3.2.2.3. Identifikasi Model dan Metode Estimasi Model
Model yang digunakan dalam model ini adalah model persamaan simultan. Peubah-peubah yang ada dalam model persamaan simultan dapat digolongkan ke
dalam dua jenis, yaitu : 1 Endogenous variable, yaitu peubah-peubah yang nilainya ditentukan
dalam model, 2 Predetermined variable, yaitu peubah yang nilainya ditentukan di luar
model. Predetermined variable digolongkan lagi menjadi dua, yaitu endogenous variable peubah eksogen dan lagged endogenous variable.
Menurut Koutsoyiannis 1978 agar dapat dilakukan pendugaan parameter, suatu persamaan di dalam model persamaan simultan harus teridentifikasi.
Kondisi yang harus dipenuhi agar suatu model dapat diidentifikasi adalah : K-
M ≥ G-1.........................................................................................3.12 dimana :
K : Total Peubah dalam model peubah endogen dan peubah
predetermined M
: Jumlah peubah endogen dan eksogen dalam persamaan yang diidentifikasi
G : Total persamaan dalam model jumlah peubah endogen dalam
model Apabila suatu persamaan menunjukkan K-M sama dengan G-1 maka suatu
persamaan di dalam model dikatakan teridentifikasi secara tepat exactly identified; jika K-M lebih kecil dari G-1, maka persamaan dikatakan tidak
teridentifikasi underidentified; sedangkan jika K-M lebih besar dari G-1 maka
persamaan tersebut dikatakan teridentifikasi berlebih overidentified. Apabila suatu persamaan simultan dalam kondisi exactly identified, maka metode
pendugaan yang tepat digunakan adalah Indirect Least Square ILS. Apabila suatu persamaan simultan dalam kondisi overidentified,maka metode pendugaan
yang tepat digunakan adalah Two Stage Least Square 2SLS. Sedangkan jika persamaan simultan tidak teridentifikasi maka tidak dapat diduga.
Dalam 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.
Jika metode OLS dipaksakan untuk menduga sistem model simultan, maka akan menghasilkan nilai pendugaan yang bias dan tidak konsisten.
Tabel 3.1. Identifikasi Model Persamaan Simultan
Nama Model K
M G
K-M G-1
Kategori
Konsumsi Rumah Tangga
24 6
11 18
10 Over
identified Investasi Daerah
24 4
11 20
10 Over
identified Pengeluaran Pemerintah
Daerah 24
5 11
19 10
Over identified
Pajak Daerah 24
7 11
17 10
Over identified
Retribusi Daerah 24
5 11
19 10
Over identified
Laba Bersih Perusahaan Daerah
24 6
11 18
10 Over
identified Dana Bagi Hasil
24 5
11 19
10 Over
identified Dalam penelitian ini setelah didentifikasi, tampak bahwa model persamaan
simultan berada dalam kondisi over identified sehingga dianalisis dengan metode Two Stage Least Square 2SLS. Menurut Juanda 2009, metode Kuadrat
Terkecil Dua Tahap 2SLS merupakan 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-masing parameter struktural. Tahapan-tahapan metode 2SLS
adalah sebagai berikut : 1 Lakukan pendugaan koefisien bentuk tereduksi untuk semua peubah endogen
yang berada disebelah kanan dengan menggunakan metode OLS. 2 Menduga koefisien strukturalnya dengan menggunakan dugaan peubah
endogen yang diperoleh pada langkah pertama. Dalam 2SLS, peubah endogen diganti dengan nilai dugaannya sendiri
dengan memperhitungkan seluruh peubah-peubah eksogen, sehingga metode ini mengasumsikan bahwa peubah-peubah dalam model telah diketahui secara
lengkap. Metode 2SLS dapat juga diterapkan pada kasus exactly identified. Jika metode OLS dipaksakan untuk menduga sistem persamaan simultan, maka akan
menghasilkan nilai penduga yang bias dan tidak konsisten.
3.2.2.4. Pengujian Model
Kategori