3.24 3.25
dimana lag length k untuk menjamin bahwa e
t
secara empiris adalah white noise. H
: X adalah I1 dan H
a
adalah I0. H ditolah jika nilai t statistic dari adalah
negatif dan significant dibandingkan dengan nilai kritis yang digunakan untuk menguji stasioneritas.
Jika properti stasioneritas data seri individual telah dilalui maka kombinasi linear dari seri yang terintegrasi perlu diuji untuk mengetahui adanya kointegrasi.
Jika kombinasi linear dari seri individual yang non stasioner menghasilkan seri data yang stasioner maka diantara variabel terdapat kointegrasi yang berarti
terdapat hubungan atau keseimbangan jangka panjang diantara variabel. Jika tidak terintegrasi maka regresi I1 variabel terhadap variabel lainnya akan semu
spurious, namun menghasilkan R
2
tinggi dan cenderung menolak H tidak
adanya korelasi meskipun tidak terdapat hubungan antara variabel tersebut
3.2.5. Kointegrasi dan Mekanisme Perbaikan Kesalahan
Kointegrasi semakin mendapat perhatian terutama pada analisis untuk menjelaskan hubungan atau keseimbangan jangka panjang, dan hubungan
keseimbangn terjadi jika varibel-variabel yang terdapat di dalam model terkointegrasi. Kondisi yang diperlukan untuk terjadinya kointegrasi adalah data
seri dari masing-masing veriabel menunjukkan properti statistik yang sama yaitu terintegrasi pada ordo yang sama yang ditunjukkan oleh adanya hubungan atau
kombinasi linear dari seri data yang terkointegrasi tersebut. Suatu variabel dikatakan terintegrasi dengan ordo I0 jika ia stasioner dalam level stationary in
level form yaitu memiliki variance dan autokorelasi konstan dengan berjalannya waktu Tambi, 1999. Namun demikian sebagian besar data seri ekonomi
cenderung mengikuti proses stokastik yang tidak stasioner, yaitu: 3.26
dengan α adalah konstant drift, =1, dan e
t
adalah komponen kesalahan error term. Jika e
t
memiliki nilai rata-rata nol, variance konstan dan covariance nol maka X
t
adalah random walk dan dikatakan terintegrasi dengan ordo I1. Variabel X
t
terintegrasi karena merupakan penjumlahan dari nilai dasar X base value dan
perbedaan X sampai waktu t. Karena adalah unity satu maka X dikatakan memilki akar unit unit root, dan jika X tidak stasioner maka variance menjadi
tidak terbatas infinite dan setiap goncangan shock tidak menuju pada nilai rata- ratanya mean level. Satu data seri yang tidak stasioner perlu dilakukan
differencing untuk membuatnya stasioner. X
t
dikatakan terintegrasi dengan ordo D
x
atau X
t
~ID jika memerlukan differencing D
x
kali untuk membuatnya stasioner Tambi, 1999.
Prosedur untuk menguji kointegrasi melalui dua tahap yaitu: 1 OLS standar yang dilakukan pada level variabel untuk mendapatkan ordo integrasi dari
kombinasi linear tertentu. Nilai estimasi e diperoleh melalui 3.27
dengan H bahwa e mengandung unit root sehingga merupakan random walk diuji
dengan H
a
bahwa ia stasioner dengan uji DF dan ADF. Uji DF dilakukan berdasarkan OLS untuk regresi
dan uji ADF yang analog dengan uji DF didasarkan pada regresi dengan OLS berikut
3.28 dimana e
t
adalah estimasi tahap pertama dari nilai lag difference residual error dan panjang lag k untuk mendapatkan white noise empiris Tambi, 1999.
Model data seri yang memiliki hubungan keseimbangan jangka panjang namun memiliki divergensi jangka pendek dapat diakomodasi dengan representasi
perbaikan kesalahan error-correction representation. Model mekanisme perbaikan kesalahan menangkap dinamika jangka pendek dan membuatnya
konsisten dengan dinamika jangka panjang. Hal ini dilakukan melalui tahap 2 dari prosedur Engel-Granger yaitu mengestimasi model perbaikan kesalahan
dimana residual dari regresi keseimbangan kointegrasi digunakan sebagai regresor perbaikan kesalahan EC dengan lag period pada model dinamik, yang
dinyatakan sebagai, 3.29
dengan menyatakan perubahan tingkat keseimbangan yang diinginkan
desired equilibrium level dan merupakan bentuk lag dari persamaan
hubungan jangka panjang. Persamaan perbaikan kesalahan diestimasi dengan memasukkan regresor EC
t-1
untuk menangkap dinamika jangka pendek Tambi, 1999.
3.2.6. Model Oligopolistik Dinamik
