3.4.4 Vector Autoregresesive VAR
Vector Autoregresesive atau yang lebih dikenal dengan VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linear dari
konstansa dari nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem. Jadi peubah penjelas dalam VAR meliputi nilai lag seluruh
peubah tak bebas dalam sistem. Model VAR dikembangkan oleh Cristoper Sims pada tahun 1980. Model
ini dasarnya hampir sama dengan model untuk menguji Granger’s Causality.
VAR adalah model a-theory terhadap teori ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi
dalam suatu sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi. Namun demikian model ini sangat berguna dalam menentukan
tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi. Model ini juga
menjadi dasar munculnya metode kointegrasi Johansen yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian.
Model VAR memiliki banyak keunggulan, antara lain : 1. Model ini sederhana, tidak perlu khawatir membedakan anatara variabel
endogen dan variabel eksogen. 2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan
pada tiap-tiap persamaan secara terpisah. 3. Hasil ramalan forecast yang diperoleh dengan VAR dalam banyak kasus
yang lebih bagus dibandingkan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun.
4. Selain itu analisis VAR juga merupakan alat-alat analisis yang sangat berguna baik di dalam memahami adanya hubungan timbal balik antar
variable ekonomi maupun di dalam pembentukan modul berstruktur. 5. Secara umum VAR debgan ordo p dan n buah variable endogen pada
waktu ke t dapat dimodelkan sebagai berikut :
Yt =
C +A1Yt-1+A2Yt-
2+….+ApYt-p+et1 ........................................................2
Dimana : Yt = Vaktor variable endogen Y1.t1 Y2.t2 Yn.t berukuran nx1
C = Vaktor intersep berukuran nx1 Ai = Matrik parameter berukuran nxn
εt = Vektor sisaan ε1t1 , ε2t2 …εnt berukuran nx1 Namun demikian, model VAR juga mempunyai kekurangan, diantaranya adalah
sebagai berikut : 1. Model VAR lebih bersifat a-theory karena tidak memanfaatkan informasi
atau teori terlebih dahulu 2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR
kurang cocok untuk analisis kebijakan 3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga banyak
menimbulkan permasalahan 4. Semua variabel VAR harus stasioner
5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah. Sistem persamaan multivariate memiliki hubungan kausalitas anatar variabel yang
lebih rumit dibandingkan sistem persamaan bivariat. Metode VAR membuat seluruh variabel menjadi variabel endogen dan menurunkan distributed lag-nya .
Secara umum persamaan VAR dengan orde p dengan n buah peubah tak bebas pada waktu ke-t dapat dimodelkan sebagai berikut Enders,2004 :
dimana : Yt = Vektor peubah tak bebas Yt, At,..Yt,t berukuran n x 1
Ao = Vektor intersep berukuran n x 1 Ap = matrik parameter berukuran n x 1 untuk setiap i = 1, 2, ...p
Et = Vektor sisaan E1,t......En,t berukuran n x 1 Asuumsi yang harus dipenuhi dalam analisis VAR adalah semua peubah
tak bebas bersifat stasioner, semua sisaan bersifat white noise yang artinya
memiliki rataan nol, ragam konstan, dan diantara peubah tak bebas tidak ada korelasi.
Biasanya digunakan untuk memproyeksikan sistem variabel-variabel runtut waktu dan untuk menganalisis dampak dari faktor yang terdapat dalam
sistem variable tersebut. Pada dasarnya analisis VAR biasa dipadankan dengan suatu model. Perbedaanya dengan model simultan biasa adalah dalam analisi
VAR, masing-masing variabel selain diterangkan oleh nilainya, dimana sampai juga dipengaruhi oleh nilai masa lampau semua variabel endogen lainnya yang
diamati. Disamping itu, dalam analisis VAR biasanya tidak ada variabel eksogen.
3.4.5 Uji Stabilitas VAR