dinv)
irf1, dinc, dinv

1
.5
-.5
0
step
95% CI
impulse response function (irf)
Graphs by irfname, impulse variable, and response variable
||
Draft Modul VAR
||

Telp.(021)78886252
7. VAR forecasting
Tahapan untuk melakukan forecast dengan model VAR di STATA dapat
dilakukan seperti berikut:
b. fcast compute m1_, step (30)
list
Cara melihat hasil nilai forecast

qtr
93.
94.
95.
96.
97.
98.
99.
100.
101.
102.
103.
m1_dinv m1_dinc m1_dconsump in 93/103

+--------------------------------------------+
|
qtr
m1_dinv
m1_dinc
m1_dcon~p |
|--------------------------------------------|
| 1983q1
6.5275733
21.502292
17.059268 |
| 1983q2
7.4333419
21.351591
18.336145 |
| 1983q3
6.6272343
22.713834
19.612125 |
| 1983q4
6.7860077
23.461992
19.781315 |
| 1984q1
7.0936977
23.672476
20.053619 |
|--------------------------------------------|
| 1984q2
7.1334542
23.884235
20.28435 |
| 1984q3
7.1443485
24.086755
20.391896 |
| 1984q4
7.1947627
24.187468
20.475306 |
| 1985q1
7.2199295
24.250393
20.536384 |
| 1985q2
7.2290686
24.302876
20.572017 |
|--------------------------------------------|
| 1985q3
7.2399465
24.335475
20.596972 |
+--------------------------------------------+
Cara melihat garfik nilai forecast
-20
20
40
60
80
tsline dinc m1_dinc m1_dinc_UB m1_dinc_SE
1960q1 1965q1 1970q1 1975q1 1980q1 1985q1 1990q1 1995q1 2000q1 2005q1
quarter
dinc
95% UB for m1_dinc
||
m1_dinc, dyn(1983q1)
SE for m1_dinc
Draft Modul VAR
||

Telp.(021)78886252
Walau hasilnya terlihat lebih statis, nilai m1_dinc adalah nilai tengah (bukan
nilai rata-rata), nilai SE for m1_dinc adalah nilai paling bawah, dan nilai 95%
UB for m1_dinc adalah nilai paling atas dari estimasi.
Note:
Proses tahapan dalam melakukan VAR yang dilakukan di modul ini merupakan tahapan
kebiasaan dari penulis.
Daftar Pustaka
Hamilton, L. 2006. Statistics With STATA: Updated for Version9. Belmont: Duxbury Thomson
Learning.
Harris, Mark and Laszlo Matyas. 1998. The econometrics of gravity models. Melbourne
Institute Working Paper no 5/98. Melbourne Institute of Applied Economic and Social
Research.
Manual Stata 11. 2009. Stata Press Publication, College Station, Texas
Jika ada kritik dan saran atas modul ini atau ingin berdiskusi, silahkan email ke
Segala kritik dan saran dan sangat berharga bagi penulis.
||
Draft Modul VAR
||
10

MODUL STATA: Tahapan Dan Perintah (Syntax) Vector Autoregressivee (VAR) (2011)

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

MODUL STATA: Tahapan Dan Perintah (Syntax) Vector Autoregressivee (VAR) (2011)

Diunggah oleh

Hak Cipta:

Format Tersedia

LABORATORIUM KOMPUTASI

DEPARTEMEN ILMU EKONOMI

STATA: TAHAPAN DAN PERINTAH

Lab. Komputasi Departemen Ilmu Ekonomi

Lab. Komputasi Departemen Ilmu Ekonomi

STATA: Tahapan Dan Perintah (Syntax)

Dalam modul Vector Autoregressivee (VAR), kita akan menggunakan data

Quarterly SA West German macro data, Bil DM, from

Draft Modul VAR

Lab. Komputasi Departemen Ilmu Ekonomi

Unit root tests

qtr, 1960q1 to 1982q4

tsline inv inc consump

Draft Modul VAR

Lab. Komputasi Departemen Ilmu Ekonomi

1. Unit root tests

---------- Interpolated Dickey-Fuller --------Test

Dickey-Fuller test for unit root

---------- Interpolated Dickey-Fuller --------Test

Draft Modul VAR

Lab. Komputasi Departemen Ilmu Ekonomi

Dickey-Fuller test for unit root

---------- Interpolated Dickey-Fuller --------Test

Dickey-Fuller test for unit root

---------- Interpolated Dickey-Fuller --------Test

Draft Modul VAR

Lab. Komputasi Departemen Ilmu Ekonomi

dinv dinc dconsump

Draft Modul VAR

Lab. Komputasi Departemen Ilmu Ekonomi

Pada Stata, Estimasi VAR Otomatis menggunakam Lag 2, dan untuk

Draft Modul VAR

Lab. Komputasi Departemen Ilmu Ekonomi

Draft Modul VAR

Lab. Komputasi Departemen Ilmu Ekonomi

irf1, dinc, dinv

impulse response function (irf)

Graphs by irfname, impulse variable, and response variable

Draft Modul VAR

Lab. Komputasi Departemen Ilmu Ekonomi

Cara melihat hasil nilai forecast

m1_dinv m1_dinc m1_dconsump in 93/103

Cara melihat garfik nilai forecast

tsline dinc m1_dinc m1_dinc_UB m1_dinc_SE

Draft Modul VAR

Lab. Komputasi Departemen Ilmu Ekonomi

Draft Modul VAR

Anda mungkin juga menyukai