Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.
com
ekonomi
Artikel
Model Inflasi Markov-Switching di Bolivia
Antonio N. Bojanic
----
---
Kutipan: Bojanic, Antonio N. 2021.
Model Markov-Switching Inflasi di
Bolivia. Ekonomi 9: 37. https://doi.org/
10.3390/economies9010037
Editor Akademik: George Halkos
Diterima: 19 Januari 2021
Diterima: 6 Maret 2021
Diterbitkan: 11 Maret 2021
Catatan Penerbit: MDPI tetap netral
sehubungan dengan klaim yurisdiksi
dalam peta yang diterbitkan dan afiliasi
institusional.
Hak cipta: © 2021 oleh penulis.
Penerima Lisensi MDPI, Basel, Swiss.
Artikel ini adalah artikel akses terbuka
yang didistribusikan di bawah syarat
dan ketentuan lisensi Creative
Commons Attribution (CC BY) (https://
creativecommons.org/licenses/by/
4.0/).
Ekonomi 2021, 9, 37. https://doi.org/10.3390/economies9010037
Departemen Ekonomi, Universitas Tulane, New Orleans, LA 70118, AS; abojanic@tulane.edu
Abstrak: Proses inflasi Bolivia dianalisis menggunakan model Markov-switching (TMS) univariat dan multivariat yang bervariasi waktu. Dengan data bulanan dan, mulai akhir tahun 1930-an, inflasi digambarkan secara akurat oleh TMS
univariat. Intersep untuk rezim inflasi tinggi secara signifikan lebih tinggi daripada rezim inflasi rendah dan tingkat inflasi yang sebenarnya mencerminkan probabilitas smoothing dari proses Markov. Selain itu, perkiraan durasi masing-
masing rezim sangat sesuai dengan periode ketika negara mengalami tingkat inflasi yang rendah dan sangat tinggi. Dari perspektif jangka panjang dan memanfaatkan TMS multivariat, hasilnya umumnya sejalan dengan apa yang
diprediksi oleh teori kuantitas uang. Dalam rezim inflasi tinggi, pertumbuhan uang meningkatkan inflasi (hampir) satu-untuk-satu, seperti yang dikatakan oleh ekonomi klasik. Dari perspektif jangka pendek dan dalam rezim inflasi tinggi,
inflasi hampir secara eksklusif dijelaskan oleh kesenjangan output negatif. Pada rezim inflasi rendah, lag inflasi merupakan faktor penentu inflasi yang paling penting, sejalan dengan ekspektasi kekakuan harga. Pemisahan sumber inflasi
menunjukkan bahwa, dari perspektif jangka panjang dan dalam rezim inflasi tinggi, perbedaan inflasi sebagian besar dijelaskan oleh pertumbuhan PDB; dalam rezim inflasi rendah, pertumbuhan uang dan pertumbuhan kecepatan adalah
faktor utama yang menjelaskan varians inflasi. Dari perspektif jangka pendek, kesenjangan output menjelaskan hampir semua varians regresi dalam rezim inflasi tinggi, dan inflasi masa lalu melakukan hal yang sama selama masa inflasi
rendah, meskipun dalam kedua kasus R inflasi hampir secara eksklusif dijelaskan oleh kesenjangan output negatif. Pada rezim inflasi rendah, lag inflasi merupakan faktor penentu inflasi yang paling penting, sejalan dengan ekspektasi
kekakuan harga. Pemisahan sumber inflasi menunjukkan bahwa, dari perspektif jangka panjang dan dalam rezim inflasi tinggi, perbedaan inflasi sebagian besar dijelaskan oleh pertumbuhan PDB; dalam rezim inflasi rendah, pertumbuhan
uang dan pertumbuhan kecepatan adalah faktor utama yang menjelaskan varians inflasi. Dari perspektif jangka pendek, kesenjangan output menjelaskan hampir semua varians regresi dalam rezim inflasi tinggi, dan inflasi masa lalu
melakukan hal yang sama selama masa inflasi rendah, meskipun dalam kedua kasus R inflasi hampir secara eksklusif dijelaskan oleh kesenjangan output negatif. Pada rezim inflasi rendah, lag inflasi merupakan faktor penentu inflasi yang
paling penting, sejalan dengan ekspektasi kekakuan harga. Pemisahan sumber inflasi menunjukkan bahwa, dari perspektif jangka panjang dan dalam rezim inflasi tinggi, perbedaan inflasi sebagian besar dijelaskan oleh pertumbuhan PDB;
dalam rezim inflasi rendah, pertumbuhan uang dan pertumbuhan kecepatan adalah faktor utama yang menjelaskan varians inflasi. Dari perspektif jangka pendek, kesenjangan output menjelaskan hampir semua varians regresi dalam
rezim inflasi tinggi, dan inflasi masa lalu melakukan hal yang sama selama masa inflasi rendah, meskipun dalam kedua kasus R sesuai dengan ekspektasi kekakuan harga. Pemisahan sumber inflasi menunjukkan bahwa, dari perspektif
jangka panjang dan dalam rezim inflasi tinggi, perbedaan inflasi sebagian besar dijelaskan oleh pertumbuhan PDB; dalam rezim inflasi rendah, pertumbuhan uang dan pertumbuhan kecepatan adalah faktor utama yang menjelaskan
varians inflasi. Dari perspektif jangka pendek, kesenjangan output menjelaskan hampir semua varians regresi dalam rezim inflasi tinggi, dan inflasi masa lalu melakukan hal yang sama selama masa inflasi rendah, meskipun dalam kedua
kasus R sesuai dengan ekspektasi kekakuan harga. Pemisahan sumber inflasi menunjukkan bahwa, dari perspektif jangka panjang dan dalam rezim inflasi tinggi, perbedaan inflasi sebagian besar dijelaskan oleh pertumbuhan PDB; dalam
rezim inflasi rendah, pertumbuhan uang dan pertumbuhan kecepatan adalah faktor utama yang menjelaskan varians inflasi. Dari perspektif jangka pendek, kesenjangan output menjelaskan hampir semua varians regresi dalam rezim inflasi tinggi, dan inflasi ma
Kata kunci: inflasi; teori kuantitas uang; celah keluaran
1. Perkenalan
Model inflasi biasanya menetapkan proses inflasi sebagai fungsi dari serangkaian luas variabel
makroekonomi dan terkait kebijakan, sering kali melibatkan struktur dinamis yang rumit. Sejak tahun
1990-an, menyadari bahwa perubahan struktural adalah kunci dalam memahami variabel deret waktu,
model Markov-switching telah digunakan di mana-mana dalam menganalisis proses, seperti inflasi, yang
mungkin mengalami pergeseran diskrit sesekali dari waktu ke waktu. Dalam makalah ini dan untuk
periode yang dimulai pada akhir tahun 1930-an, saya melakukan analisis inflasi variatif, univariat dan
multivariat waktu di Bolivia dengan menggunakan metodologi ini.
Bolivia tampaknya merupakan tempat yang ideal untuk menganalisis proses inflasi. Dalam
tujuh dekade terakhir, telah mengalami dua episode inflasi yang parah—yang pertama antara
sekitar tahun 1953–1957; yang terakhir antara 1982-1985—dan meskipun telah mengalami
stabilitas harga relatif sejak awal 1986, prospek sekali lagi mengalami variabilitas harga yang
signifikan belum hilang. Isu-isu khusus yang dieksplorasi di sini menyangkut apakah inflasi di
negara ini mengikuti jalur yang berbeda dari waktu ke waktu; apakah MiltonFriedman (1963)
pernyataan bahwa inflasi selalu dan di mana-mana merupakan fenomena moneter adalah benar;
dan apakah inflasi dapat dijelaskan dari perspektif jangka panjang dan jangka pendek.
Dasar-dasar teoritis inflasi sudah diketahui dengan baik. Teori inflasi monetaris—dianut oleh para
ekonom klasik dan monetaris—menegaskan bahwa pertumbuhan jumlah uang beredar adalah
penyebab inflasi. Ekonomi Keynesian berpendapat bahwa dalam jangka pendek inflasi mungkin
disebabkan oleh faktor-faktor selain pertumbuhan uang, terutama yang dapat menghasilkan guncangan
permintaan terus menerus dalam suatu perekonomian. Meskipun tujuan makalah ini tidak mencakup
pengujian formal dari teori-teori yang bersaing tentang inflasi, kasus Bolivia tidak
https://www.mdpi.com/journal/economies
Ekonomi 2021, 9, 37 2 dari 18

