Modul Praktek Regresi Model Ekonometrik Dinamis:

Aplikasi EViews 4.x

4x

Firmansyah

Pelatihan Ekonometri
Jakarta, 27 November 2008
Dynamic Econometric Models

z Autoregresive & Distributed Lag Models

z The reasons for lagsg
z Estimation of distributed lag models
z The Koyck
y approach
pp to distributed lag
g models
z Rationalization of the Koyck Model: the Adaptive
Expectations
p Model and The Stock Adjustment
j
or Partial Adjustment Model
z Error Correction Model (ECM)
z ECM - Engle Granger
3. Dynamic Econometric Models

z Autoregresive & Distributed Lag Models

• Suatu model regresi disebut sebagai model regresi yang bersifat

autoregressive apabila model regresi ini mengandung satu atau lebih lagged
dependent variable sebagai variabel bebas

Yt = α0 +α1 X t +α2Yt −1 +α3Yt −2 + ...+αnYt −n + vt

• Suatu model regresi disebut sebagai model regresi yang distributed lag apabila
varibel bebasnya terdiri dari nilai-nilai untuk waktu-waktu yang sedang berjalan
dan nilai-nilai periode pada waktu lalu

Yt = β0 + β1Xt + β2 Xt −1 + β3 Xt −2 +...+ βn Xt −n + ut
3. Dynamic Econometric Models

z The reasons for lags

Dalam perekonomian, ketergantungan variabel dependen dan
variabel independen jarang terjadi seketika karena sering terjadi
b h
bahwa variabel
i b ld
dependen
d menanggapii variabel
i b l iindependen
d d
dengan selang waktu. Selang waktu ini biasa disebut lag
(kelambanan). Menurut Gujarati (2003: 662-663), alasan
terdapatnya kelambanan adalah;

1) alasan psikologis, misalnya berkaitan dengan kebiasaan,

seorang konsumen tidak akan mengubah konsumsinya seketika
jika terjadi perubahan harga atau peningkatan pendapatan,
pendapatan

2) alasan teknologi, misalnya suatu perusahaan tidak terburu-

buru mensubtitusikan antara labor dengan kapital, apabila terjadi
perubahan
b h h
harga yang oleh
l h perusahaan
h di
dianggap bersifat
b if t
sementara, dan

3) alasan kelembagaan, di mana suatu persetujuan kontrak

dapat mencegah perusahaan-perusahaan untuk melakukan
penggantian suatu input dengan input yang lain.
3. Dynamic Econometric Models

z Estimation of distributed lag models

Yt = β0 + β1Xt + β2 Xt −1 + β3 Xt −2 +...+ βn Xt −n + ut

Yt = β0 + β1Xt + β2 Xt −1 + β3 Xt −2 +...+ ut

Model pertama adalah model dengan lag terbatas (finite distributed lag model), karena
panjang
j llag n dik
diketahui,
t h i sedangkan
d k model
d l kkedua
d adalah
d l h model
d l llag ttak
k tterbatas
b t (i(infinite
fi it
distributed lag model).
Bagaimana mengestimasi β0 dan β’s?
2 pendekatan
d k t yang di
digunakan:
k
1) ad hoc estimation
2) apriori restrictions pada β’s dengan mengasumsikan β’s mengikuti systematic pattern

Ad Hoc Estimation
Melakukan regresi tahap demi tahap dengan memasukkan satu persatu lag variabel
independen, sampai salah satu dari syarat t hitung tidak lagi signifikan, atau tanda
berubah dari positif menjadi negatif

Kerugian dari model seperti ini adalah terjadinya multikolinearitas

3. Dynamic Econometric Models

z The Koyck approach to distributed lag models

Misalnya model distributed lag awal adalah sebagai berikut:
Yt = α + β 0 X t + β1 X t −1 + β 2 X t − 2 + ... + u t

