Uji Lag Optimal Metode Analisis
0x
: vector intercept
1x
: vector koefisien regresi t
: time trend α
: koefisien speed of adjustment : vector kointegrasi
y
t-1
: variabel in-level
k
: matriks koefisien regresi k-1
: ordo VECM dari VAR k
: lag
t
: error term Apabila variabel-variabel tidak terkointegrasi pada stasioner atau ordo yang sama,
maka VECM tidak dapat diterapkan. Sebagai gantinya peneliti dapat menggunakan VAR standar yang hasilnya identik dengan Ordinary Least Square OLS. Pelaku
dinamis VECM dapat dilihat dari respon dari setiap variabel terikat terhadap shock pada variabel tersebut mauun terhadap variabel bebas lainnya. Ada dua cara untuk
melihat karakteristik dinamis VECM melalui Impuls Response Funtion IRF dan Variance Decompotion VD.
a. Impuls Response Funtion IRF Untuk menentukan respon suatu variabel endogen terhadap guncangan tertentu
makan digunakan metode Impuls Response Funtion IRF. Analisis IRF data melacak respon dari variabel terkait di dalam sistem VECM karena adanya shock dari
variabel bebas pada persamaan variabel terikat dalam suatu sistem VECM. Misalnya variabel bebas mengalami kenaikan sebesar x maka akan mempengaruhi variabel
terikat untuk saat ini atau masa depan. Menurut Sims dalam Shocrul
19
IRF menggambarkan ekspektasi periode ke depan dari kesalahan prediksi suatu variabel
akibat inovasi dari variabel lain. Sehingga lamanya shock tergantung pada suatu variabel terhadap variabel lain hingga pengaruhnya hilang atau kembali pada titik
keseimbangan dapat dilihat. b. Variance Decompotion VD
Disebut juga forecast error Variance Decompotion, merupakan perangkat yang dapat menggambarkan relative pentingnya variabel-variabel bebas pada model
VECM karena shock dan menjelaskan sebarapa kuat peranan variabel-variabel tertentu terhadap variabel lainnya. Analisis ini dilaksanakan dengan cara pemisahan
variasi dari sejumlah variabel yang diestimasi menjadi komponen-kompoen shock, dengan asumsi bahwa komponen-komponen tidak berkorelasi. Dalam metode ini
dapat dilihat kekuatan dan kelemahan masing-masing variabel mempengaruhi variabel lainnya dalam kurun waktu yang panjang.