Perbedaan VAR & VECM
Vector Auto Regression (VAR)
• Tujuan: Mencari apakah ada
hubungan jangka pendek
antara variabel?
• Tidak ada co-integrated
• Teknis: Tingkat stasionaritas
seluruh variabel sama
• Contoh: 2 variabel, M1 dan
inflasi
VECM
• Tujuan: Mencari apakah ada
hubungan jangka panjang
atau ngga antarvariabel
yang diolah? (ada co-
integration?)
• Teknis: Tingkat stasionaritas
tiap variabel berbeda
• Yang dicari long-term
equilibrium
• Contoh:
 VAR
• k (jumlah integrating equation)
• Dicari menggunanakn Johansen Cointegrating
• Nilai k= 0  VAR  data stasioner
• Nilai k= 0<k<sigma variabel  VECM
• Nilai k= 2 atau = sigma variabel  VAR 
Data level
 Praktik Eviews
• Cek stasionaritas tiap data Pake Dicky Fuller
Test (DF test).
• Result:
• IHSG: 1st difference
• Inflasi: Data level
• BI rate: 1st difference
• M1: 1st difference
• M2: 2nd difference
• Rp – Us: 1st difference
 Mau lihat co-integration
1. untuk BI rate & IHSG  urutan penting ya!
• Diblock 2 variabel tsb => quick => group statistic=> co-
integration=> ok
• Muncul 2 tabel
• a. Test (trace) v Biasanya kasih rekomendasi yang sama
v kalo beda-> Tergantung judgement
• b. Maximum eigenvalue periset
• Sekarang liat trace aja
• Baris 1; hipotesis Ho: Berapa jumlah kointegrasinya?
• Ho: Zero co-integration equation Prob: 0,5592
• H1: at least one co-integration equation Tolak Ho!
• Di ujung kiri Ho ada tanda *? Kalo ngga ada Zero co-
integration
• k=0  VAR => BI Rate dan IHSG di 1st difference dulu biar
stasioner
2. M1 & Inflasi
Dilihat ada tanda *1  Ada one cointegrating
equation
Ho: Paling byk ada 1 co-integration equation
H1: Ada 2 cointegration
0<k<sigma var  VECM

3. Untuk kurs dan inflasi

Dilihat ada 2 tanda **  Ada two cointegrating
equation
k= sigma variabel VAR  Data level
• Analisis VECM
• Cari lag optimal dulu -> Harus dalam bentuk
VAR (diblok -> klik kanan -> open as VAR)
• Klik view -> Lag structure -> Lag length criteria
-> lihat * di tiap criteria -> di lag 1 semua

• Ubah ke bentuk VECM

• Diblok lagi -> klik kanan-> open as VAR -> Pilih
vector error-> correction-> cointegration 1 ->
Lag diubah jadi 1 1 -> Ok
• Analisis Granger
• Klik view -> lag structure -> granger
• Mau dr M1 ke inflasi (prob. 0,2449) atau
inflasi ke M1 (prob. 0,7390) gak signifikasn
granger-nya secara statistik
• Tapi kalau mau bandingin prob. nya, maka M1
lebih pengaruh ke inflasi