Teori Vector Auto Regression

2.6. Teori Vector Auto Regression

Vector Auto Regression VAR merupakan sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linear dari konstanta dan nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada dalam sistem. Menurut Gujarati 2004, model VAR mengabaikan pemisahan variabel eksogen dan endogen dan menganggap semua variabel yang digunakan dalam analisis berpotensi menjadi variabel endogen. Pasaribu 2003 menjelaskan bahwa VAR adalah model yang a-theory terhadap teori ekonomi namun model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi di mana terjadi saling ketergantungan antar variabel dalam ekonomi. Arsana 2006 menjelaskan bahwa VAR menyediakan tiga macam penggunaan yaitu dalam bentuk : 1. Forecasting, ekstrapolasi nilai saat ini dan masa depan seluruh variabel dengan memanfaatkan seluruh informasi masa lalu variabel. 2. Impulse Response Functions IRF, melacak respon saat ini dan masa depan dari setiap variabel akibat perubahan atau shock suatu variabel tertentu, 3. Forecast Error Variance Decomposition FEVD, prediksi kontribusi presentase varians setiap variabel terhadap perubahan suatu variabel tertentu. Metode VAR memiliki keunggulan sekaligus kelemahan Gujarati, 2004. Beberapa keunggulan VAR, yaitu: 1. Metode VAR sederhana karena tidak membedakan variabel endogen maupun variabel eksogen, semua variabel VAR adalah endogen. 2. Estimasi VAR sangat sederhana, metode OLS biasa dapat diaplikasikan kepada tiap persamaan secara terpisah. 3. Peramalan yang diperoleh dari VAR dalam banyak kasus lebih baik daripada yang diperoleh dari Model Persamaan Simultan yang lebih kompleks. Metode VAR juga memiliki kelemahan-kelemahan, yaitu : 1. Tidak seperti model persamaan simultan, metode VAR bersifat a-theory tidak berdasarkan teori ekonomi karena sedikit menggunakan informasi lampau. 2. Metode VAR lebih menitikberatkan pada peramalan forecasting sehingga model VAR dianggap tidak sesuai untuk analisis kebijakan. 3. Pemilihan panjang lag yang digunakan merupakan tantangan terberat dalam metode VAR. 4. Semua variabel dalam VAR harus stasioner. Jika tidak stasioner, maka ditransformasi lebih dahulu. 5. Interpetasi koefisien yang didapat berdasar model VAR tidak mudah.

2.7. Penelitian Terdahulu