34 b.
Identifikasi lebih over identified. Suatu persamaan dalam suatu model disebut overidentified kalau banyaknya variabel eksogen yang tidak
tercakup di dalam persamaan melebihi banyaknya variabel endogen dalam persamaan dikurangi satu. Di dalam hal suatu model over identified, akan ada
lebih dari satu nilai tidak unik, bagi parameter struktural dapat dihitung dari parameter bentuk sederhana.
c. Identifikasi kurang underidentified. Suatu persamaan dalam suatu model
disebut underidentified atau unidentified kalau banyaknya variabel eksogen yang tidak tercakup di dalam persamaan lebih kecil daripada
banyaknya variabel endogen dalam persamaan dikurangi satu. Di dalam model seperti ini tidak satu pun dari parameter struktural yang dapat dihitung
dari parameter bentuk sederhana.
2.9.3. Metode Estimasi Sistem Persamaan Simultan
2.9.3.1. Metode Rekursif dan Metode OLS
Karena adanya saling ketergantungan interdependence antara kesalahan pengganggu dengan endogeneous explanatory variables, metode kuadrat
terkecil yang biasa OLS tidak tepat untuk dipergunakan di dalam pembuatan perkiraan suatu persamaan dari suatu sistem persamaan simultan yang merupakan
suatu model. Apabila OLS dipergunakan secara keliru erroneously, maka akibatnya
hasil perkiraan selain bias dalam sampel yang kecil, juga tidak konsisten incon- sistent, maksudnya bias tersebut tetap ada, tidak akan hilang betapapun besarnya
sampel. Akan tetapi, ada suatu situasi di mana penggunaan OLS bisa tepat, walaupun dalam hubungannya dengan persamaan yang simultan, yaitu dalam hal:
recursive, triangular, atau causal models.
2.9.3.2. Metode Indirect Least Square ILS
Untuk a just exactly identified structural equation metode untuk memperoleh perkiraan tentang koefisien struktural berdasarkan perkiraan OLS
35 dari koefisien bentuk sederhana, dikenal dengan nama metode kuadrat terkecil tak
langsung atau Indirect Least Squares ILS dan perkiraan yang diperoleh disebut perkiraan ILS. Metode ILS mengikuti tiga langkah berikut.
1. Kita buat persamaan bentuk sederhana reduced form terlebih dahulu. Seperti
telah diuraikan sebelumnya, persamaan-persamaan bentuk sederhana ini setelah dibuat, bentuknya sangat unik, yaitu bahwa variabel tak bebas pada
setiap persamaan hanya merupakan variabel endogen Y, sebagai fungsi dari predetermined variables, baik yang eksogen X maupun yang endogen beda
kala Y
t-1
,Y
t-2
, dan seterusnya, dan kesalahan pengganggu. 2.
Kita pergunakan metode OLS untuk setiap persamaan secara individual. Hal ini diperbolehkan, sebab explanatory variable di dalam persamaan-persamaan
bentuk sederhana ini sudah ditentukan nilainya predetermined dan tidak berkorelasi dengan kesalahan pengganggu. Perkiraan yang dihasilkan
konsisten. 3.
Kita peroleh perkiraan koefisien bentuk sederhana yang merupakan hasil dari butir 2. Kalau suatu persamaan just identified, ada persesuaian satu lawan
satu one to one correspondence antara perkiraan bentuk sederhana dengan perkiraan struktural, maksudnya satu perkiraan koefisien bentuk sederhana
menghasilkan satu perkiraan koefisien struktural. Metode ILS memiliki kelemahan, di antaranya:
1. Tidak memberikan standar error bagi parameter struktural yang dihitung
berdasarkan parameter dari bentuk sederhana. 2.
Tidak dapat menghitung perkiraan parameter struktural yang unik dan konsisten bagi suatu persamaan over identified dalam suatu model atau sistem
persamaan.
2.9.3.3.
Metode Two-Stage Least Square 2SLS
Menurut Juanda 2009, metode Kuadrat Terkecil Dua-Tahap 2SLS merupakan suatu prosedur untuk menduga parameter model struktural yang
overidentified. Metode ini menggunakan informasi yang tersedia dari spesifikasi model sistem model simultan untuk memperoleh dugaan yang unik untuk masing-
36 masing parameter struktural. Tahapan-tahapan metode 2SLS adalah sebagai
berikut : 1. Lakukan pendugaan koefisien bentuk tereduksi untuk semua peubah endogen
dengan menggunakan metode OLS, 2. Menduga koefisien strukturalnya dengan menggunakan dugaan peubah
endogen yang diperoleh pada langkah pertama. Pada metode 2SLS, peubah endogen diganti dengan nilai dugaannya sendiri
dengan memperhitungkan seluruh peubah-peubah eksogen, sehingga metode ini mengasumsikan bahwa peubah-peubah eksogen dalam model telah diketahui
secara lengkap. Metode 2SLS dapat juga diterapkan pada kasus exactly identified. Metode 2SLS, penerapannya melalui penggunaan OLS secara dua tahap.
Tahap pertama, setiap variabel endogen diregresikan terhadap semua pre- determined variables dari suatu sistem sehingga kita peroleh persamaan bentuk
sederhana reduced form. Tahap kedua, nilai perkiraan ramalan, misalnya Y
1
, dari variabel endogen dan bukan nilai hasil pencatatan, katakan Y, dipergunakan
untuk memperkirakan persamaan struktural dari model. Nilai perkiraan atau ramalan dari variabel endogen diperoleh dengan memasukkan nilai observasi dari
variabel eksogen ke dalam persamaan bentuk sederhana. Nilai perkiraan dari variabel endogen tidak berkorelasi dengan kesalahan pengganggu, sehingga 2SLS
menghasilkan perkiraan parameter struktural yang konsisten. Kebaikan 2SLS apabila dibandingkan dengan ILS adalah 2SLS dapat
dipergunakan untuk memperoleh perkiraan yang konsisten, baik bagi persamaan yang just or exactly identified maupun yang over identified. Kebaikan dari 2SLS
lainnya ialah bahwa 2SLS dapat memberikan standard error dari perkiraan parameter struktural secara langsung, sedangkan ILS tidak dapat. Oleh karena
pada umumnya persamaan yang identified kenyataannya over identified, maka 2SLS lebih berguna dibanding dengan ILS. Selain itu, 2SLS sangat sederhana dan
sering dipergunakan dalam praktik untuk memecahkan suatu model atau sistem persamaan simultan.
2.9.4. Uji Kriteria Statistik uji F, uji t, dan R
2
37 Pengujian kriteria statistik diperlukan untuk melihat korelasi antar variabel
di dalam model, yaitu dengan menggunakan uji F, uji t dan R
2
.
2.9.4.1. Uji F
