Vector Error Correction Model VECM

karena itu, Sims 1980 menyarankan penggunaan impulse response dan variance decomposition untuk mencapai interpretasi logis ini dari sistem VAR. Di bawah ini adalah model VAR dengan dua variabel : ………………………………………………. 5 Gangguan di ε 1t memiliki pengaruh langsung terhadap x 1t . Pada periode t+1, gangguan dalam x 1t mempengaruhi x 1t-1 melalui persamaan pertama dan juga mempengaruhi x 2t-1 melalui persamaan kedua. Pengaruh ini juga akan terjadi pada periode t+2 dan seterusnya. Dengan demikian, guncangan shocks acak dalam satu perubahan pada model VAR menimbulkan reaksi berantai dari waktu ke waktu pada setiap variabel dalam model VAR. Inilah kegunaan impulse response functions dalam menghitung reaksi berantai tersebut. Impulse response functions memiliki keterbatasan, yakni gangguan dalam satu perubahan tidak sekaligus terpisah dari perubahan lain dalam sistem. Meskipun pada akhirnya menyebabkan reaksi berantai pada setiap periode di setiap variabel dalam model. Impulse response functions dalam penelitian ini dilakukan untuk melihat respon variabel indeks harga saham terhadap guncangan variabel harga minyak dunia sebesar satu standar deviasi. Dengan demikian, hasil analisis impulse response function ini akan menjawab permasalahan kedua dalam penelitian ini yakni melihat pengaruh pergerakan harga minyak dunia terhadap indeks harga saham.

3.4.5. Analisis Forecasting Error Variance Decomposition

Salah satu ciri sistem VAR yakni kemampuannya untuk memperkirakan, terutama peramalan jangka pendek, pergerakan setiap variabel dengan menggambarkan pola pergerakannya dalam model. Oleh karena itu, variance decomposition berguna untuk menjelaskan bagaimana perubahan dalam suatu variabel dipengaruhi oleh perubahan pada variabel lainnya. Metode ini juga dapat melihat kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang. Dengan demikian, hasil analisis forecasting error variance decomposition ini akan