2
Berdasarkan pers (1.2) maka β yang berurutan secara angka lebih kecil dari nilai
yang sebelumnya, sehingga pengaruh dari lag tadi terhadap Y t menjadi semakin
kecil. Skema Koyck menjamin bahwa jumlah dari β yang memberikan multiflier
jangka panjang, merupakan jumlah yang terbatas, yaitu:
∞
1
∑ βk =β 0 ( 1−λ ) (1.3)
k=0
Dengan demikian model lag tak terbatas (1.1) dapat ditulis sebagai:
Y t =α + β0 X t + β 0 λ X t−1 + β 0 λ 2 X t−2 +....+ ut (1.4)
Sehingga model (1.4) lebih susah untuk ditaksir karena modelnya non linier
dalam λ.
Tetapi Koyck memberikan jalan keluar sebagai berikut:
Y t −1 =α + β 0 X t −1+ β 0 λ X t −2+ β0 λ2 X t −3+....+u t−1 (1.5)
λ Y t −1=λα + β 0 λ X t −1+ β 0 λ2 X t −2+ β 0 λ3 X t −3 +....+ λ u t−1 (1.6)
Dari (1.6) dan (1.4) diperoleh
Y t −λ Y t −1 =(1− λ)α + β 0 X t +ut −λ ut −1 (1.7)
Atau
Y t =(1−λ) α + β 0 X t + λ Y t −1+ v t (1.8)
dengan v t=(ut −λ ut −1 ).
Prosedur yang sesuai digambarkan dan dikenal sebagai transformasi Koyck
yang cukup sederhana. Tetapi perhatikan sifat-sifat transformasi Koyck berikut.
1. Dari model lag yang didistribusikan berubah menjadi model AR
2. Apakah variabel Y t −1 memenuhi asumsi OLS klasik?
3. Unsur gangguan v t berkorelasi secara berurutan.
Oleh karena itu muncul masalah serial korelasi sebagai tambahan untuk variabel
yang menjelaskan Y t −1 .
3
Misal diberikan model berikut
Y t =β 0+ β1 X ¿t + ut (1.9)
dengan Y : permintaan akan uang
X ¿ : tingkat bunga keseimbangan yang diharapkan atau normal.
u : unsur kesalahan
Persamaan (1.9) merumuskan bahwa permintaan akan uang merupakan fungsi
dari tingkat bunga yang diharapkan.
Karena variabel X ¿ yang bersifat harapan tidak diamati secara langsung, marilah
kita mengusulkan hipotesis berikut mengenai bagaimana harapan tadi terbentuk.
X ¿t − X ¿t−1=γ ( X t− X ¿t−1 ) (1.10)
dengan 0< γ ≤ 1, dikenal sebagai koefisien harapan.
Penulisan (1.10) dalam bentuk lain adalah
X ¿t =γ X t +(1−γ ) X ¿t−1 (1.11)
Yang menunjukkan bahwa nilai yang diharapkan dari tingkat bunga pada waktu t
adalah suatu rata-rata tertimbang dari nilai sebenarnya tingkat bunga pada waktu t
dan nilai yang diharapkan waktu berikutnya dengan bobot masing-masing γ dan
(1−γ ) .
¿
Jika γ =1 maka X t = X t dan
¿ ¿
X =X t −1
jika γ =0 maka t , berarti bahwa harapan bersifat statik.
Dengan substitusi (1.11) ke (1.9) diperoleh:
Y t =β 0+ β1 [ γ X t +(1−γ) X ¿t−1 ]+ut
Y t = β 0 + β 1 γ X t + β 1 (1−γ ) X ¿t −1 +ut (1.12)
Sekarang dengan mengambil lag satu periode dari (1.9), mengalikannya dengan
1-γ, dan mengurangkannya hasil perkalian tadi dari (1.12) diperoleh:
Y t =γ β 0 + γ β 1 X t +(1−γ )Y t−1 +ut −(1−γ ) ut −1
Y t =γ β 0 + γ β 1 X t +(1−γ ) Y t−1 + vt (1.13)
dengan v t=ut −(1−γ )ut −1
Kesamaan antara model harapan adaftif (1.13) dengan model Koyck (1.8)
seharusnya segera nampak meskipun interpretasi dari koefisiennya berbeda.
4
Keduanya merupakan model AR, namun model harapan adaptif mempunayi
dasar teoritis yang lebih kuat dari pada model Koyck.
1.6 Rasionalisasi lain dari model Koyck: model penyesuaian stok, atau model
penyesuaian parsial.
