14
4.4. Pemodelan Antara JSX Dan NIKKEI
Model regresi antara JSX dan NIKKEI menunjukkan bahwa NIKKEI t-1 mempunyai pengaruh yang signifikan terhadap JSX lihat uji t. Akan tetapi model tersebut masih
mempunyai R-square yang rendah dan ternyata nilai Durbin Watson DW sangat kecil, sehingga dapat disimpulkan masih mengandung otokorelasi.
Dependent Variable: JSX Method: Least Squares
Date: 052306 Time: 14:50 Sampleadjusted: 2000:02 2005:06
Included observations: 65 after adjusting endpoints Variable Coefficient
Std. Error
t-Statistic Prob.
NIKKEI-1 -0.004993 0.009121
-0.547417 0.5860
C 635.2410 111.0210
5.721810 0.0000
R-squared 0.004734 Mean dependent var
576.1697 Adjusted R-squared
-0.011064 S.D. dependent var 209.2814
S.E. of regression 210.4360 Akaike info criterion
13.56653 Sum squared resid
2789847. Schwarz criterion 13.63343
Log likelihood -438.9121 F-statistic
0.299666 Durbin-Watson stat
0.037729 ProbF-statistic 0.586026
Disamping permasalahan diatas, ternyata berdasarkan pengujian white heteroskedasitas menunujukkan bahwa variance error masih heteroskedastis lihat hasil
output dibawah.
Padang, 23-26 Agustus 2006
K-AKPM 07
15
White Heteroskedasticity Test: F-statistic
2.571279 Probability 0.084568
ObsR-squared 4.978456 Probability
0.082974 Test Equation:
Dependent Variable: RESID2 Method: Least Squares
Date: 052306 Time: 14:51 Sample: 2000:02 2005:06
Included observations: 65 Variable Coefficient
Std. Error
t-Statistic Prob.
C -173718.0 136819.3
-1.269690 0.2089
NIKKEI-1 36.60382 20.92363
1.749401 0.0852
NIKKEI-12 -0.001461 0.000760
-1.920964 0.0593
R-squared 0.076592 Mean dependent var
42920.73 Adjusted R-squared
0.046804 S.D. dependent var 63797.26
S.E. of regression 62286.37 Akaike info criterion
24.96193 Sum squared resid
2.41E+11 Schwarz criterion 25.06228
Log likelihood -808.2627 F-statistic
2.571279 Durbin-Watson stat
0.099720 ProbF-statistic 0.084568
Melihat kondisi regresi yang dibuat dimana asumsi bebas otokorelasi dan homoskedastisitas masih dilanggar maka pemodelan dilakukan dengan ARCHGARCH.
Sebagaimana langkah pemodelan yang dilakukan sebelumnya, maka pada langkah pertama juga akan dicoba model ARCH 1 yang merupakan model yang paling sederhana. Setelah
dilakukan pengolahan data maka didapat output sebagai berikut :
Padang, 23-26 Agustus 2006
K-AKPM 07
16
Dependent Variable: JSX
Method: ML – ARCH Date: 052306 Time: 14:53
Sampleadjusted: 2000:02 2005:06 Included observations: 65 after adjusting endpoints
Convergence not achieved after 500 iterations Coefficient
Std. Error
z-Statistic Prob.
