45 XM Ekspor
Impor
3.2.2 Identifikasi Model Simultan
Fungsi dari identifikasi model adalah untuk mengetahui apakah model tersebut dapat diduga atau tidak. Setelah mengetahui kondisi estimasi model,
maka akan dapat ditentukan juga model estimasi apa yang digunakan dalam mengestimasi model. Identifikasi persamaan dalam model adalah dengan order
condition , secara matematis dirumuskan sebagai berikut :
K – M G – 1 Dimana :
G = Jumlah total persamaan dalam model Jumlah total variabel endogen K = Jumlah total variabel dalam model endogen dan predetermined
M = Jumlah variabel endogen dan eksogen dalam persamaan yang diidentifikasi
Jika suatu persamaan menunjukkan kondisi K-M G-1, maka persamaan tidak teridentifikasi unidentified, apabila persamaan menunjukkan
K-M = G-1 maka persamaan teridentifikasi secara tepat exactly identified dan apabila persamaan menunjukkan kondisi K-M G-1 maka persamaan
teridentifikasi berlebihan over identified. Tiga jenis identifikasi tersebut akan menentukan teknik ekonometrik estimasi yang dapat digunakan untuk
mengestimasi model. Berdasarkan status identifikasi terhadap persamaan- persamaan dalam model tersebut maka bila persamaan atau model secara
keseluruhan unidentified, maka model tersebut tidak dapat diduga parameternya dengan teknik ekonometrik manapun. Bila persamaan exactly identified maka
teknik yang dapat digunakan dalam estimasi model adalah dengan ILS indirect least square
sedangkan jika over identified maka estimasi parameter dapat dilakukan dengan berbagai teknik ekonometrik seperti 2SLS two stage least
square , 3SLS three stage least square, LIML Limited Information Maximum
Likelihood , dan FIML Full information Maximum Likelihood. Hasil identifikasi
untuk setiap persamaan struktural haruslah exactly identified atau over identified agar dapat menduga parameter-parameternya.
Berdasarkan order condition, model terdiri dari 22 persamaan, 22 variabel endogen G dan 24 predetermined variable yang terdiri dari 15 variabel eksogen
dan 9 lag endogenous variabel. Total variabel dalam model K adalah 46
variabel, dengan jumlah variabel dalam persamaan M terbanyak adalah 7. Hasil identifikasi terhadap persamaan-persamaan dalam model berdasarkan order
condition menunjukkan bahwa setiap persamaan struktural dalam model yang
digunakan adalah over identified. Dengan model yang over identified maka estimasi model yang dapat digunakan dalam penelitian ini adalah metode 3SLS.
Untuk menguji apakah variabel penjelas secara bersama-sama berpengaruh nyata atau tidak terhadap variabel endogen, maka pada masing-masing persamaan
digunakan uji statistik F. Untuk menguji apakah masing-masing variabel penjelas secara individual berpengaruh nyata atau tidak terhadap variabel endogen pada
masing-masing persamaan digunakan uji statistik t. Selanjutnya karena model mengandung persamaan simultan dan variabel
bedakala lag endogenous variable, maka uji serial korelasi dengan menggunakan statistic d
w
Durbin-Watson Statistics tidak valid untuk digunakan. Sebagai penggantinya untuk mengetahui apakah terdapat serial korelasi
autocorrelation atau tidak dalam setiap persamaan maka digunakan statistic d
h
Durbin-h Statistics, sebagai berikut :
Dimana : d
w
: Durbin-Watson
statistik n :
Jumlah observasi
Var β : Varians koefisien regresi untuk lagged dependent variable
Apabila h
hitung
lebih kecil dari nilai kritis h dari tabel distribusi normal, maka dalam persamaan tidak mengalami serial korelasi. Menurut Pindyck dan
Rubenfield 1998, masalah serial korelasi hanya mengurangi efisiensi pendugaan parameter dan serial korelasi tidak menimbulkan bias parameter regresi.
3.2.3 Validasi Model
Kategori