Vector
Autoregression atau VAR merupakan salah satu metode time series yang sering
digunakan dalam penelitian, terutama dalam bidang ekonomi.
Menurut
Gujarati (2004) ada beberapa keuntungan menggunakan VAR dibandingkan metode
lainnya:
1 1. Lebih sederhana karena tidak perlu memisahkan variabel
bebas dan terikat.
2 2. Estimasi sederhana karena menggunakan metode OLS (Ordinary Least Square) biasa.
3 3. Hasil estimasinya lebih baik dibandingkan metode lain
yang lebih rumit.
Kapan
kita bisa memilih menggunakan metode VAR ini?
1 1. Ketika data yang kita gunakan adalah deret waktu atau time series.
2. Ketika kita tidak mengetahui mana variabel yang
mempengaruhi (bebas) dan dipengaruhi (terikat).
3 3. Ketika data kita cukup besar (lebih dari 50
observasi).
4 4. Ketika asumsi-asumsinya terpenuhi.
Apa
saja tahapan menggunakan metode VAR?
1 1. Uji lag. Ini penting karena variabel bebas yang
digunakan dalam VAR merupakan lag-lag dari variabel tersebut.
Pilih lag yang bertanda (*). Bisa memilih 3 atau 4.
Semacam trial and error.
2. Misal kita memilih lag 3. Maka gunakan lag 3 itu dalam
metode VAR.
3. Untuk analisisnya, dapat menggunakan Impulse Response Function (IRF) atau Variance Decomposition (VD)
Apa
saja asumsi yang harus terpenuhi dari VAR?
1. Semua variabel harus stasioner pada tingkat level
(atau pada data dasarnya). Guna uji stasioner ini adalah untuk menghindari
hasil yang spurious (tidak sesuai
dengan teori, bukan karena fakta, namun karena pengaruh data yang tidak sesuia
dengan asumsi). Untuk mengetahuinya dapat menggunakan beberapa uji stasioner:
a.
Metode grafik :
dilihat apakah data kita berada di sekitar rata-rata, tidak ada outlier
b.
Metode correlogram (menggunakan ACF dan PACF)
c.
Metode akar unit
(unit root test) : Dickey-Fuller
(DF), Augmented Dickey-Fuller (ADF), Phillips-Perron
2. Terpenuhinya asumsi normalitas, non-autokorelasi,
non-multikolinieritas, dan homoskedastisitas.
***
Jika asumsi stasioner di level tidak terpenuhi, maka kita dapat berlanjut pada
metode VECM.
VECM
(atau Vector Error Correction Model)
merupakan metode turunan dari VAR. Asumsi yang perlu dipenuhi sama seperti VAR,
kecuali masalah stasioneritas. Berbeda dengan VAR, VECM harus stasioner pada
diferensiasi pertama dan semua variabel harus memiliki stasioner yang sama,
yaitu terdiferensiasi pada turunan pertama.
Urutan
perolehan model VECM :
1. Uji lag, misal lag yang terpilih adalah 3.
2. Uji kointegrasi. Uji ini untuk mengetahui apakah ada tidaknya
pengaruh jangka panjang untuk variabel yang akan kita teliti. Jika terbukti ada kointegrasi, maka tahapan VECM dapat dilanjutkan. Namun jika tidak terbukti, maka VECM tidak bisa dilanjutkan.
Karena lag yang terpilih adalah 3, maka lag pada
kointegrasi tes adalah 2 (dikurangi 1 karena variabelnya terdiferensiasi).
3. Mendapatkan model VECM
Lag yang digunakan adalah 2 (karena lag terpilih – 1 =
(3 – 1) = 2).
4. Untuk analisis, sama dengan VAR, yaitu menggunakan IRF dan VD.
Apa
perbedaan analisis menggunakan IRF dan VD?
-
Berbeda dalam
hal interpretasinya.
IRF : kita dapat
melihat seberapa besar variabel bebas terpengaruh oleh shock / guncangan yang terjadi pada variabel terikat beberapa waktu
ke depan (dalam satuan masing-masing variabel).
VD : kita dapat
melihat seberapa besar kontribusi variabel bebas terhadap variabel terikat
beberapa waktu ke depan (dalam persen)
Bagaimana mengetahui variabel apa yang mempengaruhi
dan dipengaruhi untuk melakukan analisis?
Dapat menggunakan uji
Granger causality sebelum masuk ke pembentukan model VAR atau VECM.
Contoh kasus:
1.
LENDING
doesn’t Granger Cause GDP à terima Hipotesis awal (karena lebih dari 0.05)
Artinya :
LENDING bukanlah variabel bebas untuk GDP.
2.
GDP
doesn’t Granger Cause LIFE à tolak Hipotesis awal (karena kurang dari 0.05)
Artinya : GDP merupakan variabel bebas untuk LIFE (atau LIFE merupakan variabel terikat).
Artinya : GDP merupakan variabel bebas untuk LIFE (atau LIFE merupakan variabel terikat).
0 comments:
Post a Comment