merupakan kasus menarik yang menyoroti proses inflasi. Kebaruan pekerjaan ini terletak pada
pemanfaatan model Markov-switching untuk menentukan penyebab inflasi dalam jangka pendek
dan panjang di negara yang terbiasa dengan volatilitas harga yang besar.
Ringkasan temuan utama adalah ini: inflasi tidak mengikuti proses stasioner linier;
melainkan, ia mengikuti proses stasioner nonlinier dari waktu ke waktu. Dalam istilah praktis,
pernyataan ini menyiratkan bahwa inflasi tunduk pada pergeseran diskrit antara setidaknya dua
negara (juga disebut sebagai "rezim"), negara dengan inflasi tinggi, dan negara dengan inflasi
rendah. Selanjutnya, ketika determinan utama inflasi dianalisis dalam dua rezim yang berbeda ini,
ada bukti bahwa dalam rezim inflasi tinggi dan dari perspektif jangka panjang, inflasi dijelaskan
oleh pertumbuhan dalam ukuran luas jumlah uang beredar (M2), kecepatan M2, dan PDB riil;
ketika latihan yang sama dilakukan untuk rezim inflasi rendah, hanya pertumbuhan M2 dan
kecepatan yang berdampak pada inflasi. Dari perspektif jangka pendek dan dalam rezim inflasi
tinggi, kesenjangan output negatif menjelaskan hampir semua variasi harga; dalam rezim inflasi
rendah; namun, penentu utama inflasi adalah inflasi yang tertinggal, yang mewakili ekspektasi
inflasi.
Ada tiga kontribusi penting yang dibuat makalah ini untuk literatur. Pertama, sepengetahuan
saya, ini adalah pertama kalinya inflasi di Bolivia dianalisis menggunakan model Markov-switching
variatif waktu yang mencakup periode 1937–2020. Khususnya di negara-negara, seperti Bolivia,
yang telah mengalami hiperinflasi lebih dari satu kali dalam sejarah mereka baru-baru ini,
penggunaan model Markov-switching adalah tepat, karena proses inflasi di pengaturan tersebut
tidak mengikuti proses linier, melainkan, sering berubah. secara kasar, dalam interval waktu yang
singkat. Menganalisis inflasi sebagai proses non-linier yang tunduk pada perubahan rezim adalah
pembenaran utama untuk pemanfaatan model Markov-switching dalam perekonomian yang telah
mengalami fluktuasi harga liar dari waktu ke waktu. Kedua, faktor-faktor penentu inflasi di rezim
inflasi tinggi dan inflasi rendah dianalisis dari perspektif jangka panjang dan jangka pendek.
Akhirnya, total varians inflasi dipartisi untuk menentukan sumber utama variasi dalam variabel
dependen.
Sisa makalah ini disusun sebagai berikut: tinjauan pustaka singkat disediakan di Bagian
2; Bagian3 menyajikan model rezim Markov-Switching; Bagian4 memperkenalkan data dan
hasil empiris, dan Bagian 5 menyimpulkan.

2. Tinjauan Pustaka
Meskipun mekanisme switching Markov pertama kali dipertimbangkan oleh Goldfeld
dan Quandt (1973), model Markov-Switching mulai banyak digunakan setelah Hamilton'S (
1989) artikel tentang analisis deret waktu nonstasioner dan perubahan struktural dalam
parameter proses autoregresif. Ini telah digunakan untuk menganalisis variabel nonlinier di
banyak lintas-bagian ekonomi — dan ilmu lainnya — terutama di mana-mana dalam ekonomi
makro dan keuangan.Engel (1994); Aït-Sahalia (1996); Driffill dan Sola (1998); Campbell dan
Cochrane (1999); Maheu dan McCurdy (2002); Acharya dan Pedersen (2005); Rapach dan
Wohar (2005); Alexander dan Kaeck (2008); Di Persio dan Vettori (2014); Hamilton(2005, 2016);
Ma dkk. (2017); Fink dkk. (2017); danCabrieto dkk. (2018) adalah beberapa artikel di mana
metodologi ini telah digunakan untuk menganalisis pengaruh variabel makroekonomi dan
keuangan yang berbeda.
Penggunaan model Markov-Switching dalam artikel khusus untuk inflasi juga luas,
dengan banyak fokus pada hubungan antara inflasi dan ketidakpastian inflasi.Kim (1993a);
Simon (1996); bidarkota (2001); gila (2002); Binner dkk. (2006); Amisano dan Fagan (2013);
David dan Doho (2014); danAye dkk. (2016), adalah karya-karya representatif di bidang ini.

Beberapa penulis juga berfokus pada biaya kesejahteraan dari inflasi. Lukas (2000) memperkirakan
bahwa, di AS dan untuk periode 1900–1994, keuntungan dari penurunan tingkat inflasi dari 10 persen
menjadi nol setara dengan peningkatan pendapatan riil yang sedikit kurang dari satu persen. Dai dan
Serletis (2019) menggunakan pendekatan Markov-switching untuk memperhitungkan ketidakstabilan
dalam fungsi permintaan uang jangka panjang dan menghitung biaya kesejahteraan inflasi di Amerika
Serikat; mereka menemukan bahwa biaya kesejahteraan inflasi berdasarkan statistik
Ekonomi 2021, 9, 37 3 dari 18

perkiraan signifikan dari fungsi permintaan uang menurun secara signifikan (hampir 50%) setelah tahun
1980-an. PenhaPenha Cysne dan Turchick (2010) menganalisis bias dalam memperkirakan biaya
kesejahteraan inflasi ketika deposito berbunga diabaikan. Akhirnya, meskipun tidak berarti secara
menyeluruh,Ascari dkk. (2018) menemukan bahwa tren inflasi yang meningkat dari 2 menjadi 4 persen
menghasilkan kerugian kesejahteraan yang setara dengan konsumsi sekitar 4 persen. Temuan yang
disajikan di sini adalah perpanjangan alami dari studi yang menekankan biaya kesejahteraan inflasi.
Dengan berkonsentrasi pada faktor-faktor penentu utama inflasi di berbagai rezim dan dari perspektif
jangka panjang dan jangka pendek, makalah ini menyoroti faktor-faktor yang harus dikonsentrasikan
oleh para pembuat kebijakan untuk mengurangi biaya kesejahteraan dari inflasi.
Pada kasus inflasi eksplisit di Bolivia ada beberapa artikel yang berfokus secara eksklusif
pada negara ini, tetapi tidak ada, sepengetahuan saya, menganalisis inflasi sebagai proses
nonlinier.Morales (1987) memberikan deskripsi kualitatif yang lebih jelas tentang episode
hiperinflasi pada tahun 1980-an, tetapi analisisnya tidak mampu menyajikan bukti empiris yang
meyakinkan tentang penyebabnya; Sachs (1986) juga menggambarkan krisis hiperinflasi tahun
1980-an, menekankan upaya stabilisasi yang dilakukan untuk mengendalikan kenaikan harga lebih
lanjut. Seperti yang terjadi denganMorales (1987), analisis Sachs sebagian besar kualitatif,
meskipun ia menjalankan regresi yang menghubungkan tingkat inflasi bulanan dengan
kelambatan inflasi satu bulan dan perubahan dalam nilai tukar pasar gelap dan nilai tukar resmi—
keduanya sehubungan dengan Dolar AS—dan menemukan bahwa nilai tukar pasar gelap memiliki
dampak signifikan secara statistik terhadap inflasi. Studi yang lebih baru termasukBojanic (2013),
memperkirakan model inflasi GARCH-M dan menyelidiki keterkaitannya dengan ukuran
ketidakpastian inflasi;Guerson (2015), yang mengeksplorasi dinamika inflasi dan menyimpulkan
bahwa kerangka kebijakan moneter telah berkontribusi pada stabilisasi inflasi, dengan transmisi
yang efektif melalui saluran pinjaman bank; dan MonteroMontero Kuscevic dkk. (2018),
menganalisis pengaruh inflasi dan volatilitas inflasi terhadap PDB per kapita.
Tinjauan sebelumnya memperjelas ada kesenjangan dalam literatur mengenai analisis
proses inflasi di Bolivia, terutama untuk periode sebelum 1980. Lebih lanjut, studi yang tersedia
gagal untuk memperhitungkan inflasi sebagai proses stasioner nonlinier. Ini adalah kekurangan
yang signifikan dalam ekonomi yang telah mengalami setidaknya dua episode hiperinflasi sejak
1950-an, oleh karena itu ketepatan waktu penelitian ini yang menangkap gangguan signifikan dan
—seringkali—fluktuasi harga liar yang dialami negara ini untuk sebagian besar sejarah
modernnya.

3. Model Parameter Time-Varying dengan Heteroskedastisitas Markov-Switching

Mengikuti Kim'S (1993b) eksposisi, dan dengan asumsi bahwa memang terjadi pergeseran
rezim dalam proses inflasi, dinamika inflasi di Bolivia dapat dianalisis dengan menggunakan model
Markov-switching yang memungkinkan terjadinya heteroskedastisitas bersyarat dan tanpa syarat.
Asumsi kunci dari model jenis ini adalah bahwa tren stokastik dan komponen stasioner
(autoregresif) tunduk pada pergantian rezim. Persamaan dasar untuk model adalah sebagai
berikut (spesifikasi jangka panjang untuk inflasi—disajikan pada Bagian4—digunakan untuk
menggambarkan proses Markov-switching):

πT = β0T + β1T%∆M2T + β2T%∆VelT + β3T%∆rGDPT + εT (1)

di mana πT menunjukkan tingkat inflasi pada waktu T; %ΔM2 menunjukkan tingkat pertumbuhan dalam M2;%Δ
Vel mewakili laju pertumbuhan dalam kecepatan M2, dan %ΔrGDP mewakili tingkat pertumbuhan dalam PDB
riil.
Membiarkan:

βdia= βitu1 + ωdia,

dan asumsikan ( )
εT ~ 0, σε2 ,
( )
ωdia ~ 0, σ2 i , Saya = 0, 1, 2, 3
Ekonomi 2021, 9, 37 4 dari 18

Dalam notasi vektor dan penambahan gangguan heteroskedastis,

πT = βTxT + εT (2)

βT = βuntuk1 + ωT
ωT ~ (0, Q)
εT ~ (0, HT)
( )
HT = σ2 0 + σ2 1 - σ2 0 ST,

Misalkan ada dua rezim yang menggambarkan proses inflasi: rezim inflasi tinggi dan rezim
inflasi normal atau rendah, yaitu, Sdia Hai{1,2}. Efek dari regressor pada inflasi dapat bervariasi
antar rezim. Jika diasumsikan bahwa pemilihan rezim diatur oleh sakelar Markov orde pertama|
proses ing, kemudian, mengingat rezim masa lalu | es, probabilitas rezim Sdia terjadi adalah
diberikan oleh P(S Saya
| ,T SSaya,untuk1, SSaya,untuk2, . . . ,SSaya,t−k) = P(S | Saya,T SSaya,untuk1) . Pergantian Markov yang berubah-ubah waktu

model mengasumsikan bahwa probabilitas transisi dari satu rezim|ke yang lain tergantung pada
variabel transisi z di tahun t k, yang seperti itu P(SSaya,T|sSaya,untuk1) = P(S |probabilitas transisi
Saya,T SSaya,untuk1, zSaya,t−k) . Dengan demikian,

didefinisikan sebagai berikut:

exp(β0+βSaya1zSaya,t−k)
P11(zSaya,t−k) = ,
1+exp(β0+βSaya zSaya,t−k)
exp(β0+βSaya2zSaya,t−k)
P22(zSaya,t−k) = ,
1+exp(β0+β2zSaya,t−k)

