3.9 Impuls Respons Function and Forecast Error Variance Decomposition
Fungsi Respon Impuls dan Dekomposisi Ragam
Dekomposisi ragam memisahkan keragaman pada peubah endogen menjadi komponen-komponen yang ada di dalam sistem VAR. Dekomposisi
ragam menginformasikan proporsi keragaman sisaan suatu peubah yang dijelaskan oleh sisaan masing-masing peubah dan sisaan peubah lain. Jika
tidak menjelaskan sedikitpun ragam peramalan sisaan dari { } pada semua tahapan periode ramalan ke depan, maka dapat dikatakan bahwa { } bebas
Enders, 2004. Misalkan model VAR pada persamaan 6 untuk panjang lag p=1 dan banyaknya peubah endogen n=2 peubah y dan z, peramalan untuk n
tahapan periode ke depan Enders, 2004 adalah
Dengan peramalan sisaan sebesar:
Dimana Koefisien
disebut sebagai fungsi respon impuls yang menginformasikan pengaruh perubahan shock atau guncangan suatu peubah terhadap peramalan
peubah lain Enders, 2004. Pengaruh tersebut dapat dilihat secara visual dengan menggunakan plot antara
koefisien dengan i. Impuls respon dapat diartikan bahwa suatu respon dari suatu peubah
endogen ketika peubah endogen yang lainnya di-shock atau diguncangkan dalam peubah itu sendiri atau peubah endogen lainnya. Impuls Respon
Function IRF digunakan untuk menelusuri pengaruh suatu standar deviasi shock atau guncangan terhadap inovasi pada nilai peubah endogen pada saat
ini dan di masa yang akan datang. Suatu shock atau guncangan yang terjadi pada satu peubah akan langsung mempengaruhi peubah tersebut dan juga
dilanjutkan atau diteruskan pada peubah endogen yang lainnya melalui struktur yang dinamis atau struktur lag dalam VAR.
3.10 Penentuan Ordo VAR
Penentuan ordo atau panjang beda kala lag dalam model VAR menunjukkan derajat bebas. Menurut Enders 2004 kriteria uji alternatif
untuk menentukan panjang beda kala yang sesuai adalah dengan menggunakan statistik Akaike Information Criterion AIC atau Schwartz
Bayesian Criterion SBC. Model yang baik adalah model yang mampu memberikan tingkat residual atau error yang paling kecil. Model dengan nilai
AIC atau SBC terkecil dipilih sebagai model terbaik dengan beda kala yang cukup efisien.
dimana: T = banyaknya pengamatan yang digunakan
= determinan matriks ragam peragam dari sisaan N = total banyaknya parameter yang diduga dalam semua persamaan
Jika setiap persamaan dalam n peubah VAR mempunyai p beda kala dan sebuah intersep, maka
.
3.11 Uji Stabilitas Model