Analisis Vector Autoregression VAR

3.4. Analisis Vector Autoregression VAR

Model VAR pertama dikembangkan oleh Sims pada tahun 1980. VAR adalah model a-priori terhadap teori ekonomi. Namun demikian model ini sangat berguna dalam menentukan eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi di mana terjadi saling ketergantungan antar variabel dalam ekonomi. Model ini juga menjadi dasar munculnya metode kointegrasi Johansen 1988, 1989 yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian Pasaribu, 2003. Keunggulan metode VAR dibandingkan dengan metode ekonometrika konvensional adalah Laksani, 2004 : 1. Mengembangkan model secara bersamaan di dalam suatu sistem yang kompleks multivariat, sehingga dapat menagkap hubungan keseluruhan variabel di dalam persamaan tersebut. 2. Uji VAR yang multivariat bisa menghindari parameter yang bias akibat tidak dimasukkannya variabel relevan. 3. VAR dapat mendeteksi hubungan antara variabel di dalam suatu persamaan, dengan menjadikan seluruh variabel sebagai endogenous. 4. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan palsu di dalam model ekonometrika konvensional terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah. Sebagai metode ekonometrika, VAR juga tidak luput dari kelemahan. Kelemahan VAR menurut Falianty 2004 adalah : 1. Model VAR lebih bersifat teoritik karena tidak memanfaatkan imformasi teori-teori terdahulu, oleh karena itu sering disebut model yang tidak struktural. 2. Pemilihan banyaknya lag yang diikutsertakan pada model juga menimbulkan masalah baru dalam proses estimasi. 3. Semua variabel yang digunakan dalam VAR harus sudah stasioner, kalau belum harus ditransformasikan terlebih dahulu agar stasioner. Secara keseluruhan metode yang akan digunakan dalam penelitian ini terbagi dalam tiga tahap : 1. Uji kausalitas VAR yang akan menunjukkan hubungan yang sebenarnya antar variabel dalam dunia nyata, setelah terlebih dahulu menentukan panjangnya lag. 2. Menyusun Variance Decomposition VD. VD merupakan persentase dari varians error yang terjadi dalam meramal suatu variabel pada suatu jangka waktu tertentu yang berkaitan dengan shock tertentu. Menganalisis Impulse Response Function IRF. IRF menyusuri jejak dari respon yang diharapkan dari nilai saat ini dan masa depan dari tiap variabel terhadap suatu shock pada satu dari persamaan VAR. Permodelan VAR adalah bentuk permodelan yang digunakan untuk multivariate time series. Model VAR menjadikan semua variabel bersifat endogen. Spesifikasi model VAR meliputi pemilihan variabel dan banyaknya selang lag yang digunakan dalam model. Sesuai dengan Sims 1980, variabel yang digunakan dalam persamaan VAR dipilih berdasarkan teori ekonomi yang relevan. Pemilihan selang optimal kemudian akan menggunakan kriteria informasi seperti Akaike Info Criterion AIC, Schwarz Info Criterion SC, maupun Hannan-Quinn Criterion HQ. Model VAR secara matematis dapat diwakili oleh Achsani, Holtemoller, dan Sofyan, 2005 : x t = µ t + 1 k t t i i A x − = + u t 3.1 dimana x t adalah vektor dari variabel-variabel endogen berdimensi n x 1, µ t adalah vektor dari variabel-variabel eksogen termasuk di dalamnya konstanta intercept dan tren, Ai adalah matriks-matriks koefisien berdimensi n x n, dan ut adalah vektor dari residual-residual yang secara kontemporer berkorelasi tetapi tidak berkorelasi dengan nilai-nilai lag mereka sendiri dan juga tidak berkorelasi dengan seluruh variabel yang ada dalam sisi kanan persamaan di atas.

3.5. Analisis Vector Error Correction Model VECM