P12(zSaya,t−k) = 1 - P11(zSaya,t−k), P21(zSaya,t−k) = 1 - P22(zSaya,t−k)

di mana Paku j adalah probabilitas untuk pindah dari rezim Saya untuk rezim J bersyarat pada
variabel transisi (Diebold dkk. 1994; Filardo 1994; Kim dkk. 2008). JikaβSaya1 positif (negatif),
perubahan positif dalam z mengurangi (meningkatkan) kemungkinan transisi dari rezim 1 ke
rezim 2. Arti dari βSaya2 dapat diartikan dengan cara yang sama. Nilai satu-lag dari tingkat
pertumbuhan diM2 dipilih sebagai variabel transisi z untuk menguji pengaruhnya pada
pergeseran rezim dari proses inflasi.
Dengan probabilitas transisi yang didefinisikan di atas, Persamaan (2) diestimasi menggunakan
metode kemungkinan maksimum. MendefinisikanΩSaya,T = (xdia, zsaya,tk) sebagai vektor dari variabel
bebas yang diamati dan variabel transisi sampai dengan tahun T danSaya,T = (πdia, πsaya, untuk1, . . . ,πSaya,1)
sebagai vektor informasi masa lalu yang terkandung dalam π. Menunjukkan vektor parameter yang akan
diestimasi denganθ, kemungkinan log kondisional untuk semua pengamatan di panel dapat dinyatakan
sebagai:
n T
II(θ) = ΣSaya=1ΣT=1 di f (| Saya,T ΩSaya,T,Saya,untuk1; θ)
di mana

F (πdia|ΩSaya,T,Saya,untuk1 ; θ) = ΣJ= 1,2 ΣSaya= 1,2 F (πSaya ,T, SSaya,T = J, SSaya,untuk1 = Saya, |ΩSaya,T ,Saya,untuk1; θ)
(3)
= ΣJ= 1,2 F (πSaya ,T|sSaya,T = J, ΩSaya,T,Saya,untuk1; θ)xΣSaya= 1,2 P(SSaya,T = j|sSaya,untuk1 = Saya, zSaya,t−k)P(SSaya,untuk1 = saya|ΩSaya,T ,Saya,untuk1; θ)

di mana |
P(SSaya,T = J|SSaya,untuk1 = Saya, zSaya,t−k) = Paku j(zSaya,t−k),

F (πSaya,T|sSaya,T = Saya, ΩSaya,T,Saya,untuk1; θ.P(SSaya,untuk1 = saya|ΩSaya,T,Saya,untuk1; θ)

P(SSaya,T = saya|ΩSaya,T+1,T; θ) =
Σ Saya F (πSaya,T|sSaya,T = Saya, ΩSaya,T,Saya,untuk1; θ).P(SSaya,untuk1 = saya|ΩSaya,T,Saya,untuk1; θ)

dan
( )
1 (π Saya,T pSεSaya,untuk1 - πkan Saya,TδS)2

F (πSaya,T|sSaya,T = J, ΩSaya,T,Saya,untuk1; θ) = √ exp -

2πnσ2S 2σS2

Dengan menghitung secara rekursif persamaan di atas, θ dapat diperoleh dengan

memaksimalkan II(θ) (distribusi probabilitas estimasi ML secara logaritmik cekung).
Ekonomi 2021, 9, 37 5 dari 18

4. Data dan Hasil Empiris

Sumber data utama adalah Bojanic (2019), di mana indeks harga konsumen bulanan
disediakan untuk periode Januari 1937–Januari 2020 (Indeks ini dibangun dengan
menghubungkan berbagai indeks harga konsumen yang diproduksi oleh Bank Sentral Bolivia
mulai tahun 1937; bulan dasarnya adalah Januari 2015. Rincian lebih lanjut tentang
konstruksi indeks disediakan di Bojanic (2019, hlm. 15–17.); Bank Sentral Bolivia untuk data
tahunan M2, dinyatakan dalam Bolivianos dan mencakup periode 1940–2019 (https://
www.bcb.gob.bo/?q= pub_boletin-estadistico, diakses pada 3 Juli 2020); dan Bank Dunia
untuk output riil dan mencakup periode 1960–2018; angka PDB riil dinyatakan dalam Dolar
AS 2010 konstan (https://data.worldbank.org/indicator/NY.GDP.MKTP.KD?locations=BO,
diakses pada 3 Juli 2020). Tingkat inflasi, kecepatan M2, dan output potensial diperoleh dari
manipulasi standar data yang tersedia.
Variabel yang dijelaskan di atas diuji untuk keberadaan akar unit dan dalam semua kasus,
hipotesis nol dari akar unit ditolak, sehingga memastikan stasioneritas di semua variabel yang
diinginkan. Penilaian awal dari perilaku variabel-variabel ini dilaporkan dalam Tabel1, di mana
ringkasan statistik menurut dekade disediakan untuk indikator utama. LampiranC melaporkan
koefisien korelasi berpasangan, kovarians, dan uji akar unit untuk semua variabel yang relevan.

Tabel 1. Statistik Ringkasan.

Inflasi Bulanan Pertumbuhan M2 Tahunan Pertumbuhan Tahunan Nyata

Tingkat Inflasi Tahunan (%)
Periode Kecepatan (%) Kecepatan (%) PDB (%)
Berarti st. dev Berarti st. dev Berarti st. dev Berarti st. dev
1937–1939 2.24 4.04 27.43 4.82 - - - -
1940–1949 1.18 1.86 17.25 10.87 19.56 14,76 - -
1950–1959 4.10 9.15 64.44 60.19 70.30 63.01 - -
1950–1956 5.69 10.30 72.26 63.11 89,51 72.24 - -
1957–1959 0.39 3.53 46.19 16.41 55.49 31.53 - -
1960–1969 0,48 1.61 6.10 2.89 7.18 15,65 3.20 5.98
1970–1979 1.42 3.61 15.91 18.63 26.99 12.40 4.03 2.83
1980–1989 11.99 23.42 1383.07 3662.61 923.19 2240.06 - 0,44 2.79
1980–1986 16.59 26.72 1969.28 4334.25 1319.25 2629,94 - 1.93 1.69
1987–1989 1.26 1.28 15.25 0,71 - 0,94 26.44 3.05 0.68
1990–1999 0,76 0,87 10.42 5.69 17.08 10.10 3.99 1.61
2000–2009 0,40 0,66 5.06 3.80 28.19 22.16 3.69 1.36
2010–2019 0.34 0,47 4.22 2.47 11.95 10.98 4.92 0,87
Sumber data: Bank Sentral Bolivia
Angka PDB Riil hanya tersedia dari
1960 hingga 2018

Pengamatan langsung adalah bahwa ada korelasi positif yang terlihat antara inflasi dan
tingkat pertumbuhan di M2—koefisien korelasinya adalah +0,97—menyoroti bahwa, di
Bolivia, kedua variabel ini berjalan beriringan, terutama selama periode di mana inflasi tinggi.
(Lonjakan tingkat inflasi yang diamati antara 2007 dan 2008 dan 2010 dan 2011 adalah akibat
dari kenaikan harga produk pertanian di pasar luar negeri. Apresiasi terhadap Boliviano dan
kebijakan moneter kontraktif menurunkan tingkat inflasi ke tingkat target. Antara 2013 dan
2015, bahkan meskipun pertumbuhan PDB tinggi, tingkat inflasi menurun secara
substansial.) Gambar1 menguatkan temuan awal ini dan menunjukkan bahwa kedua variabel
ini bergerak sangat serempak.
Perlu juga dicatat bahwa inflasi dan pertumbuhan PDB riil berkorelasi negatif
dengan koefisien korelasinya adalah -0,38—tetapi hubungan negatif ini tidak begitu
terlihat jika tahun-tahun hiperinflasi dikeluarkan dari analisis. Kesimpulan awal dari
perilaku dekade-ke-dekade variabel-variabel ini adalah bahwa tampaknya ada periode di
mana korelasi positif (negatif) antara inflasi dan tingkat pertumbuhan di M2
(pertumbuhan PDB riil) lebih terlihat, oleh karena itu perlu dianalisis hubungan antara
variabel-variabel ini memisahkan periode inflasi tinggi dari periode inflasi rendah.
Ekonomi 2021, 9, 37 6 dari 18

1
1950 1960 1970 1980 1990 2000 2010

Tingkat inflasi, dalam log Tingkat

pertumbuhan M2, dalam log

Gambar 1. Laju Inflasi Tahunan dan Laju Pertumbuhan M2, 1941–2019. Sumber: Bank Sentral Bolivia;
Bojanic (2019).

