Nama Al Fithrotus Sa’diyah

Nim 041911133131

Chapter 21 (770-772)
21.23.
a. (a) Ketika |𝜏| kurang dari nilai kritis |𝜏|, tampaknya deret waktu mulai perumahan tidak
stasioner. Oleh karena itu, ada akar unit dalam deret waktu ini.
b. Biasanya, nilai t absolut sebesar 2,35 atau lebih besar akan signifikan pada tingkat 5%.
Tetapi karena situasi akar unit, yang sebenarnya |𝑡| nilai di sini adalah 2,95 dan bukan
2,35. Contoh ini menunjukkan mengapa seseorang harus berhati-hati dalam
menggunakan statistik t tanpa pandang bulu.
c. Sejak |𝜏|, ∆X t-1 jauh lebih besar dari nilai kritis yang sesuai, kami menyimpulkan bahwa
tidak ada akar unit kedua dalam deret waktu mulai perumahan.
21.24. Yt = Yt-1 + ut
Xt = Xt-1 + vt
Variabel dependen adalah Y
Periode jeda yaitu t-1
ut ~ N (0,1)
vt ~ N (0,1)
dimana terdapat 500 pengamat, dan diasumsikan bahwa nilai awal dari Y dan X adalah
nol. Kami juga diasumsikan bahwa ut dan vt tidak berkorelasi serial dan juga tidak
berkorelasi satu sama lain. Misalkan kita melakukan regresi Yt pada Xt . Karena Yt dan
Xt adalah proses I(1) yang tidak berkorelasi, R2 dari regresi Y pada X harus cenderung
nol; artinya, tidak boleh ada hubungan apa pun antara kedua variabel. koefisien X sangat
signifikan secara statistik, dan, meskipun nilai R2 rendah, secara statistik berbeda secara
signifikan dari nol. Dari hasil ini, aka nada yang menyimpulkan bahwa ada hubungan
statistik yang signifikan antara Y dan X, sedangkan apriori seharusnya tidak ada. Ini
adalah singkatnya fenomena regresi palsu atau tidak masuk akal, pertama kali ditemukan
oleh Yule. Yule menunjukkan bahwa korelasi (palsu) dapat bertahan dalam deret waktu
nonstasioner bahkan jika sampelnya sangat besar. Bahwa ada sesuatu yang salah dalam
regresi sebelumnya ditunjukkan oleh nilai Durbin-Watson d yang sangat rendah, yang
menunjukkan autokorelasi orde pertama yang sangat kuat. Menurut Granger dan
Newbold, R2 > d adalah aturan praktis yang baik untuk menduga bahwa regresi yang
diestimasi adalah palsu, seperti pada contoh di atas. Dapat ditambahkan bahwa R2 dan
tstatistik dari regresi palsu seperti itu menyesatkan, dan statistik t tidak terdistribusi
sebagai distribusi t (Siswa) dan, oleh karena itu, tidak dapat digunakan untuk menguji
hipotesis tentang parameter.
21.25.
a. Y menunjukkan tren linier, sedangkan X mewakili tren kuadrat.

Berikut adalah grafik Y actual and fitted value :