NIKKEI-1 0.002387 0.015402
0.154962 0.8769
C 453.9505 186.1678
2.438395 0.0148
Variance Equation C 28109.88
11480.68 2.448450
0.0143 ARCH1 0.668672
1.000076 0.668621
0.5037 R-squared
-0.210427 Mean dependent var 576.1697
Adjusted R-squared -0.269957 S.D. dependent var
209.2814 S.E. of regression
235.8442 Akaike info criterion 13.13607
Sum squared resid 3392970. Schwarz criterion
13.26988 Log likelihood
-422.9223 Durbin-Watson stat 0.030196
Berdasarkan output diatas, terlihat bahwa koefisien NIKKEI t-1 tidak signifikan secara statistik pada
α = 5 sehingga model tersebut menunjukkan bahwa NIKKEI t-1 tidak mempunyai pengaruh terhadap JSX. Hal ini tentunya tidak sesuai dengan uji kausalitas
granger. Disamping itu, berdsarkan output juga terlihat bahwa nilai R-square negatif seperti JSX VS FTSE. Berdasarkan pengalaman dalam membuat model sebelumnya, dalam
pemodelan ini juga akan dicoba untuk memasukkan variabel bebas JSX t-1. Setelah memasukkan variabel bebas tersebut kedalam model ARCH 1 ternyata hasilnya masih
belum baik, karena koefisien ARCH 1 masih belum signifikan secara statistik pada α = 5.
Oleh karena itu perlu dicari alternatif model lain.
Padang, 23-26 Agustus 2006
K-AKPM 07
17
Dependent Variable: JSX Method: ML – ARCH
Date: 052306 Time: 14:55 Sampleadjusted: 2000:02 2005:06
Included observations: 65 after adjusting endpoints Convergence achieved after 278 iterations
Coefficient Std.
Error z-Statistic
Prob. JSX-1 1.026836
0.020150 50.95890
0.0000 NIKKEI-1 -0.004907
0.001712 -2.865479
0.0042 C 47.94450
25.54277 1.877028
0.0605 Variance Equation
C 1316.892 207.0904
6.359018 0.0000
ARCH1 -0.078027 0.069693
-1.119584 0.2629
R-squared 0.968393 Mean dependent var
576.1697 Adjusted R-squared
0.966285 S.D. dependent var 209.2814
S.E. of regression 38.42727 Akaike info criterion
10.17269 Sum squared resid
88599.30 Schwarz criterion 10.33996
Log likelihood -325.6126 F-statistic
459.5722 Durbin-Watson stat
1.930192 ProbF-statistic 0.000000
Setelah dicoba untuk membentuk model GARCH 1,1, ternyata hasilnya menunjukkan bahwa kedua variabel independen telah signifikan secara statistik pada
α = 5 dan koefisien dari ARCH 1 dan GARCH 1 juga telah signifikan secara stattistik pada
α = 5. Disamping itu terlihat bahwa R-square juga telah memliki nilai yang tinggi. Dengan
demikian dapat dinyatakan bahwa model telah baik.
Padang, 23-26 Agustus 2006
K-AKPM 07
18
Dependent Variable: JSX Method: ML – ARCH
Date: 052306 Time: 14:56 Sampleadjusted: 2000:02 2005:06
Included observations: 65 after adjusting endpoints Convergence achieved after 108 iterations
Coefficient Std.
Error z-Statistic
Prob. JSX-1 1.028767
0.019488 52.78898
0.0000 NIKKEI-1 -0.005390
0.001982 -2.720135
0.0065 C 51.47839
30.39002 1.693924
0.0903 Variance Equation
C 362.8059 73.86664
4.911633 0.0000
ARCH1 -0.144046 0.018554
-7.763520 0.0000
GARCH1 0.875210 0.036255
24.14069 0.0000
R-squared 0.968233 Mean dependent var
576.1697 Adjusted R-squared
0.965541 S.D. dependent var 209.2814
S.E. of regression 38.84943 Akaike info criterion
10.14096 Sum squared resid
89047.41 Schwarz criterion 10.34167
Log likelihood -323.5811 F-statistic
359.6514 Durbin-Watson stat
1.919523 ProbF-statistic 0.000000
Berdasarkan output diatas model yang didapat adalah sebagai berikut :
JSX t = 51,47839 + 1,028767 JSX t-1 – 0,005390 NIKKEI t-1 s.e 30,39002
0,019488 0,001982
Dengan persamaan varian :
σ
2 t
= 362,8059 – 0,144046 e t-1 + 0,875210 σ
2 t-1
s.e 73,86664 0,018554 0,036255