4.1. Model Inflasi Markov-Switching Bervariasi Waktu Univariat

Proses inflasi pertama-tama dianalisis menggunakan model Markov-Switching univariat
waktu-variasi (TMS). Data inflasi bulanan telah tersedia sejak tahun 1937, maka periode
waktu yang dicakup adalah Januari 1937 hingga Januari 2020. Spesifikasi persamaan terdiri
dari model Markov-switching dua keadaan, dengan regressor rata-rata switching tunggalC (
intersep) dan empat non-switching AR ketentuan. Varians kesalahan diasumsikan umum di
seluruh rezim dan ada dua regressor probabilitas, konstantaC dan jeda satu periode dari
variabel dependen karena model mengasumsikan probabilitas transisi rezim yang berubah-
ubah waktu. Tingkat inflasi dinyatakan dalam log alami. (LampiranA dan Bhasil laporan untuk
spesifikasi yang sama ketika tingkat inflasi dinyatakan dalam persentase dan ketika
dinyatakan sebagai perbedaan pertama dari log alami dari tingkat harga, masing-masing.
Pola hasilnya mirip dengan yang dilaporkan di sini.)
Meja 2 laporan merangkum hasil untuk rezim 1 (inflasi tinggi) dan rezim 2 (inflasi
rendah).

Meja 2. Model Markov-Switching Univariat Bervariasi Waktu untuk Inflasi Bulanan.

Rezim 1—Koefisien Rezim 2—Inflasi Rendah

Inflasi Tinggi Kesalahan St Koefisien Kesalahan St

Beralih Regresor
Konstan 0.287*** 0,011 0,015 * 0,008

# Pengamatan: 991 Log-

Kemungkinan: 1830.549
Tingkat Inflasi Bulanan Dinyatakan dalam Log Alam
Regresor Probabilitas: C, InflasiT-1, dalam Log Alam
Empat Regressor AR Non-Switching Termasuk dalam Spesifikasi; tidak Ditampilkan dalam Tabel
* P < 0,1; **P < 0,05; ***P < 0,01.

Seperti yang diharapkan, koefisien untuk C di rezim 1 secara signifikan lebih tinggi daripada di
rezim 2, menyiratkan bahwa nilai rata-rata yang diharapkan dari inflasi di rezim inflasi tinggi lebih tinggi
daripada di rezim inflasi rendah. Kedua koefisien tersebut signifikan secara statistik, meskipun pada
tingkat signifikansi yang berbeda.
Ekonomi 2021, 9, 37 7 dari 18

Meja 3 menyajikan matriks probabilitas transisi dan durasi yang diharapkan dari setiap
rezim.

Tabel 3. Probabilitas Transisi Bervariasi Waktu dan Durasi yang Diharapkan dari Rezim 1 dan Rezim 2.

Probabilitas Transisi: P(i, k) = P(s(t) = k | s(t-1) = i) (baris = i/kolom = j)

1 2
Berarti 1 0,707 0,293
2 0,021 0.979
1 2
Std. Dev 1 0,047 0,047
2 0,088 0,088

Durasi yang Diharapkan:

1 2
Berarti 3,46 bulan 139,00 bulan
Std. Dev. 0.354 557.451

Hasilnya menunjukkan bahwa ada ketergantungan negara yang cukup besar dalam probabilitas
transisi, dengan probabilitas yang relatif lebih tinggi untuk tetap berada di rezim inflasi rendah (0,98
untuk rezim inflasi rendah, 0,71 untuk rezim inflasi tinggi). Durasi yang diharapkan dari masing-masing
rezim adalah 3,46 bulan (inflasi tinggi) dan 139 bulan (inflasi rendah). Ringkasan visual dari temuan ini
ditunjukkan pada Gambar2, di mana probabilitas pemulusan rezim 1 (inflasi tinggi) digambarkan
bersama dengan tingkat inflasi aktual. (Perkiraan halus untuk probabilitas rezim di setiap periode
menggunakan informasi yang ditetapkan pada periode akhir, berbeda dengan perkiraan yang disaring
yang hanya menggunakan informasi kontemporer. SebagaiKim (1994) menunjukkan, menggunakan
informasi tentang realisasi masa depan dari variabel dependen meningkatkan perkiraan berada di rezim
M dalam periode T karena probabilitas transisi Markov menghubungkan bersama kemungkinan data
yang diamati dalam yang berbeda
periode.)

1.2
1.0
0.8
0.6
0.4
0.2
1.2 0,0
0.8
0.4
0,0
- 0.4
1940 1950 1960 1970 1980 1990 2000 2010 2020

Rezim probabilitas halus 1 - sumbu kanan Tingkat

inflasi, dalam log - sumbu kiri

Gambar 2. Memuluskan Probabilitas Rezim 1 (inflasi tinggi) dan Tingkat Inflasi Bulanan.

Seperti yang terlihat dari Gambar 2, probabilitas yang diperoleh mencerminkan

kesesuaian tingkat inflasi. Rezim inflasi yang tinggi (rezim 1) hampir bertepatan dengan
bulan-bulan di mana negara mengalami tingkat inflasi tertinggi sehingga cocok antara apa
Ekonomi 2021, 9, 37 8 dari 18

diprediksi dalam model dan evolusi aktual harga selama seluruh periode bunga.
(Koefisien korelasi antara kemungkinan perataan rezim inflasi tinggi dan tingkat inflasi
bulanan (dalam log) adalah +0,68).

4.2. Jangka Panjang, Model Inflasi Markov-Switching Bervariasi Waktu Multivariasi

Dengan menggunakan data tahunan periode 1960–2018, analisis inflasi dari perspektif
jangka panjang dilakukan dengan mengestimasi versi teori kuantitas uang. Secara khusus,
persamaan kuantitas standar yang dinyatakan dalam log dan perbedaan pertama adalah
(Persamaan (4) lebih tepat didefinisikan sebagai persamaan pertukaran. Jika diasumsikan bahwa
perubahan kecepatan adalah variabel acak yang tidak berkorelasi dengan uang dan pertumbuhan
PDB riil, maka persamaan pertukaran menjadi teori kuantitas uang):

ΔMT + ΔvT = ΔPT + ΔkamuT (4)

di mana M adalah M2, v adalah kecepatan, P tingkat harga, dan kamu keluaran. Ini dapat diatur ulang sebagai:

ΔPT = ΔMT + ΔvT - ΔkamuT (5)

Jika diasumsikan bahwa dalam jangka panjang baik pasar uang dan pasar barang berada
dalam keseimbangan dan bahwa tren perputaran uang berubah dari waktu ke waktu (Meskipun
perubahan dalam tren perputaran uang didokumentasikan dengan baik—lihat, misalnya, Bordon
dan Jonung(2004)—ini mungkin benar terutama di Bolivia, di mana periode ketidakstabilan harga
yang parah tidak jarang terjadi dan di mana unit hitung telah berubah dua kali (pada 1962 dan
1986) sejak awal 1960-an. Kecepatan diperkirakan sebagai berikut: V = (PDB nominal)/M2, di mana
PDB dan M2 dinyatakan dalam Bolivianos.) Kemudian, dibingkai sebagai regresi tak terbatas, teori
kuantitas menjadi:

πT = C + β1xT + β2WT + β3ZT + εT (6)

di mana πT mewakili inflasi tahunan; xT, WT, dan ZT mewakili pertumbuhan (tingkat)s di M2, kecepatan,
dan PDB riil, masing-masing; danεT adalah suku gangguan dengan εT ~ 0, σ2 .
Persamaan (6) diperkirakan menggunakan model TMS dua keadaan dengan empat
regresor switching (C dan tingkat pertumbuhan, dalam log alami, M2, kecepatan, dan output
nyata) dan satu non-switching AR ketentuan. Ada dua regressor probabilitas, konstantaC dan
lag satu periode dari tingkat pertumbuhan di M2. Yang terakhir disertakan sehingga periode
T data untuk regressor sesuai dengan nilai yang mempengaruhi transisi untuk t 1 sampai T.
Tingkat inflasi juga dinyatakan dalam log alami. Meja4 laporan hasil ringkasan untuk inflasi
tinggi dan rezim inflasi rendah.
Hasil untuk kedua rezim umumnya sesuai dengan apa yang diprediksi oleh teori
kuantitas uang. Pertumbuhan uang dan pertumbuhan kecepatan meningkat, dan
pertumbuhan PDB berkurang, inflasi. Selain itu, dalam kasus inflasi tinggi, koefisien
pertumbuhan uang adalah 1,026, yang sangat mencerminkan prediksi teori bahwa
pertumbuhan uang meningkatkan inflasi satu-satu. Dalam rezim inflasi rendah,
koefisiennya masih positif tetapi di bawah 1, yang tidak mengejutkan karena M2
mencakup rentang aset yang jauh lebih luas daripada M1. Dengan kata lain, di negara-
negara yang mengalami hiperinflasi dan suku bunga riil negatif—seperti yang terjadi di
Bolivia antara tahun 1983–1986—orang memiliki insentif untuk memegang sebagian
besar aset M2 sebagai mata uang (M1) untuk dibelanjakan segera guna meminimalkan
pajak inflasi. Jika suku bunga riil positif,β1 menjadi lebih kecil dari 1.
Ekonomi 2021, 9, 37 9 dari 18

Tabel 4. Model Markov-Switching Multivariat Bervariasi Waktu Jangka Panjang untuk Inflasi Tahunan.

Rezim 1—Koefisien Rezim 2—Inflasi Rendah

Inflasi Tinggi Kesalahan St Koefisien Kesalahan St

Beralih Regresor
Konstan 0,035 0,031 - 0,038 *** 0,012
Tingkat Pertumbuhan M2 1.026 *** 0,032 0,958*** 0,010
Kecepatan Laju Pertumbuhan 1.033 *** 0,154 1.026 *** 0,035
Tingkat Pertumbuhan PDB Riil - 1.786 *** 0,347 - 0,025 0.245

R2 0,99 0,99
# Pengamatan: 57 Log-
Kemungkinan: 102.885
Semua variabel dinyatakan dalam log natural
Variabel terikat: tingkat inflasi
Regresor probabilitas: C, (laju pertumbuhan M2)T-1, dalam log alami
Satu regressor AR non-switching termasuk dalam spesifikasi; tidak ditampilkan dalam tabel
* P < 0,1; **P < 0,05; ***P < 0,01.

