3.4.3. Vector Error Correction Model VECM
Vector Error Correction Model VECM merupakan model VAR yang
terestriksi. Restriksi tersebut diberikan karena bentuk data yang tidak stasioner namun terkointegrasi. VECM kemudian memanfaatkan informasi restriksi
kointegrasi tersebut ke dalam spesifikasinya. Oleh karena itu, VECM juga dapat disebut sebagai model VAR yang memiliki series non stasioner dan
terkointegrasi. Spesifikasi VECM merestriksi hubungan jangka panjang variabel-variabel
endogen agar konvergen ke dalam hubungan kointegrasinya, namun tetap membiarkan keberadaan dinamisasi jangka pendek. Istilah kointegrasi juga
dikenal sebagai istilah error karena deviasi terhadap ekuilibrium jangka panjang dikoreksi secara bertahap melalui series parsial penyesuaian jangka pendek.
Adapun spesifikasi VECM secara matematis ditunjukan oleh persamaan berikut Apergis dan Miller 2008 :
……………………………………...4 Keterangan:
∆ = first difference operator
X
t
= vektor variabel β
i
= koefisien jangka pendek δ
= kecepatan menuju keseimbangan speed adjustment EC
= error-correction term yang berasal dari hubungan kointegrasi antar variabel
e
t
= n x k vektor residual
3.4.4. Analisis Impulse Response Function
Pengujian koefisien estimasi tidak memiliki informasi yang cukup untuk menjelaskan hubungan dinamis antara variabel-variabel dalam sistem VAR.
Sebaliknya, pengujian tersebut berguna untuk menelusuri respon dari setiap variabel terhadap guncangan shocks acak yang merepresentasikan residual
positif dari satu unit deviasi standar di setiap persamaan dalam sistem. Oleh
karena itu, Sims 1980 menyarankan penggunaan impulse response dan variance decomposition
untuk mencapai interpretasi logis ini dari sistem VAR. Di bawah ini adalah model VAR dengan dua variabel :
……………………………………………….
5
Gangguan di ε
1t
memiliki pengaruh langsung terhadap x
1t
. Pada periode t+1, gangguan dalam x
1t
mempengaruhi x
1t-1
melalui persamaan pertama dan juga mempengaruhi x
2t-1
melalui persamaan kedua. Pengaruh ini juga akan terjadi pada periode t+2 dan seterusnya. Dengan demikian, guncangan shocks acak dalam
satu perubahan pada model VAR menimbulkan reaksi berantai dari waktu ke waktu pada setiap variabel dalam model VAR. Inilah kegunaan impulse response
functions dalam menghitung reaksi berantai tersebut. Impulse response functions
memiliki keterbatasan, yakni gangguan dalam satu perubahan tidak sekaligus terpisah dari perubahan lain dalam sistem. Meskipun pada akhirnya menyebabkan
reaksi berantai pada setiap periode di setiap variabel dalam model. Impulse response functions
dalam penelitian ini dilakukan untuk melihat respon variabel indeks harga saham terhadap guncangan variabel harga minyak dunia sebesar satu
standar deviasi. Dengan demikian, hasil analisis impulse response function ini akan menjawab permasalahan kedua dalam penelitian ini yakni melihat pengaruh
pergerakan harga minyak dunia terhadap indeks harga saham.
3.4.5. Analisis Forecasting Error Variance Decomposition