MODELLING
e
Syarat-syarat Model ARDL
Menggunakan model time-series maka perlu pengujian
stasioneritas. Stasioneritas berupa ADF, PP, dan KPSS.
Staisioner tingkat level atau dif (1) tidak disarankan dif (2)
Data time-series disarankan harus lebih panjang. Akan
tetapi data yang sedikit dapat di estimasi tergantung
jumlah variabel. Mengapa? Semakin banyak variabel
maka lag ikut mempengaruhi jumlah data yang tersedia.
Contoh: variabel 4. lag 4. obs 50. Maka 4x4=16 sample
yang hilang dan 50-16 = 34 obs yang tersedia.
Sample dengan ukuran kecil dibawah 20 dapat diestimasi
dengan kurang dari 3 variabel (termasuk dependen) dan
terbatas penggunaan lag.
Tidak terdapat gejala autokorelasi
Lag optimum dinamis dan Fix
lag optimum merupakan langkah kedua yang penting.
Semakin banyak lag maka berdampak pemilihan model
dan efisiensi model.
Pemilihan lagi optimum melalui :
1. AIC (akaike information criteria),
2. SC (Schwartchz Criteria)
3. HQ (Hannan-Quinn)
Lag dapat fix tergantung kebutuhan estimasi, tetapi
disarankan memakai kriteria.
Tujuan lag fix sebagai bentuk tes estimasi awal pendugaan
model p,q (1,1).
Keuntungan Model ARDL
Beberapa keuntungan model ARDL
1. Jika data stasioner at-level, maka estimasi ARDL dapat
digunakan.
2. Jika data stasioner first-diff, estimasi ARDL tetap bisa
dilakukan.
3. Jika data stasioner at-level dan data lain stasioner first diff,
estimasi ARDL bisa digunakan (mixture stasionary).
4. Sample kecil dapat diestimasi tergantung jumlah variabel
dan lag.
5. Estimasi dengan OLS.
Kointegrasi Bound Test
Mirip dengan kointegrasi model ECM, cointegrasi ARDL
menggunakan teknik Bound Test.
Tujuan sama yakni mengukur ketidakseimbangan jangka pendek
dan jangka panjang serta melihat hubungan jangka pendek menuju
jangka panjang.
Kointregrasi bound dilihat F-stat > nilai critical I(0) atau I(1).
Kointegrasi (Eq) harus negatif dan signifikan
Hipotesis :
Ho = tidak ada hubungan jangka pendek ke jangka panjang.
Ha = terdapat hubungan jangka pendek ke jangka panjang.
Stabilitas model
Stabilitas model sangat perlu sebelum membaca hasil
estimasi.
Stabilitas model ARDL menggunakan CUSUM dan
CUSUM Q
CUSUM dan CUSUM Q hanya berlaku dengan teknik
estimasi OLS
Apabila garis keluar dari jalur dari tingkat singifikansi 5
persen maka model tida stabil.
stabilitas ini WAJIB.
Jika garis keluar dari batas maka perlu di check
correlogram of residual squared. Apabila nilai prob < 0.05
maka data autokorelasi.
Model ardl akan stabil jika nilai prob > 0.05 atau terbebas
autokorelasi.
ARDL in Eviews
Quick > estimate Estimation
Select estimation setting method > ARDL
Dynamic equation followed dependent then independent
variable.
Select lag dynamic or fix
Fixed regressors meaning that selected variable not
included lag (q)
Choose option >> criteria lag optimum (AIC, SC, or HQ)
View > Stability > Recursive >> CUSUM da CUSUM Q
Check Korelasi (correlogram of residual squared)
Intepretasi hasil estimasi
Note:
1. Equation must be log to all variable not in First-Difference
or stationary
2. Log in eviews is LN.
Contoh estimasi ARDL
Data ARDL.xls
Estimasi pendapatan dan suku bunga terhadap konsumsi
dan tabungan
Tahun 1999Q1 – 2017Q2
Y = C + S, di mana Y adalah GDP
Create variabel tabungan genr sav = GDP-Cons, tekan
enter.
Variabel suku bunga dalam persen sehingga tidak perlu
LN
Model Konsumsi
Model Tabungan