Pertumbuhan PDB riil negatif di kedua rezim tetapi signifikan secara statistik hanya dalam
kasus inflasi tinggi. Selain itu, koefisien-1,786, secara signifikan lebih kecil dari prediksi teori
kuantitas yang β3 = -1.0, hasil yang sebagian dapat dijelaskan oleh tantangan terkenal dalam
mengukur angka output yang akurat di negara-negara yang mirip dengan Bolivia. (Lihat, misalnya,
Loayza (1997) bekerja pada tantangan yang dihadapi oleh negara-negara Amerika Latin dalam
mengukur ukuran sektor informal dan dampaknya terhadap pertumbuhan dan pembangunan.)
Meja 5 menyajikan matriks probabilitas transisi dan durasi yang diharapkan dari setiap
rezim.

Tabel 5. Probabilitas Transisi Bervariasi Waktu dan Durasi yang Diharapkan dari Rezim 1 dan Rezim 2.

Probabilitas Transisi: P(i, k) = P(s(t) = k | s(t-1) = i) (baris = i/kolom = j)

1 2
Berarti 1 0,480 0,520
2 0,368 0.632

Std. Dev 1 0,081 0,081

2 0.296 0.296

Durasi yang diharapkan:

Berarti 1,95 tahun 33,06 tahun

Std. Dev. 0,213 159.948

Hasilnya serupa dengan yang diperoleh dengan model TMS univariat. Ada
ketergantungan negara yang signifikan dalam probabilitas transisi dan ada kemungkinan
yang relatif lebih tinggi berada di rezim inflasi rendah (0,63 vs 0,48 di rezim inflasi tinggi).
Selain itu, durasi yang diharapkan dari masing-masing rezim adalah 1,95 tahun dan 33,06
tahun untuk rezim inflasi tinggi dan rendah. Prediksi ini kira-kira sejalan dengan apa yang
terjadi pada inflasi selama periode 1960-2018: ada dua tahun (1984 dan 1985) di mana
tingkat inflasi tahunan di atas 1000 persen, dan ada 38 tahun di mana tingkat inflasi di bawah
10 persen. Dalam 19 tahun tersisa, tingkat inflasi melebihi 10 persen dan berfluktuasi secara
signifikan, meningkat di atas 100 persen pada tahun 1982, 1983, dan 1986.
Angka 3 menunjukkan kemungkinan smoothing rezim 1 (inflasi tinggi) dan inflasi
kecepatan.
Ekonomi 2021, 9, 37 10 dari 18

1.0
0.8
0.6
0.4
0.2
5 0,0
4
3
2
1
0
65 70 75 80 85 90 95 00 05 10 15

Tingkat inflasi, dalam log - sumbu kiri Rezim

probabilitas halus 1 - sumbu kanan

Gambar 3. Jangka Panjang, Memperhalus Probabilitas Rezim 1 dan Tingkat Inflasi Tahunan.

Seperti yang digambarkan pada Gambar 3, probabilitas yang diperoleh tidak sesuai
dengan evolusi aktual tingkat inflasi sedekat yang disarankan oleh temuan empiris.
(Koefisien korelasi antara kemungkinan pemulusan rezim inflasi tinggi dan tingkat inflasi
tahunan (dalam log) adalah +0,11.) Namun, mengingat sifat inflasi yang lebih tidak stabil
selama akhir 1960-an, 1970-an, inflasi tinggi 1980-an, dan periode setelah 2008, ketika
tingkat inflasi sekali lagi mencapai tanda dua digit, pola perilaku probabilitas pemulusan
yang diamati tidak mengejutkan.

4.3. Model Inflasi Markov-Switching Jangka Pendek, Bervariasi-Waktu dan Bervariasi

Ekspresi standar untuk kurva penawaran agregat jangka pendek adalah:

πT = πe + γ(kamuT YP) + επ (7)

di mana πT adalah inflasi pada waktu T; πe mewakili inflasi yang diharapkan; γ adalah faktor sensitivitas;kamuT
adalah keluaran; kamuP singkatan dari output potensial (output potensial diperkirakan menggunakan filter
Hodrick-Prescott); danεπ mewakili guncangan harga. Perbedaan antarakamuT dan kamuP
disebut sebagai kesenjangan output dan karenanya γ mencerminkan seberapa sensitif inflasi terhadap fluktuasi
kesenjangan output.
Jika diasumsikan bahwa ekspektasi bersifat adaptif, maka indikator yang tepat untuk
ekspektasi inflasi adalah inflasi masa lalu. Selain itu, jika diasumsikan bahwa negara tersebut tidak
mengalami guncangan harga yang signifikan, ekspresi inflasi jangka pendek adalah:

πT = πuntuk1 + γ(kamuT YP) (8)

di mana πuntuk1 mencerminkan inflasi pada periode sebelumnya.

Diformulasikan dalam bentuk regresi, Persamaan (8) menjadi:

πT = C + β1xT + β2WT + εT (9)

dan πT mewakili inflasi tahunan; xT singkatan dari inflasi pada periode sebelumnya; WT adalah
kesenjangan keluaran; danεT adalah suku gangguan dengan εT ~ 0, σ2 .
Persamaan (9) juga diperkirakan menggunakan model TMS dua keadaan dengan
tiga regresor switching (C, log inflasi pada periode sebelumnya, dan selisih antara log
PDB riil dan log PDB potensial) dan satu non-switching AR ketentuan. Ada dua regressor
probabilitas, konstantaC dan inflasi pada periode sebelumnya. Tertinggal
Ekonomi 2021, 9, 37 11 dari 18

inflasi dimasukkan sehingga periode T data untuk regressor sesuai dengan nilai yang
mempengaruhi transisi untuk t 1 sampai T. Variabel terikat juga dinyatakan dalam log
alam. Meja6 laporan hasil ringkasan untuk inflasi tinggi dan rezim inflasi rendah.

Tabel 6. Model Markov-Switching Multivariat Jangka Pendek dan Bervariasi Waktu untuk Inflasi Tahunan.

Rezim 1—Koefisien Rezim 2—Inflasi Rendah

Inflasi Tinggi Kesalahan St Koefisien Kesalahan St

Beralih Regresor
Konstan 0,786 ** 0,371 0,048 *** 0,010
Inflasi Sebelumnya (πT-1) 0.191 0,202 0,300*** 0,099
Kesenjangan Keluaran (Y - kamuP) - 26.769 ** 11,023 0,195 0,174

R2 0.33 0,01
# Pengamatan: 58 Log-
Kemungkinan: 70.029
Semua variabel dinyatakan dalam log natural
Variabel terikat: tingkat inflasi
Regresor probabilitas: C, (inflasi sebelumnya)T-1, dalam log alami
Satu regressor AR non-switching termasuk dalam spesifikasi; tidak ditampilkan dalam tabel
* P < 0,1; **P < 0,05; ***P < 0,01.

Hasilnya menunjukkan bahwa dalam rezim inflasi tinggi, penentu inflasi yang paling penting
adalah kesenjangan output negatif, yang terjadi ketika output aktual turun di bawah output
potensial. Demikian juga, inflasi sebelumnya tidak memiliki dampak yang signifikan secara statistik
terhadap inflasi saat iniβ1 memiliki tanda positif yang diharapkan. Sebaliknya, dalam rezim inflasi
rendah, inflasi sebelumnya adalah prediktor terpenting dari inflasi saat ini—β1
positif dan signifikan secara statistik—dan kesenjangan output (positif) tampaknya tidak memberikan
pengaruh apa pun. Hasil ini cocok dengan teori Keynesian Baru: selama masa inflasi rendah, variabel
nominal bersifat lengket dan karenanya inflasi saat ini bergantung pada nilai inflasi sebelumnya. Namun,
ketika harga tidak lagi memberikan informasi yang berguna—seperti yang terjadi selama masa
hiperinflasi—inflasi masa lalu tidak berperan dalam mempengaruhi inflasi saat ini. (Konstanta di rezim 1
secara signifikan lebih tinggi daripada di rezim 2 dan mungkin, sebagian, membenarkan mengapa
kesenjangan output negatif adalah penentu utama inflasi dalam rezim inflasi tinggi. Konstanta
mencegah bias keseluruhan dengan memaksa mean residual sama nol tetapi juga dapat menangkap
pengecualian variabel yang relevan dari model regresi. Dalam jangka pendek dan selama periode inflasi
tinggi, ekspresi standar untuk kurva penawaran agregat jangka pendek (Persamaan (8)) dapat mencakup
faktor tambahan yang tidak dipertimbangkan di sini. Selain itu, karena spesifikasi 7-9 bertujuan untuk
memahami variabel utama yang mempengaruhi perubahan tingkat harga dalam jangka pendek,
mungkin indikator inflasi yang lebih tepat adalah indikator di manabulanan perubahan tingkat harga
dipertimbangkan, daripada perubahan tahunan yang digunakan di sini. Sayangnya, meskipun tingkat
inflasi bulanan telah tersedia sejak akhir tahun 1930-an, tidak ada data bulanan yang dapat diandalkan
tentang PDB riil, yang diperlukan untuk memperkirakan Persamaan (9). Tidak menggunakan data
bulanan juga sebagian dapat menjelaskan mengapa ekspektasi inflasi tidak memainkan peran yang lebih
menonjol dalam rezim inflasi tinggi.)
Meja 7 menyajikan matriks probabilitas transisi dan durasi yang diharapkan dari setiap
rezim.
Hasilnya konsisten dengan temuan sebelumnya. Seperti halnya dengan TMS univariat dan
TMS multivariat jangka panjang, ada ketergantungan negara yang signifikan pada probabilitas
transisi, dengan kemungkinan lebih besar berada di rezim inflasi rendah (0,82) daripada di rezim
inflasi tinggi (0,34). Durasi yang diharapkan dari masing-masing rezim adalah 4,43 tahun dan
58,07 tahun untuk rezim inflasi tinggi dan rendah, masing-masing, secara kasar menyerupai pola
perilaku yang diamati dengan model TMS multivariat jangka panjang.
Ekonomi 2021, 9, 37 12 dari 18

Tabel 7. Probabilitas Transisi Bervariasi Waktu dan Durasi yang Diharapkan dari Rezim 1 dan Rezim 2.

Probabilitas Transisi: P(i, k) = P(s(t) = k | s(t-1) = i) (baris = i/kolom = j)

1 2
Berarti 1 0,344 0.656
2 0,183 0.817

Std. Dev 1 0,140 0,140

2 0,340 0,340

Durasi yang diharapkan:

Berarti 4,43 tahun 58,07 tahun

Std. Dev. 20,913 52.272

Angka 4 menunjukkan kemungkinan smoothing rezim 1 (inflasi tinggi) dan inflasi

kecepatan.

1.0

0.8
5
0.6
4
0.4
3
0.2
2
0,0
1

0
65 70 75 80 85 90 95 00 05 10 15

Tingkat inflasi, dalam log - sumbu kiri Probabilitas

halus rezim 1 - sumbu kanan

Gambar 4. Jangka Pendek, Memperhalus Probabilitas Rezim 1 dan Tingkat Inflasi Tahunan.

Seperti yang digambarkan pada Gambar 4, probabilitas yang diperoleh sangat sesuai dengan
evolusi aktual tingkat inflasi. (Koefisien korelasi antara probabilitas pemulusan dari rezim inflasi tinggi
dan tingkat inflasi tahunan (dalam log) adalah +0,68.) Tahun-tahun ketika ada lonjakan inflasi
digaungkan dengan probabilitas pemulusan yang meningkat, memberikan keyakinan bahwa temuan
empiris mencerminkan fluktuasi dalam tingkat harga yang dianalisis dari perspektif jangka pendek.

4.4. Pemisahan Sumber Inflasi dalam Jangka Panjang dan Jangka Pendek
Hal lain yang sama, TMS multivariat jangka panjang menyatakan bahwa pertumbuhan uang yang
cepat dan pertumbuhan kecepatan merangsang inflasi, dan pertumbuhan PDB riil menguranginya.
Demikian juga, TMS multivariat jangka pendek berpendapat bahwa inflasi masa lalu dan kesenjangan
output menentukan inflasi. Namun, apa kepentingan relatif dari masing-masing variabel ini dalam
menjelaskan inflasi? Analisis kesamaan — ulasan singkat disediakan diNathan dkk. (2012)—adalah
metode penguraian R2 dalam analisis regresi berganda ke dalam proporsi varians yang dijelaskan dari
variabel dependen yang terkait dengan masing-masing variabel independen.
Ekonomi 2021, 9, 37 13 dari 18

Untuk TMS multivariat jangka panjang, varians tingkat inflasi yang dijelaskan oleh
Persamaan (6) dapat dipartisi sebagai:

Vπ = β2 1Vx + β22Vw + β23Vz + 2β1β2Vxw + 2β1β3Vxz + 2β2β3Vwz (10)

di mana Vx, Vw, dan Vz adalah varians sampel dalam x, W, dan Z; Vxw adalah kovarians
sampel antara x dan W; Vxz adalah kovarians sampel antara x dan Z; Vwz adalah
kovarians sampel antara W dan Z. Kovarians antara semua kombinasi ketiga variabel
cukup kecil, sehingga pengaruh uang, kecepatan, dan pertumbuhan PDB riil hampir
terpisah dan aditif. Mengganti koefisien regresi dari Tabel4 dan varians sampel Vx =
3.610; Vw = 17.510; Vz = 39.549; dan kovariansVxw = 3.4 × 10-4;Vxz = 5.3 × 10-4; Vwz = 3.0 ×
10-3, varians regresi yang dijelaskan untuk rezim inflasi tinggi adalah:

Vπ = 3.797 + 18.675 + 126.100 - 3.5 × 10-4 - 9.8 × 10-4 - 5.5 × 10-3 = 148.57 3.797 Dijelaskan oleh
pertumbuhan uang; 18.675 Dijelaskan oleh pertumbuhan kecepatan; 126.100
Dijelaskan oleh pertumbuhan PDB riil; 3.5× 10-4 Dijelaskan bersama oleh pertumbuhan uang dan pertumbuhan
kecepatan; 9.8× 10-4 Dijelaskan bersama oleh pertumbuhan uang dan pertumbuhan PDB riil; 5.5× 10-3
Dijelaskan bersama oleh pertumbuhan kecepatan dan pertumbuhan PDB riil.
Demikian juga, varians regresi yang dijelaskan untuk rezim inflasi rendah
adalah:Vπ = 1,023 + 4,174 + 0,017 - 1.2 × 10-4 - 1.4 × 10-5 - 8.5 × 10-6 = 5,21
Dalam kedua kasus, kovarians hampir tidak berkontribusi apa pun untuk menjelaskan
varians regresi. Dalam rezim inflasi tinggi, pertumbuhan PDB riil menyumbang 126,10/148,57 =
0,849, atau 84,9 persen dari varians regresi yang dijelaskan. Pertumbuhan uang menyumbang
3,797/148,57 = 0,026 atau 2,6 persen, dan pertumbuhan kecepatan menyumbang 18,675/148,57 =
0,126 atau 12,6 persen. Pada rezim inflasi rendah, kontribusi relatif pertumbuhan uang,
pertumbuhan kecepatan, dan pertumbuhan PDB riil masing-masing adalah 19,64 persen, 80,12
persen, dan 0,33 persen. SejakR2 di kedua rezim adalah 0,99, perbedaan besar dalam inflasi
sebagian besar dijelaskan oleh pertumbuhan PDB di rezim inflasi tinggi dan oleh pertumbuhan
uang dan pertumbuhan kecepatan di rezim inflasi rendah.
Untuk TMS multivariat jangka pendek, varians tingkat inflasi yang dijelaskan oleh
Persamaan (9) dapat dipartisi sebagai:

Vπ = β2 1Vx + β22Vw + 2β1β2Vxw (11)

dimana, seperti sebelumnya, Vx dan Vw adalah varians sampel dalam x dan W, dan Vxw adalah
kovarians sampel antara x dan W. Yang terakhir ini cukup kecil, sehingga pengaruh inflasi
masa lalu dan kesenjangan output hampir terpisah dan aditif. Mengganti koefisien regresi
dari Tabel6 dan varians sampel Vx = 23.469; Vw = 1278.638; dan kovariansVxw =0,417, varians
regresi yang dijelaskan untuk rezim inflasi tinggi adalah:

Vπ = 0.856 + 916232.480 - 4.260 = 916229.076

Inflasi masa lalu dan kovarians inflasi masa lalu dan kesenjangan output hampir tidak
berkontribusi apa pun untuk menjelaskan varians regresi, tetapi varians yang dijelaskan oleh
kesenjangan output sangat besar. Mengabaikan yang lain, celah output menjelaskan
916,232.480/916,229.076≈ 1,0 atau 100 persen dari varians regresi yang dijelaskan. MeskipunR2
hanya 0,33, perbedaan inflasi dijelaskan hampir seluruhnya oleh perbedaan kesenjangan output.
Varians regresi yang dijelaskan untuk rezim inflasi rendah adalah:

Vπ = 1,035 + 0,763 - 7.2 × 10-5 = 1,797

Inflasi masa lalu menyumbang 1,035/1,797 = 0,576, atau 57,6 persen dari varians regresi
yang dijelaskan; kesenjangan output menyumbang 0,763/1,797 = 0,424 atau 42,4 persen; dan
kontribusi kovarians hampir tidak ada. Dengan sebuahR2 hanya 0,01, hasil ini diambil dengan hati-
hati dan tidak ada kesimpulan yang ditarik mengenai penyebab perbedaan inflasi dalam rezim ini.
Ekonomi 2021, 9, 37 14 dari 18

5. Kesimpulan
Dengan menggunakan model Markov-switching (TMS) univariat dan multivariat yang bervariasi
waktu, proses inflasi di Bolivia dijelaskan dimulai pada akhir tahun 1930-an. Setelah mengalami
setidaknya dua episode inflasi parah pada 1950-an dan 1980-an, Bolivia berdiri sendiri sebagai negara di
mana proses Markov mungkin merupakan pendekatan yang tepat untuk menganalisis inflasi.

Temuan utamanya adalah sebagai berikut: dengan data bulanan, proses inflasi yang dimulai
pada tahun 1937 secara akurat dijelaskan oleh TMS univariat. Intersep untuk rezim inflasi tinggi
secara signifikan lebih tinggi daripada rezim inflasi rendah dan tingkat inflasi yang sebenarnya
mencerminkan probabilitas smoothing dari proses Markov. Selain itu, perkiraan durasi masing-
masing rezim sangat sesuai dengan periode ketika negara mengalami tingkat inflasi yang rendah
dan sangat tinggi.
Dari perspektif jangka panjang dan memanfaatkan TMS multivariat, hasilnya umumnya
sejalan dengan apa yang diprediksi oleh teori kuantitas uang. Dalam rezim inflasi tinggi,
pertumbuhan uang meningkatkan inflasi (hampir) satu-untuk-satu, seperti yang dikatakan oleh
ekonomi klasik. Selain itu, kecepatan pertumbuhan meningkat, dan pertumbuhan PDB riil
menurunkan inflasi, sesuai dengan ekspektasi. Dalam rezim inflasi rendah, baik pertumbuhan dan
perputaran uang juga positif dan signifikan secara statistik, tetapi pertumbuhan PDB riil tidak,
meskipun masih memiliki tanda negatif yang diprediksi. Kesimpulan umum adalah bahwa inflasi
adalah fenomena moneter baik di rezim inflasi tinggi dan rendah, tetapi kekuatan prediksi
bagaimana perubahan jumlah uang beredar mempengaruhi inflasi lebih jelas dan lebih dekat
dengan ekspektasi dalam kasus inflasi tinggi. (Ada peringatan untuk kesimpulan ini.R2
didekomposisi untuk menganalisis proporsi varians yang dijelaskan dari variabel dependen yang
terkait dengan masing-masing variabel independen, pertumbuhan uang bukanlah variabel
terpenting yang menjelaskan inflasi baik dalam rezim inflasi tinggi atau rendah.) Durasi yang
diharapkan yang diperkirakan dari setiap rezim juga selaras dengan periode aktual ketika negara
mengalami tingkat inflasi yang tinggi dan rendah.
Dari perspektif jangka pendek dan memanfaatkan TMS multivariat, temuan
menunjukkan bahwa dalam rezim inflasi tinggi, inflasi hampir secara eksklusif
dijelaskan oleh kesenjangan output negatif, meskipun ada beberapa indikasi bahwa
faktor lain mungkin berperan. Pada rezim inflasi rendah, lag inflasi merupakan faktor
penentu inflasi yang paling penting, sejalan dengan ekspektasi kekakuan harga. Tidak
mengherankan, dalam rezim inflasi tinggi, inflasi tertinggal secara statistik tidak
signifikan, menunjukkan bahwa, ketika harga tidak lagi memberikan informasi yang
berguna, fluktuasi harga masa lalu tidak berperan dalam mempengaruhi inflasi saat ini.

Pemisahan sumber inflasi menunjukkan bahwa, dari perspektif jangka panjang dan dalam
rezim inflasi tinggi, perbedaan inflasi sebagian besar dijelaskan oleh pertumbuhan PDB; demikian
pula, dalam rezim inflasi rendah, pertumbuhan uang dan pertumbuhan kecepatan adalah faktor
utama yang menjelaskan varians inflasi. Dari perspektif jangka pendek, kesenjangan output
menjelaskan hampir semua varians regresi dalam rezim inflasi tinggi, dan inflasi masa lalu
melakukan hal yang sama selama masa inflasi rendah, meskipun dalam kedua kasusR2 rendah,
yang menghalangi membuat pernyataan pasti tentang sumber variabilitas inflasi.
Kesimpulan penting adalah bahwa, di negara-negara seperti Bolivia, yang telah mengalami fluktuasi harga yang
signifikan, inflasi paling baik dianalisis dengan model yang memungkinkan perubahan parameter yang
mempengaruhinya pada serangkaian negara bagian yang tidak teramati. Hasilnya cenderung menggabungkan fitur
spesifik dari masing-masing negara bagian dan karenanya menghasilkan perkiraan yang lebih andal tentang faktor-
faktor yang mempengaruhi inflasi dari waktu ke waktu.
Implikasi kebijakan utama menyangkut pengendalian jumlah uang beredar. Karena telah
ditentukan bahwa dari perspektif jangka panjang tingkat pertumbuhan di M2 adalah penentu
utama inflasi baik di rezim inflasi tinggi dan rendah, maka terserah kepada Bank Sentral Bolivia
untuk memastikan bahwa jumlah uang beredar tidak tumbuh di luar kendali. Selanjutnya, dan dari
perspektif jangka pendek, membatasi pertumbuhan jumlah uang beredar juga dapat
Ekonomi 2021, 9, 37 15 dari 18

meredam ekspektasi inflasi, yang telah ditemukan menjadi penentu penting inflasi
dalam rezim inflasi rendah.

Pendanaan: Penelitian ini tidak menerima dana dari luar.

Ucapan terima kasih: Penulis berterima kasih atas saran yang berguna dari tiga wasit anonim. Setiap kesalahan yang
tersisa adalah milik saya sendiri.

Konflik kepentingan: Penulis menyatakan tidak ada konflik kepentingan.

Lampiran A

Tabel A1. Model Markov-Switching Univariat Bervariasi Waktu untuk Inflasi Bulanan.

Rezim 1—Koefisien Rezim 2—Inflasi Rendah

Inflasi Tinggi Kesalahan St Koefisien Kesalahan St

Beralih Regresor
Konstan 65.682*** 1,851 2,003*** 0,576

# Pengamatan: 992 Log-

Kemungkinan: -3032.42
Probabilitas Transisi yang Bervariasi Waktu dan Durasi yang Diharapkan dari Rezim 1 dan Rezim 2

Probabilitas transisi: P(i, k) = P(s(t) = k | s(t-1) = i) (baris = i/kolom = j)

1 2
Berarti 1 0,444 0,556
2 0,005 0.995

Durasi yang diharapkan:

1 2
197.33
Berarti 1,80 bulan
bulan
Tingkat inflasi bulanan dinyatakan dalam persentase
Regresor probabilitas: C,
inflasiT-1
Empat regressor AR non-switching termasuk dalam spesifikasi; tidak ditampilkan dalam tabel
* P < 0,1; **P < 0,05; ***P < 0,01.

Lampiran B

Tabel A2. Model Markov-Switching Univariat Bervariasi Waktu untuk Inflasi Bulanan.

Rezim 1—Koefisien Rezim 2—Inflasi Rendah

Inflasi Tinggi Kesalahan St Koefisien Kesalahan St

Beralih regressor
Konstan 0,461*** 0,017 0,019*** 0,006

# Pengamatan: 992 Log-

Kemungkinan: 1801.414
Probabilitas Transisi yang Bervariasi Waktu dan Durasi yang Diharapkan dari Rezim 1 dan Rezim 2

Probabilitas Transisi: P(i, k) = P(s(t) = k | s(t-1) = i) (baris = i/kolom = j)

1 2
Berarti 1 0,499 0,501
2 0,004 0.996
Ekonomi 2021, 9, 37 16 dari 18

Tabel A2. Lanjutan

Rezim 1—Koefisien Rezim 2—Inflasi Rendah

Inflasi Tinggi St. Error Koefisien St. Error
Durasi yang Diharapkan:
1 2
247.14
Berarti 1,99 bulan
bulan
Tingkat inflasi bulanan diperkirakan sebagai perbedaan pertama dari log alami dari
tingkat harga
Regresor probabilitas: C, inflasiT-1
Empat regressor AR non-switching termasuk dalam spesifikasi; tidak ditampilkan dalam tabel
* P < 0,1; **P < 0,05; ***P < 0,01.

Lampiran C

Tabel 3. Korelasi, Kovarian, dan Uji Akar Unit.

Matriks Korelasi Berpasangan (Jangka Panjang)

Inflasi Pertumbuhan M2 Kecepatan Pertumbuhan M2 Pertumbuhan PDB Riil

Inflasi 1 0,96906 0.45202 - 0.38046

Pertumbuhan M2 1 0.24137 - 0,34668
Kecepatan Pertumbuhan M2 1 - 0,01838
Pertumbuhan PDB riil 1
Matriks Korelasi Berpasangan (Lari Pendek)
Inflasi Inflasi (-1) PDB riil Potensi PDB Riil
Inflasi 1 0.66289 - 0.15535 - 0.14014
Inflasi (-1) 1 - 0.16475 - 0.14035
PDB riil 1 0.99692
Potensi PDB riil 1
Matriks Kovarians (jangka panjang)
Inflasi Pertumbuhan M2 Kecepatan Pertumbuhan M2 Pertumbuhan PDB Riil
Inflasi 0,46827 0,05805 - 0,00928
Pertumbuhan M2 0,00034 0,00053
Kecepatan Pertumbuhan M2 0,00300
Matriks Kovarians (Jangka Pendek)
Inflasi Inflasi (-1) PDB riil Potensi PDB Riil
Inflasi 0,34247 - 0,05301 - 0,04749
Inflasi (-1) - 0,05617 - 0,04752
PDB riil 0,22294

Tes Akar Unit

ditambah
Tes Phillips-Perron
Tes Dickey-Fuller Masalah Masalah
Statistik
Statistik
Inflasi (Bulanan) - 5.31437 *** 0,00000 - 21.76118 *** 0,00000
Inflasi (Tahunan) - 7.909103*** 0,00000 - 7.909103*** 0,00000
Inflasi Tahunan (-1) - 4.071251 *** 0,00000 - 4.169057 *** 0,00000
d(M2) - 8.1123352*** 0,00000 - 4.071977 *** 0,00190
d (Kecepatan M2) - 5.653667 *** 0,00000 - 8.53470 *** 0,00000
d (PDB Riil,2) - 12.06574 *** 0,00000 - 12.58641 *** 0,00000
d (Potensi PDB Riil,2) - 2.16720 * 0,08300 - 2.01162 * 0,08120
* P < 0,1; **P < 0,05; ***P < 0,01.

Referensi
Acharya, Viral V., dan Lasse Heje Pedersen. 2005. Penetapan Harga Aset dengan Risiko Likuiditas.Jurnal Ekonomi Keuangan 77: 375–410.
[CrossRef]
Aït-Sahalia, Yacine. 1996. Pengujian Model Continuous-Time dari Suku Bunga Spot.Tinjauan Studi Keuangan 9: 385–426. [CrossRef]
Ekonomi 2021, 9, 37 17 dari 18

Alexander, Carol, dan Andreas Kaeck. 2008. Rezim Dependent Determinants dari Credit Default Swap Spreads.Jurnal Perbankan dan
Keuangan 32: 1008–21. [CrossRef]
Amisano, Gianni, dan Gabriel Fagan. 2013. Pertumbuhan Uang dan Inflasi: Pendekatan Rezim Switching.Jurnal Uang Internasional
dan Keuangan 33: 118–45. [CrossRef]
Ascari, Guido, Louis Phaneuf, dan Eric R. Sims. 2018. Tentang Kesejahteraan dan Implikasi Siklus Inflasi Tren Moderat.Jurnal dari
Ekonomi Moneter 99: 56–71. [CrossRef]
Aye, Kebaikan C., Tsangyao Chang, dan Rangan Gupta. 2016. Apakah Emas merupakan Lindung Nilai Inflasi? Bukti dari Markov yang Terganggu
Model Kointegrasi Switching. Kebijakan Sumber Daya 48: 77–84. [CrossRef]
Bidarkota, Prasad V. 2001. Model Penggantian Rezim Alternatif untuk Peramalan Inflasi. Jurnal Peramalan 20: 21–35. [CrossRef] Binner, Jane
M., C. Thomas Elger, Birger Nilsson, dan Jonathan A. Tepper. 2006. Non-Linearitas yang Dapat Diprediksi dalam Inflasi AS.Ekonomi
Surat 93: 323–28. [CrossRef]
Bojanic, Antonio N. 2013. InflaciHaine Incertidumbre Inflacionaria en Bolivia. Ekonomi El TrimestreHaimiko 80: 401–26. [
CrossRef] Bojanic, Antonio N. 2019. Evolusi Ekonomi Bolivia, edisi ke-2. Dubuque: Perusahaan Penerbitan Kendall Hunt.
Bordon, Michael D., dan Lars Jong. 2004.Permintaan Uang: Analisis Perilaku Jangka Panjang dari Kecepatan Sirkulasi.
Piscataway: Penerbit Transaksi.
Cabrieto, Jedelyn, Janne Adolf, Francis Tuerlinckx, Peter Kuppens, dan Eva Ceulemans. 2018. Mendeteksi Ketergantungan Otomatis yang Berumur Panjang
Perubahan dalam Sistem Multivariat Melalui Deteksi Titik Perubahan dan Model Pergantian Rezim. Laporan Ilmiah 8: 15637. [CrossRef
] [PubMed]
Campbell, John, dan John Cochrane. 1999. Dengan Kekuatan Kebiasaan: Penjelasan Berbasis Konsumsi dari Perilaku Pasar Saham Agregat.
Jurnal Ekonomi Politik 107: 205–51. [CrossRef]
Dai, Wei, dan Apostolos Serletis. 2019. Tentang Markov Switching Welfare Cost of Inflation.Jurnal Dinamika dan Kontrol Ekonomi
108: 103748. [CrossRef]
Davig, Troy, dan Taeyoung Doh. 2014. Pergeseran Rezim Kebijakan Moneter dan Persistensi Inflasi.Tinjauan Ekonomi dan Statistik 96:
862–75. [CrossRef]
Di Persio, Luca, dan Samuele Vettori. 2014. Analisis Model Markov Switching dari Volatilitas Tersirat untuk Indeks Pasar dengan
Aplikasi ke S&P 500 dan DAX. Jurnal Matematika 2014: 753852. [CrossRef]
Diebold, Francis X., Joon-Haeng Lee, dan Gretchen C. Weinbach. 1994. Pergantian Rezim dengan Probabilitas Transisi Bervariasi Waktu.
Di dalam Analisis dan Kointegrasi Deret Waktu Nonstasioner. Diedit oleh Colin Hargreaves. Oxford: Oxford University Press, hal. 283–
302. Driffill, John, dan Martin Sola. 1998. Gelembung Intrinsik dan Pergantian Rezim.Jurnal Ekonomi Moneter 42: 353–73. [CrossRef] Engel,
Charles. 1994. Bisakah Model Markov Switching Memprediksi Nilai Tukar?Jurnal Ekonomi Internasional 36: 151–65.
[CrossRef]
Filardo, Andrew J. 1994. Fase Siklus Bisnis dan Dinamika Transisinya. Jurnal Statistik Bisnis & Ekonomi 12: 299–308. Fink, Holger,
Yulia Klimova, Claudia Czado, dan Jakob Stöber. 2017. Model Rezim Switching Vine Copula untuk Ekuitas Global dan
Indeks Volatilitas. ekonometrika 5: 3. [CrossRef]
Friedman, Milton. 1963. Inflasi: Penyebab dan Konsekuensi, Koleksi Karya Milton Friedman Project Records, Hoover Institution
Arsip. Tersedia secara online:https://miltonfriedman.hoover.org/objects/57545 (diakses pada 3 Juli 2020).
Goldfeld, Stephen M., dan Richard E. Quandt. 1973. Model Markov untuk Regresi Switching.Jurnal Ekonometrika 1: 3–15.
[CrossRef]
Guerson, Alejandro. 2015. Dinamika Inflasi dan Kebijakan Moneter di Bolivia, Kertas Kerja IMF WP/15/266. Tersedia secara online:
https://ssrn.com/abstract=2733575 (diakses pada 3 Juli 2020).
Hamilton, James D. 1989. Pendekatan Baru untuk Analisis Ekonomi Deret Waktu Nonstasioner dan Siklus Bisnis. ekonometrika
57: 357–84. [CrossRef]
Hamilton, James D. 2005. Apa yang Nyata tentang Siklus Bisnis? Tinjauan Federal Reserve Bank of St. Louis 87: 435–52.
Hamilton, James D. 2016. Rezim Makroekonomi dan Pergeseran Rezim. Di dalamBuku Pegangan Makroekonomi. Diedit oleh Harald Uhlig dan
John Taylor. Amsterdam: Elsevier, vol. 2A, hlm. 163–201.
Kim, Chang-Jin, Jeremy Piger, dan Richard Startz. 2008. Estimasi Model Regresi Markov Regime-Switching dengan Endogen
Beralih. Jurnal Ekonometrika 143: 263–73. [CrossRef]
Kim, Chang Jin. 1993a. Model Deret Waktu Komponen Tak Terobservasi dengan Heteroskedastisitas Markov-Switching: Perubahan Rezim
dan Hubungan antara Tingkat Inflasi dan Ketidakpastian Inflasi. Jurnal Statistik Bisnis & Ekonomi 11: 341–49.
Kim, Chang Jin. 1993b. Sumber Ketidakpastian Pertumbuhan Moneter dan Aktivitas Ekonomi: Model Time-Varying-Parameter with
Gangguan Heteroskedastis. Tinjauan Ekonomi dan Statistik 75: 483–92. [CrossRef]
Kim, Chang Jin. 1994. Model Linier Dinamis dengan Markov-Switching.Jurnal Ekonometrika 60: 1-22. [CrossRef]
Loayza, Norman A. 1997. Ekonomi Sektor Informal: Model Sederhana dan Beberapa Bukti Empiris dari Amerika Latin
ica (Inggris). Policy, Research Working Paper, No. WPS 1727. Washington: World Bank Group, Tersedia online:http://
documents.worldbank.org/curated/en/685181468743710751/The-economics-of-the-informal-sector-a-simple-modeland-some-
empirical-evidence-from-Latin-America (diakses pada 3 Juli 2020). Lucas, Robert E. 2000. Inflasi dan Kesejahteraan.
ekonometrika 68: 247–74. [CrossRef]
Ma, Feng, MIM Wahab, Dengshi Huang, dan Weiju Xu. 2017. Memprediksi Realisasi Volatilitas Pasar Berjangka Minyak: A
Pendekatan Pergantian Rezim. Ekonomi Energi 67: 136–45. [CrossRef]
Ekonomi 2021, 9, 37 18 dari 18

Maheu, John M., dan Thomas H. McCurdy. 2002. Fitur Nonlinier dari Volatilitas Valas yang Direalisasi.Tinjauan Ekonomi dan Statistik 84:
668–81. [CrossRef]
Montero Kuscevic, Casto MartSayan, Marco Antonio del RSayao Rivera, dan J. Sebastian Leguizamon. 2018. Volatilitas Inflasi dan Ekonomi
Pertumbuhan di Bolivia: Sebuah Analisis Regional. Makroekonomi dan Keuangan dalam Ekonomi Pasar Berkembang 11: 36–46. [CrossRef]
Morales, Juan Antonio. 1987.Stabilisasi Inflasi di Bolivia, Documento de Trabajo No. 06/87. La Paz: Universidad CatHailica Boliviana,
Instituto de Investigaciones Sosial EkonomiHaimika (IISEC).
Moroney, John R. 2002. Pertumbuhan Uang, Pertumbuhan Output, dan Inflasi: Estimasi Teori Kuantitas Modern. Ekonomi Selatan
jurnal 69: 398–413. [CrossRef]
Nathans, Laura L., Frederick L. Oswald, dan Kim Nimon. 2012. Menafsirkan Regresi Linier Berganda: Buku Panduan Variabel
Pentingnya. Penilaian Praktis, Penelitian, dan Evaluasi 17: 9. [CrossRef]
Penha Cysne, Rubens, dan Davis Turchick. 2010. Biaya Kesejahteraan Inflasi ketika Deposito Berbunga Diabaikan: A
Perhitungan Bias. Jurnal Dinamika dan Kontrol Ekonomi 34:1015–30. [CrossRef]
Rapach, David E., dan Mark E. Wohar. 2005. Pengujian In-Sample vs. Out-of-Sample Prediktabilitas Pengembalian Saham dalam Konteks Data
Pertambangan. Jurnal Keuangan Empiris 13: 231–47. [CrossRef]
Sachs, Jeffrey. 1986.Hiperinflasi dan Stabilisasi Bolivia. Seri Makalah Diskusi NBER No. 2073. Cambridge: NBER. Simon, Yohanes.
1996.Model Inflasi Markov-Switching di Australia. Makalah Diskusi Penelitian RBA, rdp9611. Sydney: Bank Cadangan
dari Australia.