Ekonometrika Lanjutan

Program Studi Statistika

Semester Genap 2015/2016

Rahma Fitriani, S.Si., M.Sc., P.hD

Kointegrasi dan Spurious Regression
 Sebagian besar variabel – variabel ekonomi makro (mis:
GDP, IHG, suku bunga) bersifat tidak stasioner seiring
waktu
 Jika dua variabel mempunyai kecenderungan yang sama
seiring waktu dan memang memiliki hubungan sebab
akibat (mis: pendapatan dan konsumsi), maka kombinasi
linier dari keduanya dapat meniadakan sifat tidak stasioner
tsb  berkointegrasi
 Hubungan antar keduanya berlangsung terus menerus 
jangka panjang (long run)
Kointegrasi dan Spurious Regression
 Jika kecenderungan dari dua variabel seiring waktu tidak
selaras, maka kedua variabel tersebut tidak berkointegrasi
 Ketika ingin dibentuk model regresi dari dua variabel yang
tidak stasioner tersebut, model yang dihasilkan
kemungkinan besar bersifat spurious
 Pada kasus ini kointegrasi dapat tercapai jika masing –
masing variabel dibedakan terlebih dahulu
 Muncul masalah pada pendugaan parameter regresi antara
dua variabel yang tidak stasioner, berkointegrasi maupun
tidak
Kointegrasi dan Spurious Regression
 Penduga yang lebih baik dapat diperoleh dari regresi
antara dua variabel hasil pembedaan yang masing-masing
sudah stasioner
 Masalah yang timbul:
 Hubungan antara dua variabel hasil pembedaan berlaku untuk
jangka pendek
 Untuk kepentingan peramalan, tidak dapat diperoleh solusi unik
secara jangka panjang
Kointegrasi dan Spurious Regression
 Contoh:
 Pada model dengan variabel tanpa pembedaan
Yt  0.5 X t
 Pada Xt = 10 diperoleh solusi unik Yt = 5.
 Akan tetapi jika dibentuk model berdasarkan variabel dengan
pembedaan
Yt  0.5X t
Yt  Yt 1   0.5 X t  X t 1 
 Meskipun diketahui Xt = 10, solusi tidak dapat ditemukan
kecuali diketahui pula nilai Xt-1 dan Yt-1
Kointegrasi dan Spurious Regression
 Dalam konteks model dinamis, model berdasarkan
variabel hasil pembedaan merupakan hubungan jangka
pendek
 Secara jangka panjang, diharapkan terjadi kondisi
equilibrium/kesetimbangan di mana berlaku:
Yt  Yt 1  Y *
X t  X t 1  X *
 Oleh sebab itu, dibutuhkan model yang dapat menjelaskan
hubungan jangka pendek, dan sekaligus dapat
menggambarkan bagaimana proses mencapai kondisi pada
jangka panjang/equilibrium.
Error Correction Mechanism (ECM)
 Diterapkan pada dua deret waktu yang berkointegrasi
 Melibatkan efek jangka pendek, efek jangka panjang dan efek
penyesuaian dari perubahan pada jangka pendek menuju
kondisi equilibrium (jangka panjang)
 Digunakan pembedaan pertama pada Y (∆Y), pembedaan
pertama pada X (∆X) dan selisih dari prediksi equilibrium dan
realisasi Y pada periode waktu sebelumnya

Yt   0 X t  1    0   1 X t 1  Yt 1   u t
Error Correction Model/Mechanism (ECM)
 Karakteristik dari “error correction” adalah pernyataan
bahwa perubahan nilai satu variabel disebabkan oleh
perubahan nilai variabel lain dengan penyesuaian berupa
selisih antara nilai equilibrium dan realisasi nilai Y pada
periode waktu sebelumnya.
 Model tersebut menghubungkan sifat kesetimbangan
jangka panjang dengan sifat dinamis pada jangka pendek
 Misalkan pada kesetimbangan jangka panjang berlaku
hubungan berikut

Yt   0   1 X t (1)

 Dibentuk pula model yang menggambarkan hubungan

dinamis antara X dan Y

Yt   0   1Yt 1   0 X t   1 X t 1  u t (2)

 Akan ditentukan kondisi tertentu di mana model (2)

konsisten dengan model (1)
 Langkah awal adalah mengabaikan dinamika dan fluktuasi secara
stokastik pada model (2), sedemikian sehingga

Yt  Yt 1  Y * , X t  X t 1  X * , ut  0
 Yang berakibat:
Y *   0  1Y *   0 X *   1 X *

Y*  0
1  1  1 X *
0 1
1
(3)

 Model (3) akan konsisten dengan model (1) jika:

 0  1 ,  1 
0
1
 0  1
11 (4)
 Modifikasi dari hubungan (4):
1  1  0
0   0   0 1   1 
 1 1   1    0   1   1   1 1   1    0

 Substitusi hubungan tersebut pada model (2)

