2. Semua variabel harus terintegrasi pada orde yang sama. Tetapi tidak semua
variabel yang terintegrasi pada orde yang sama terkointegrasi. 3.
Bila vektor mempunyai n komponen, maka akan ada n-1 vektor kointegrasi
linear yang tidak tergantung satu dengan yang lainnya. Jumlah vektor kointegrasi ini dinamakan peringkat kointegrasi cointegration rank, biasanya
dilambagkan dengan r. Sifat penting yang terdapat dalam variabel – variabel yang terkointegrasi
adalah perjalanan waktu variabel – variabel tersebut dipengaruhi oleh perubahan atas hubungan keseimbangan jangka panjangnya. Dengan kata lain, variabel – variabel
non – stasioner yang terintegrasi pada orde yang sama dan terkointegrasi akan menjadi stasioner dalam jangka panjang Enders, 2004.
2.3. Vector Autoregression VAR Model
Vector Autoregression VAR merupakan alat analisis atau metode statistik yang bisa digunakan baik untuk memproyeksikan sistem variabel-variabel runtut
waktu Time series maupun untuk menganalisis dampak dinamis dari faktor gangguan yang terdapat dalam sistem variabel tersebut. Keunggulan dari analisis
VAR antara lain : Khaerunnisa, 2009 1.
Model ini sederhana, tidak perlu khawatir membedakan mana variabel endogen dan variabel eksogen.
2. Estimasinya sederhana, dimana metode Ordinary Least Square OLS bisa
dapat diaplikasikan pada tiap-tiap persamaan secara terpisah. 3.
Hasil Ramalan Forecast yang diperoleh dengan VAR dalam banyak kasus lebih bagus dibandingkan hasil yang didapat dengan menggunakan model
persamaan simultan yang kompleks sekalipun. Namun demikian, model VAR juga mempunyai kekurangan, diantaranya
adalah sebagai berikut : 1.
Model VAR lebih bersifat a-theory karena tidak dapat memanfaatkan informasi atau teori terdahulu.
2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR
kurang cocok untuk analisis kebijakan. 3.
Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan permasalahan.
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