Fungsi dari identifikasi model adalah untuk mengetahui apakah model tersebut dapat diduga atau tidak. Setelah mengetahui kondisi estimasi model,
maka dapat ditentukan juga metode estimasi apa yang digunakan dalam mengestimasi model. Identifikasi model dilakukan dengan menggunakan metode
order condition sebagai syarat keharusan dan rank condition sebagai syarat
kecukupan. Menurut Koutsoyiannis 1977 serta Sitepu dan Sinaga 2006 rumusan identifikasi model persamaan struktural berdasarkan order condition
adalah: K-M G-1
........................................................................................... 34
dimana: K = jumlah total variabel dalam model endogen dan predetermined
M = jumlah variabel endogen eksogen dalam persamaan yang diidentifikasi
G = jumlah total persamaan dalam model jumlah total variabel endogen. Jika:
K-M G-1: persamaan over identified teridentifikasi secara berlebih; K-M = G-1: persamaan exactly identified teridentifikasi secara tepat;
K-M G-1: persamaan unidentified tidak teridentifikasi. Tiga jenis identifikasi tersebut akan menentukan teknik ekonometrik
etimasi yang dapat digunakan untuk mengestimasi model. Jika secara keseluruhan unidentified
maka model tersebut tidak dapat diduga parameternya dengan teknik ekonometrik manapun. Jika, exactly identified maka teknik yang dapat digunakan
dalam estimasi model adalah Indirect Least Squares ILS. Jika over identified maka estimasi parameter dapat dilakukan dengan berbagai teknik ekonometrik
seperti Two Stage Least Squares 2SLS, atau dengan Three Stage Least Squares
3SLS. Hasil identifikasi seperti ditunjukkan pada Lampiran menunjukkan bahwa persamaan over identified.
4.11. Metode Estimasi Model
Pada studi ini 2SLS dipilih karena dapat menghasilkan taksiran yang konsisten, lebih sederhana, dan lebih mudah Gudjarati, 1999. Estimasi model
dilakukan dengan program komputer SAS versi 9.1. Kriteria rank condition menentukan bahwa suatu persamaan teridentifikasi jika dan hanya jika
dimungkinkan untuk membentuk minimal satu determinan bukan nol pada order G-1 dari parameter struktural peubah yang tidak termasuk dalam persamaan
tersebut. Model merupakan sistem persamaan simultan, dimana perilaku beberapa
peubah ditentukan secara bersama; peubah endogen disatu persamaan masuk menjadi peubah eksogen pada persamaan lainnya. Pada persamaan simultan yang
saling terkait, kerapkali melanggar asumsi dasar model regresi, ordinary least square,
seperti heteroskedasitas.
4.11.1. Uji Statistik F dan uji Statistik t
Untuk mengetahui dan menguji apakah variabel penjelas secara bersama- sama berpengaruh nyata atau tidak terhadap variabel endogen, maka pada setiap
persamaan digunakan uji statistik F. Selanjutnya, untuk menguji apakah masing- masing variabel penjelas berpengaruh nyata atau tidak terhadap variabel endogen,
maka pada setiap persamaan dilakukan uji statsitik t. Pada uji satatistik-F, hipotesis yang digunakan:
, ......
:
1 2
1
= =
+ β
β β
H
, min
:
1 1
≠ β
satu ada
imal H
Keterangan: I = banyaknya variabel bebas dalam suatu persamaan.
Apabila nilai peluang P-value uji statistik F tarf α=5, maka tolak H
0.
Tolak H Berarti variabel eksogen secara bersama-sama berpengaruh nyata
terhadap variabel endogen. Pada uji satatistik t, hipotesis yang digunakan:
, :
1
= β
H
arah satu
uji H
:
1
a Β
1
0; b Β
1
0; Uji dua arah
c ,
1
≠ β
Kriteria uji Jika:
,
1
β bila P-value uji t α, maka disimpulkan tolak H
0.
,
1
β bila P-value uji t α, maka disimpulkan tolak H
0.
,
1
≠ β
bila P-value uji t α2, maka disimpulkan tolak H
0.
Pada penelitian ini menggunakan uji dua arah dan taraf α =20 sehingga jika nilai peluang P-value uji statistik-t taraf α =20, maka tolak H
atau suatu variabel eksogen tersebut berpengaruh nyata terhadap variabel endgen.
4.11.2. Uji Statistik Durbin watson Dw dan Durbin h
Untuk mengetahui apakah terdapat serial korelasi autocorrelation atau tidak dalam setiap persamaan maka digunakan uji Dw dan Dh. Uji Dh digunakan