Yt   0   1Yt 1   0 X t   1 X t 1  u t

Yt   0 1   1   1  1   1 Yt 1   0 X t   1 1   1    0  X t 1  u t

 Dengan pengaturan lebih lanjut, diperoleh model EC

Yt   1 X t  1  1  0   1 X t 1  Yt 1   u t (5)

 ECM diperoleh ketika hubungan dinamis pada model (2)
konsisten dengan hubungan jangka panjang/equilibrium
(model (1)).
Interpretasi dan hubungan antar parameter
pada ECM
 Misalkan: kondisi equilibrium sudah tercapai ketika ∆Xt = 0 dan ut =
0

 Ingin dipelajari mekanisme perubahan nilai Y menuju kondisi

equilibrium berdasarkan ECM

 Model ECM di (5) ketika kondisi equilibrium menjadi:

Yt   1 X t  1  1  0   1 X t 1  Yt 1   u t

Yt  1  1  0   1 X t 1  Yt 1 
Nilai equilibrium Realisasi Y pada t
Y pada t – 1 –1
Interpretasi dan hubungan antar parameter
pada ECM
 Beberapa skenario kondisi disequilibrium:
1.  0   1 X t 1  Yt 1  0
 Realisasi nilai Y pada t – 1 di bawah nilai equilibrium, sehingga
dari t – 1 ke t nilai Y mengalami kenaikan menuju kondisi
equilibrium  ∆Yt > 0

2.  0   1 X t 1  Yt 1  0

 Realisasi nilai Y pada t – 1 di atas nilai equilibrium,

sehingga dari t – 1 ke t nilai Y mengalami penurunan
menuju kondisi equilibrium  ∆Yt < 0
Interpretasi dan hubungan antar parameter
pada ECM
 Jika melihat kembali ECM pada kondisi equilibrium

Yt  1  1  0   1 X t 1  Yt 1 
 Dua kondisi sebelumnya berlaku jika dan hanya jika:
1  1 0

 Dengan melihat hubungan antar parameter sebelumnya, maka

syarat tersebut menjadi:

0  1  1 1

 Terpenuhi atau tidaknya syarat tersebut dapat dilihat dari hasil

pengujian hipotesis keberartian parameter model.
Interpretasi dan hubungan antar parameter
pada ECM
 Langkah – langkah:
1. Lakukan pendugaan parameter bagi model (2) (OLS)

Yt   0   1Yt 1   0 X t   1 X t 1  u t
2. Tentukan laju perubahan marjinal X terhadap Y secara jangka
pendek berdasarkan penduga parameter model yang
berhubungan dengan Xt: ˆ 0

3. Tentukan laju perubahan marjinal X terhadap Y secara jangka

panjang (dari hubungan (4))

ˆ1  ˆ0  ˆ1

1ˆ1
Interpretasi dan hubungan antar parameter
pada ECM
4. Uji kelayakan ECM dengan hipotesis:

0  1 ˆ 1 1  0 ˆ 1 1

5. Tentukan besaran penyesuaian dari periode t – 1 ke t:

1 ˆ 1 0  Dari t – 1 ke t hampir tidak

ada penyesuaian menuju
kondisi equilibrium

1 ˆ 1 1  Dari t – 1 ke t penyesuaian

terjadi sepenuhnya
0  1 ˆ 1 1
 Hanya r% penyesuaian yang
mis : 1 ˆ 1 r % terjadi pada periode t – 1 ke t
Contoh Konsumsi dan Pendapatan
 Kedua variabel diamati seiring waktu (dalam log) dari
tahun 1959 s/d 1994
 Keduanya tidak stasioner dan memiliki pola
kecenderungan yang sama
Plot deret waktu Log Konsumsi
9.8

9.7

9.6

9.5

9.4
l_Ct

9.3

9.2

9.1

8.9
1960 1965 1970 1975 1980 1985 1990
 Plot Deret waktu Log Pendapatan
9.9

9.8

9.7

9.6

9.5
l_Yt

9.4

9.3

9.2

9.1

9
1960 1965 1970 1975 1980 1985 1990
  Hasil pendugaan model dinamis (model 2) dari log konsumsi
(l_Ct) dan log pendaptan (l_Yt):

Model 3: OLS, using observations 1960-1994 (T = 35)

Dependent variable: l_Ct
ˆ0 1  ˆ 1
Coefficient Std. Error t-ratio p-value
const -0.0935861 0.0810434 -1.1548 0.25701
l_Yt 0.855672 0.101071 8.4661 <0.00001***
l_Yt_1 -0.6079 0.158092 -3.8452 0.00056 ***
l_Ct_1 0.759905 0.127792 5.9464 <0.00001***

Mean dependent var 9.416663 S.D. dependent var 0.237671

Sum squared resid 0.003195 S.E. of regression 0.010152
R-squared 0.998336 Adjusted R-squared 0.998175
F(3, 31) 6201.175 P-value(F) 3.83e-43
Log-likelihood 113.1135 Akaike criterion -218.2270
Schwarz criterion -212.0057 Hannan-Quinn -216.0794
rho 0.025967 Durbin's h 0.227042