Model harapan adaftif merupakan rasionalisasi model Koyck. Rasionalisasi
diberikan oleh Nerlove dalam apa yang disebut dengan model penyesuaian stok
atau penyesuaian parsial. Untuk penyederhanaan diasumaikan bahwa tingkat
¿
modal yang diinginkan Y t merupakan fungsi linier dari hasil X sebagai berikut
Y ¿t =β 0+ β1 X t + ut (1.14)
Karena tingkat modal yang diinginkan tidak bisa diamati secara langsung,
Nerlove merumuskan hipotesis yang dikenal dengan hipotesis penyesuaian
parsial, atau penyesuaian stok:
Y t −Y t −1=δ(Y ¿t −Y t −1) (1.15)
dengan 0< δ ≤1 dikenal sebagai koefisien penyesuaian dan Y t −Y t −1 : perubahan
¿
sebenarnya dan (Y t −Y t −1 ) : perubahan yang diinginkan.
Jika δ =1 maka stok modal yang sebenarnya sama dengan stok modal yang
diharapkan.
Jika δ =0 maka tidak terdapat perubahan stok modal yaitu modal saat ini sama
sama dengan stok modal sebelumnya.
Mekanisme penyesuaian (1.15) secara alternatif dapat ditulis
Y t =δ Y ¿t +(1−δ)Y t−1 (1.16)
Yang menunjukkan bahwa stok modal yang diamati pada periode t adalah rata-
rata tertimbang dari stok modal yang diinginkan saat itu dan stok modal yang ada
dalam periode sebelumnya, dengan bobot δ dan (1−δ ). Dengan substitusi (1.14)
ke dalam (1.16) diperoleh
Y t =δ ( β 0+ β1 X t +u t )+(1−δ )Y t−1
¿ δ β 0 +δ β 1 X t +(1−δ)Y t −1+ δ ut (1.17)
Model ini disebut model penyesuaian parsial.
5
Dari pembahasan sebelumnya, diperoleh 3 model Koyck:
Y t =(1−λ) α + β 0 X t + λ Y t −1+ v t dengan v t=(ut −λut −1 ) (1.8)
Harapan adaptif:
Y t =γ β 0 + γ β 1 X t +(1−γ )Y t−1 + vt dengan v t=ut −(1−γ )ut −1 (1.13)
Penyesuaian Parsial:
Y t =δ β 0 +δ β 1 X t +(1−δ)Y t −1+ δ ut (1.17)
Semua mdel ini mempunyai bentuk umum:
Y t =α 0+ α 1 X t + α 2 Y t−1 +v t (1.18)
Yaitu semuanya bersifat autoregresif.
7
Karena variabel permintaan yang diinginkan tidak bisa diamati secara langsung,
maka dapat diasumsikan penyesuaian stok, yaitu:
Mt M ¿t δ
= ( )
M t −1 M t−1
, 0<δ ≤ 1 (1.23)
SOAL LATIHAN
1. Diberikan data tentang permintaan akan uang di Kanada dari Kuartal 1 Tahun
1979 sampai dengan Kuartal 4 Tahun 1988. Secara khusus diberikan model sbb.
M ¿t =β 0 Rtβ Y βt ⅇ u
1 2 t
(1.27)
M ¿t : permintaan akan uang (saldo kas sebenarnya) yang dinginkan atau jangka
panjang; Rt : tingkat bunga yang panjang (%) ; Y t : jumlah pendapatan nasional
real
Untuk mengestimasi model (1.27), lebih nyaman diberikan persamaan dalam
betuk logaritma (1.28)
ln M ¿t =ln β 0+ β1 ln Rt + β 2 ln Y t +ut (1.28)
8
9
2. Kerjakan soal Latihan No. 12.1 (buku Ekonometrika Dasar, Gujarati, 1991)
Perhatikan model berikut.
Y ¿t =β 0+ β1 X t + ut
Y ¿t : pengeluaran perusahaan untuk pabrik dan peralatan baru yang diinginkan atau
jangka panjang
X t : penjualan
t : waktu
Dengan menggunakan model penyesuaian stok, berikan taksiran parameter fungsi
permintaan jangka Panjang dan jangka pendek untuk pengeluaran pabrik dan
peralatan baru berdasarkan data berikut.
3. Kerjakan soal Latihan No. 12.2 (buku Ekonometrika Dasar, Gujarati, 1991)
Perhatikan model penyesuaian stok.
Y ¿t =β 0 X βt ⅇ u
1 t
4. Kerjakan soal Latihan No. 12.3 (buku Ekonometrika Dasar, Gujarati, 1991)
Perhatikan model harapan adaptif.
Y t =β 0+ β1 X ¿t + ut
10