b. Dari hasil regresi yang diberikan, Anda mungkin berpikir bahwa ini adalah regresi "baik"
karena memiliki R2 yang tinggi dan rasio t yang signifikan. Tapi itu adalah hubungan
yang benar-benar palsu, karena kita meregresikan variabel berarah linier (Y) pada
variabel berarah kuadratik (X). Sesuatu yang tidak beres dengan model ini dapat dilihat
dari nilai Durbin-Watson d yang sangat rendah.
21.26.
a. Regresi (1) menunjukkan bahwa elastisitas M1 terhadap PDB adalah sekitar 1,60, yang
tampaknya signifikan secara statistik, karena nilai koefisien ini sangat tinggi. Tetapi
melihat nilai d, kami menduga bahwa ada korelasi dalam istilah emor atau bahwa regresi
ini palsu.
b. Pada bentuk perbedaan pertama, masih terdapat hubungan positif antara kedua variabel
tersebut, namun sekarang koefisien elastisitasnya telah menurun drastis. Ya, nilai d
mungkin menunjukkan bahwa tidak ada masalah korelasi serial sekarang. Tetapi
penurunan yang signifikan dalam koefisien elastisitas menunjukkan bahwa masalahnya di
sini mungkin salah satu dari kurangnya kointegrasi antara kedua variabel.
c. Dari regresi (3) terlihat bahwa kedua variabel terkointegrasi, untuk nilai r kritis 5%
adalah -1,9495 dan nilai tau yang diperkirakan lebih negatif dari ini. Namun, nilai tau
 kritis 1% adalah -2,6227, menunjukkan bahwa kedua variabel tidak terkointegrasi. jika
kita mengizinkan intersep dan intersep dan tren pada persamaan (3), maka uji DF akan
menunjukkan bahwa kedua variabel tidak terkointegrasi.
d. Dari regresi (3) terlihat bahwa kedua variabel terkointegrasi, untuk nilai r kritis 5%
adalah -1,9495 dan nilai tau yang diperkirakan lebih negatif dari ini. Namun, nilai tau
kritis 1% adalah -2,6227, menunjukkan bahwa kedua variabel tidak terkointegrasi. jika
kita mengizinkan intersep dan intersep dan tren pada persamaan (3), maka uji DF akan
menunjukkan bahwa kedua variabel tidak terkointegrasi.
e. Persamaan (2) memberikan hubungan jangka pendek antara log uang dan PDB.
Persamaan yang diberikan di sini memperhitungkan mekanisme koreksi kesalahan
(ECM), yang mencoba mengembalikan keseimbangan jika kedua variabel menyimpang
dari jalur jangka panjangnya. Namun, istilah kesalahan dalam regresi ini tidak signifikan
secara statistik pada tingkat 5%. Karena, seperti yang dibahas dalam (c) dan (d) di atas,
hasil uji kointegrasi agak tercampur, sulit untuk mengatakan apakah hasil regresi yang
disajikan pada (1) palsu atau tidak.
21.27
a. Grafik waktu CPI sangat mirip dengan Gambar 21.12. Grafik ini dengan jelas
menunjukkan bahwa secara umum terjadi tren kenaikan CPI. Oleh karena itu, regresi (1)
dan (2) tidak layak dipertimbangkan. Perhatikan bahwa koefisien CPI tertinggal positif
dalam kedua kasus. Untuk stasioneritas, kami membutuhkan nilai ini menjadi negatif.
Oleh karena itu, persamaan yang lebih bermakna di sini adalah regresi (3). Tes akar unit
DF menunjukkan bahwa deret waktu CPI adalah tren stasioner. Artinya, nilai CPI di
sekitar nilai trennya (yang signifikan secara statistik) adalah stasioner.
b. Grafik waktu CPI sangat mirip dengan Gambar 21.12. Grafik ini dengan jelas
menunjukkan bahwa secara umum terjadi tren kenaikan CPI. Oleh karena itu, regresi (1)
dan (2) tidak layak dipertimbangkan. Perhatikan bahwa koefisien CPI tertinggal positif
dalam kedua kasus. Untuk stasioneritas, kami membutuhkan nilai ini menjadi negatif.
Oleh karena itu, persamaan yang lebih bermakna di sini adalah regresi (3). Tes akar unit
DF menunjukkan bahwa deret waktu CPI adalah tren stasioner. Artinya, nilai CPI di
sekitar nilai trennya (yang signifikan secara statistik) adalah stasioner.
c. Karena Persamaan (1) menghilangkan dua variabel, kita harus menggunakan uji F.
Dengan menggunakan uji F versi R2, nilai R2 regresi (1) adalah 0,0304, yang merupakan
R2 terbatas". Nilai R2 regresi (3), yaitu 0,4483, adalah R2 tidak terbatas. Oleh karena itu
nilai F adalah :
(0.4483−0.0304)/2
F= = 14.0234
(1−0.4483)/37
Mengacu pada nilai DF F yang diberikan pada tabel, bahwa nilai F yang diamati sangat
signifikan (Catatan: Tabel tidak memberikan nilai F untuk 40 pengamatan, tetapi secara
mental menginterpolasi nilai F yang diberikan, Anda akan mencapai kesimpulan ini.).
Oleh karena itu, kesimpulannya adalah bahwa pembatasan yang dikenakan oleh regresi
(1) tidak valid. Lebih positif, itu adalah regresi (3) yang tampaknya valid.