Model Permintaan Uang Dinamis

Model dinamis permintaan uang menjadi sorotan pembicaraan

terutama dipusatkan pada uang sebagai stock penyangga (buffer
stock approach)

Orang bersedia untuk memegang uang guna mengabsorpsi atau

menyerap variasi yang tidak diantisipasi atau diharapkan antara
penerimaan dan pengeluaran , sehingga timbul biaya ketidak
seimbangan (disequilibrium cost) dan biaya penyesuaian
(adjustmen cost).

Spesifikasi model dinamis adalah membentuk suatu system

ekonomi dalam suatu yang tidak tetap atau membentuk suatu
system dalam hubungannya dengan perubahan waktu.
Penurunan model dinamis dapat dilakukan dengan 2 cara:
1. Autoregressive distributed lag
2. Quadratic cost function.

Quadratic cost function :

1. Fungsi biaya kuadrat berganda

~
Ct = E ∑ D1 [ a1 (Xt+1 – X’t+1) + a2 {(1 – B) Xt+1}2]
1 =1

a1 dan a2 mencerminkan bobot yang diberikan agen ekonomi

E = conditional expectation ( berdasarkan semua informasi yang
tersedia pada periode t
D = discount faktor
Xt+1 = variabel stok yang dipilih pada periode t
X’t+1 = Variabel stok yang diingikan (desired level of the stock)
B = operasi kelambanan keudik ( backward lag operator)
 Model stok penyangga masa depan ( a forward looking buffer stok
model ) atau ( partial adjustment model with rational expectation)
∞
Xt = δ B Xt + (1 – δ) (1- δD) ∑ (δD) E Xt+1
s=1

E Xt+1 = nilai asa dari variabel stok yang diamati dalam masa yang akan datang
( expected values of future long run stok variabel)

2. Pendekatan Fungsi Biaya Kuadrat Tunggal

Ct = b1 ( Xt – X’t )2 + b2 { ( 1 – B) Xt }2

Xt = b X’t + (1 – b) B Xt

b= b1 / (b1 + b2 )
PAM

ECM
Melakukan Uji kointegrasi
Untuk dapat menggunakan pendektan kointegrasi , kita
harus mengamti perilaku data ekonomi runtun waktu yang
digunakan, apakah data statis atau tidak .

Untuk dapat mengetahuinya digunakan:

1 Uji akar-akar unit( testing for unit roots) ( Dickey dan
Fuller)
2 Uji derajat integrasi( testing for degree of integration).

Tujuan utam dari uji kointegrasi adalah untuk mengkaji

apakah residual regresi kointegrasi stasioner atau tidak.
Pendekatan kointegrasi menjadi penting Karena kita dapat
mengetahui apakah regresi kita lancung atau spurios
regression.