Dengan asumsi bahwa β’s memiliki tanda yang sama, Koyck mengasumsikan bahwa terjadi
penurunan secara geometrik sebagai berikut:
β k = β 0λ k k = 0, 1, 2,…
di mana λ, terletak antara 0 < λ < 1 adalah tingkat penurunan, dan 1 - λ adalah speed of
adjustment.
Model lag Koyck menjadi:

Yt = α + β 0 X t + β 0 λX t −1 + β 0 λ2 X t − 2 + ... + u t

Setelah diselesaikan secara matematis, model Koyck menjadi:

Yt − λYt −1 = α (1 − λ ) + β 0 X t + (u t − λu t −1 ) atau

Yt = α (1 − λ ) + β 0 X t + λYt −1 + vt
3. Dynamic Econometric Models

z Rationalization of the Koyck Model: the Adaptive

Expectations Model and The Stock Adjustment or
Partial Adjustment Model
• Memudahkan pendekatan Koyck yang terlalu matematis
• Memasukkan prinsip ekonomi ke dalam model
• Model PAM lebih baik dari kedua model lainnya karena menghasilkan estimasi OLS
yang konsisten meskipun ada variabel lag dependen.

Contoh:
Model Dasar: yt = β0+ β1x1t + β2x2t + e1
Model PAM: yt = γ0+ γ1x1t + γ2x2t + γ3yt-1 + e2
Syarat: 0 < β3 < 1,
1 signifikan dan positif
Koefisien penyesuaian: δ=1-γ3, artinya adalah sekitar (δ*100), persen
dari y sebenarnya dan yang diinginkan dihapuskan dalam satu
periode.
Parameter jangka pendek: γ0, γ1, dan γ2
Parameter jangka panjang: α0= γ0/(δ); α1= γ1/(δ); dan α2= γ2/(δ);
Untuk contoh menggunakan fungsi permintaan uang:
Error Correction Model dan Fungsi Biaya

Fungsi Biaya:

Ct = bt (Xt-Xt*)2 + b2{(1-bt)Xt}2

Model awal:

PCEt = β 1 + β 2 PDI t + u t
Model ECM menjadi

ΔPCEt = λ1 + λ 2 ΔPDI t + λ3 BPDI t + λ 4 ECT + vt

Hasil regresi:
 Cointegration
g anf Error Correction Mechanism ((ECM))

Model awal:

Kerangan:
PDI: Personal Disposable Income, billions of 1987 ($)
PCE: Personal Consumption Expenditure
Expenditure, billions of 1987 ($)

Uji Kointegrasi:
1 DF atau
1. t ADF untukt k residual
id l ddarii persamaan kkointegrasi,
i t i di
disebut
b tEEngle
l
Granger (EG) atau Augmented Engle-Granger (AEG) Test
2. Uji CDRW (cointegrating regression Durbin-Watson)
 Langkah-langkah uji EG-AEG:
1. Regres PDI terhadap PCE
(objects/new object/equation →
tulis PCE C PDI)
2. Hitung reidual (ut) (genr → tulis
res=resid)
3. Uji stasioneritas res.
4. Jika signifikan, berarti residual
stasioner → artinya kedua
variabel dalam model tersebut
berkointegrasi)

Kointegrasi dan Error Correction Mechanism (ECM)

Jika variabel-variabel PCE dan PDI berkointegrasi, maka variabel-variabel tersebut dikatakan
memiliki hubungan jangka panjang, atau ekuilibrium di antara keduanya. Tentu saja dalam
j
jangka
k pendek
d k mungkin
ki di
disekuilibrium.
k ilib i Suatu
S t teorema
t penting,
ti yang dikenal
dik l sebagai
b iG
Granger
Representation Theorem, menyatakan bahwa jika dua variabel Y dan X berkointegrasi,
hubungan keduanya dapat diekspresikan sebagai ECM, dengan model:
 ΔPCEt = α 0 + α 1 ΔPDI t + α 2 u t −1 + ε t
Δ menunjukkan operator first difference, εt adalah random error term, dan ut-1 = (PCEt-1 – β1
- β2PDIt-1), yaitu nilai lag satu periode dari error dari regresi kointegrasi.

g
Hasil regresi: