Nama: Irma Yunita

Nim: 200231100017
Kelas: Ekonomi Pembangunan_A_

Vektor Autoregressive (VAR) Models

Vektor Autoregressive (VAR) models adalah salah satu analisis yang digunakan untuk
menganalisis data deret waktu. Data deret waktu dikategorikan menurut interval waktu yang
sama, baik dalam harian, mingguan, bulanan, kuartalan, ataupun tahunan. Model
Autoregression (VAR) merupakan sebuah metode estimasi yang dikembangkan oleh
Cristoper A.Sim pada tahun 1980. Metode ini merupakan pengembangan dari metode
autoregressions (AR) univariate, model AR merupakan sistem persamaan yang
memperlihatkan setiap variabel sebagai fungsi linear dari konstanta dan nilai lag dari peubah
lain yang ada dalam sistem persamaan. Jadi variabel penjelas dalam VAR meliputi nilai lag
seluruh variabel tak bebas dalam sistem.VAR merupakan metode apriori terhadap teori
ekonomi,metode ini muncul sebagai jalan keluar atas permasalahan yang dihadapi dalam
penggunaan pendekatan struktural untuk model simultan.

Sistem persamaan simultan atau model adalah suatu himpunan persamaan dimana variabel
tak bebas dalam satu atau lebih persamaan juga merupakan variabel bebas dalam beberapa
persamaan lainnya, yaitu keadaan dimana didalam sistem persamaan suatu variabel sekaligus
memiliki dua peranan yaitu sebagai variabel tak bebas dan variabel bebas. Persamaan
simultan merupakan persamaan dua arah antara variabel X (bebas) dengan beberapa variabel
X yang lain. Persamaan simultan ini menggambarkan hubungan ketergantungan antara
variabel bebas yang satu dengan yang lain. Ciri dari persamaan simultan adalah variabel
dependen dari suatu persamaan, bias menjadi variabel bebas dari persamaan yang lain dalam
satu system atau model.
Keunggulan VAR

- Bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teoriekonomi
yang sering muncul termasuk gejala perbedaan semu (spurious variable endogenty
dan exogenty) di dalam model ekonometrik konvensional terutama pada persamaan
simultan sehingga menghindari penafsiran yangsalah
- Dengan Teknik VAR maka yang terpilih hanya variabel yang relavan untuk
disinkronsasikan dengan teori yangada.

Pros and cons of the VAR models

Pendekatan model VAR memiliki beberapa karakteristik yang sangat baik. Pertama, sangat
sederhana.Ahli ekonometrika tidak perlu khawatir tentang variabel mana yang endogen atau
eksogen. Kedua,estimasi juga sangat sederhana, dalam arti setiap persamaan dapat diestimasi
secara terpisah dengan metode OLS biasa. Ketiga, prakiraan yang diperoleh dari Model VAR
dalam banyak kasus lebih baik daripada yang diperoleh dari jauh lebih kompleks model
persamaan simultan (lihat Mahmoud, 1984; McNees, 1986). Namun, di sisi lain, model VAR
telah menghadapi kritik keras atas berbagai poin. Pertama, mereka atheoretis, karena tidak
didasarkan pada teori ekonomi apa pun. Karena awalnya tidak ada batasan pada salah satu
parameter yang diestimasi, di efek 'semuanya menyebabkan segalanya'. Namun, inferensi
statistik sering digunakan dalam model yang diestimasi sehingga beberapa koefisien yang
tampaknya tidak signifikan dapat menjadi dijatuhkan, untuk mengarah pada model yang
mungkin memiliki teori konsisten yang mendasarinya. Inferensi seperti itu biasanya
dilakukan dengan menggunakan apa yang disebut uji kausalitas. Ini adalah disajikan pada
bagian berikutnya.

Kritik kedua menyangkut hilangnya derajat kebebasan. Jika kita menganggap bahwa kita
memiliki model VAR tiga variabel dan memutuskan untuk memasukkan 12 lag untuk setiap
variabel di masing-masing persamaan, ini akan memerlukan estimasi 36 parameter di setiap
persamaan ditambah konstanta persamaan. Jika ukuran sampel tidak cukup besar, perkirakan
a jumlah parameter akan mengkonsumsi banyak derajat kebebasan, sehingga menciptakan
masalah dalam perkiraan
Causality test

Salah satu vitur bagus dalam model VAR adalah model ini memungkinkan untuk dapat
menguji arah kausalitas.Kausalitas dalam ekonometrika agak berbeda dengan konsep
penggunaannya dalam sehari-hari, dimana kausalitas ini mengacu pada kemampuan satu
variabel untuk memprediksi variabel laiinya. Misalkan dua variabel, katakanlah yt dan xt,
saling mempengaruhi dengan lag terdistribusi. Hubungan antara variabel-variabel ini dapat
ditangkap oleh VAR model.

Dalam hal ini dimungkinkan untuk menyatakan bahwa

(a) yt menyebabkan xt;

(b) xt menyebabkan yt;

(c) di sana merupakan umpan balik dua arah (kausalitas antar variabel);dan

(d) kedua variabel independen. Masalahnya adalah menemukan prosedur yang tepat yang
memungkinkan kita untuk menguji dan secara statistik mendeteksi hubungan sebab dan
akibat antaravariabel.

The Granger causality test

Uji kausalitas Granger untuk kasus dua variabel stasioner yt dan xt melibatkan as
langkah awal estimasi model VAR berikut:

yt = a1 +n

i=1 βixt−i +m

j=1 γjyt−j +

e1t

xt = a2 +n

i=1

θixt−i +m

j=1

δjyt−j + e2t
ESTIMASI MODEL VAR

1. Model VAR merupakan sistem persamaan simultan dimana jika peubah bebas di semua
persamaan yang sama, estimasi dapat dilakukan dengan metode OLS terhadap setiap
persamaan.

2. Jika peubah bebas berbeda antar persamaan, menjadi near VAR. Estimasi dengan metode
SUR (Seemingly UnrelatedRegression).

3. Estimasi model VAR p, penting untuk menetukan lag ataup.

4. Lag optimal dapat ditentukan dengan menggunakan beberapa kriteria yaitu, LR , AIC,
SC, LR, FPE, danHQ.

5. Kriteria pemilihan lag optimal adalah pada LR yang terbesar, atau pada AIC, SC, FPE, dan
HQ bernilaikecil.

6. Agar semua kriteria dapat dibandingkan dengan berbagai lag, banyak observasiyang
digunakan untuk model VAR yang harussama.