4. Semua variabel VAR harus stasioner.
5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.
Vector Autoregression VAR adalah sistem persamaan yang menunjukkan setiap peubah dalam persamaan merupakan fungsi linier dari konstanta nilai lag dari
peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem Agung, 2009. Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas
dalam sistem. Model VAR dikembangkan oleh Christoper Sims pada tahun 1980. Model ini
pada dasarnya hampir sama dengan model untuk menguji Granger’s Causality. Model VAR sangat berguna dalam menentukan tingkat eksogenitas suatu variabel
ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi.
2.4. Vector Error Correction Model VECM
Vector Error Correction Model VECM adalah suatu analisis untuk melakukan rekonsiliasi perilaku peubah ekonomi jangka panjang dan peubah
ekonomi jangka pendek Gujarati, 1995. Untuk itu peubah – peubah dalam VECM memiliki hubungan jangka panjang atau kointegrasi. Hubungan dinamis jangka
pendek antar peubah dalam sistem dipengaruhi oleh deviasi atau penyimpangan dari keseimbangan jangka panjang. Model VECM berguna untuk mengukur kecepatan
deviasi kembali ke keseimbangan. Vector Error Correction Model VECM adalah restricted Vector
Autoregression VAR yang berkointegrasi. VECM di design untuk data time series non stationer yang berkointegrasi. Faktor kointegrasi dikenal sebagai error
correction term, mengingat bahwa deviasi keseimbangan jangka panjang diperbaiki secara perlahan-lahan melalui beberapa tahap jangka pendek.
VECM mempunyai hubungan kointegrasi yang dibangun melalui spesifikasi perilaku jangka panjang dari variabel-variabel endogen untuk menuju converge ke
hubungan jangka panjangnya, serta memungkinkan dilakukan penyesuaian jangka pendek secara dinamik. Sebagai contoh, digunakan sistem dua variabel yang
memiliki suatu persamaan kointegrasi tanpa turunan dalam bentuk lag Subagjo, 2005.
Variabel sisi sebelah kanan dalam model ini merupakan error correctionmodel term. Dalam ekuilibrium jangka panjang, residual term ini adalah nol. Namun
demikian, apabila ada deviasi dengan ekuilibrium jangka panjang error correction term tidak sama dengan nol dan masing-masing variabel secara parsial menyesuaikan
pada hubungan ekuilibrium.
2.5. Impulse Response Function IRF
Impuls response function merupakan suatu cara pengujian struktur dinamis dari sistem variabel dalam model yang diamati dan dicerminkan oleh variabel inovasi
Enders, 2004. IRF menunjukkan respon dari setiap variabel endogen sepanjang waktu terhadap kejutan shock dari variabel itu sendiri dan variabel endogen
lainnya. IRF juga mengidentifikasikan suatu kejutan pada suatu vaariabel endogen sehingga dapat menetukan bagaimana suatu perubahan yang tidak diharapkan dalam
variabel mempengaruhi variabel lainnya sepanjang waktu. Dengan demikian, IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel independen jika
mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi.
Hasil IRF sangat sensitif terhadap pengurutan ordering variabel yang digunakan dalam perhitungan. Pengurutan variabel yang didasarkan pada faktorisasi
chelosky dilakukan dengan catatan variabel yang memiliki nilai prediksi terhadap variabel lain yang diletakkan di depan berdampingan satu sama lainnya. Sedangkan,
variabel yang tidak memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang, kemudian variabel lainnya diletakkan di antara kedua variabel tersebut
berdasarkan nilai matriks korelasi yang menyatakan tingkat korelasi paling besar. Selain itu, IRF juga digunakan untuk mengetahui berapa lama pengaruh shock dari
satu variabel terhadap variabel lainnya. IRF juga bertujuan untuk mengisolasi suatu shock agar lebih spesifik artinya variabel ekonomi hanya dipengaruhi oleh shock
tertentu saja. Apabila hal tersebut tidak dilakukan maka shock spesifik tersebut tidak dapat diketahui dan yang dapat diketahui adalah shock secara umum.
2.6. Forecast Error Variance Decomposition FEVD