analisis fenomena twin deficit pada negara-negara

ANALISIS FENOMENA TWIN DEFICIT PADA
NEGARA-NEGARA ASEAN
OLEH
MARISSA MALAHAYATI
H14070052
DEPARTEMEN ILMU EKONOMI
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
2011
RINGKASAN
MARISSA MALAHAYATI. Analisis Fenomena Twin Deficit pada NegaraNegara ASEAN (dibimbing oleh LUKYTAWATI ANGGRAENI)
Pemerintah suatu negara seringkali menghadapi masalah defisit, baik
defisit fiskal maupun defisit transaksi berjalan (current account deficit). Defisit
fiskal seringkali terjadi saat pemerintah meningkatkan pelayanan publik kepada
rakyatnya atau untuk meningkatkan pembangunan perekonomian sehingga
pemerintah dapat bertindak dengan cara meningkatkan pengeluaran pemerintah
(government expenditure) atau` menurunkan tingkat pajak (taxes). Defisit
perdagangan (current account deficit) terjadi apabila penerimaan pemerintah dari
ekspor lebih kecil dibandingkan pengeluaran pemerintah untuk impor, hal ini
seringkali terjadi apabila produk domestik kurang memiliki daya saing
dibandingkan produk lain di pasar internasional atau karena kurs domestik yang
terapresiasi sehingga menurunkan daya saing produk domestik di pasar
internasional (Fleegler, 2006).
Beberapa penelitian menyatakan bahwa defisit fiskal dan defisit neraca
perdagangan saling berkaitan satu sama lain, keterkaitan antara kedua defisit ini
dikenal sebagai twin deficit atau defisit kembar. Secara teoritis, bila terjadi
kebijakan fiskal yang ekspansioner (terjadi defisit fiskal) maka nilai tukar riil
mata uang domestik akan terapresiasi sehingga daya saing perdagangan akan
menurun dan memperburuk defisit neraca perdagangan (current account deficit)
(Salvatore, 2007).
Penelitian ini menganalisis hubungan antara anggaran pemerintah dan
transaksi berjalan (current account) pada beberapa negara ASEAN serta hubungan
antara nilai tukar terhadap anggaran pemerintah dan transaksi berjalan . Pada
penelitian ini, diambil sampel beberapa negara ASEAN yang berpendapatan
tinggi (high income country) yaitu Brunei dan Singapura, berpendapatan
menengah (middle income country) yaitu Indonesia dan Malaysia serta
berpendapatan rendah (low income country) yaitu Laos dan Myanmar. Dengan
menggunakan data-data current account, anggaran pemerintah, dan nilai tukar dari
seluruh negara ASEAN. Penelitian ini menggunakan metode VAR/VECM yang
dianalisis dengan uji Granger Causality untuk mengetahui hubungan antara satu
variabel dengan variabel lainnya serta analisis VAR/VECM dengan menggunakan
analisis Impulse Response Function (IRF) dan Forecast Error Variance
Decomposisition (FEVD) untuk mengkonfirmasi hasil uji kausalitas Granger.
Berdasarkan penelitian yang telah dilakukan maka dapat disimpulkan
bahwa Twin Deficit tidak terjadi pada negara high income (Brunei dan Singapura),
middle income (Malaysia) dan Low Income (Laos, Myanmar, dan Kamboja). Pada
Brunei, Singapura, dan Malaysia twin deficit tidak terjadi dikarenakan negara
tersebut dapat menutupi defisit mereka dengan menggunakan surplus yang
didapat pada periode-periode sebelumnya. Sedangkan pada negara low income
tidak terjadinya twin deficit adalah dikarenakan kebijakan fiskal yang ada tidak
cukup mampu mempengaruhi variabel makroekonomi yang ada. Selain itu,
negara-negara yang tidak mengalami twin deficit cenderung merupakan negara
yang menggunakan rezim nilai tukar fixed exchange rate. Sedangkan hubungan
twin deficit dengan pola hubungan defisit anggaran pemerintah menyebabkan
defisit current account terjadi di negara Indonesia, Filipina, Thailand, dan
Kamboja. Hubungan anggaran pemerintah mempengaruhi nilai tukar terjadi pada
Vietnam, current account mempengaruhi nilai tukar pada Laos dan Vienam, nilai
tukar mempengaruhi anggaran pemerintah pada Malaysia, Thailand, Laos, dan
Vietnam, serta nilai tukar mempengaruhi current account pada negara Malaysia
dan Thailand.
Pada negara middle income yang mengalami twin deficit, diperlukan
sinkronisasi antara kebijakan fiskal dan moneter, sedangkan pada negara low
income stabilitas kondisi sosial politik dalam negeri juga diperlukan untuk
mewujudkan stabilitas perekonomian. Pada negara high income, walaupun tidak
mengalami twin deficit, diversifikasi ekonomi perlu dilakukan agar negara-negara
ini tidak terlalalu bergantung kepada perdagangan internasional karena
berdasarkan penelitian ini pada negara high income, current account member
pengaruh yang besar kepada anggaran pemerintah.
Twin Deficit Phenomenon Analysis in ASEAN Countries
Abstract
This paper examines the twin deficits hypothesis in ASEAN Countries. All
ASEAN countries in this paper are classified into three categories based on World
Bank criteria: 1) High Income Countries (Brunei Darussalam and Singapore), 2)
Middle Income Countries (Indonesia, Malaysia, Philippine, and Thailand), and 3)
Low Income Countries (Cambodia, Lao, Myanmar, and Vietnam). The analysis is
based on VAR/VECM method. The major findings of this paper are: 1) Twin
deficit relationships are detected in Indonesia, Philippine, Thailand, and
Cambodia with budget deficit cause current account deficit, 2) There are no twin
deficit in high income countries but there is a strong indication indicate current
account influence government budget in these two countries. In Malaysia there is
no twin deficit because of good synchronization between fiscal & monetary policy.
In Low Income Countries such as Lao, Myanmar, and Vietnam, twin deficit non
happen because unstable social political condition and weak fiscal policy, 3)
causality exist from exchange rate to government budget and current account in
Malaysia and Thailand, 4). In Vietnam, exchange rate is depend on current
account and government budget, but in Lao exchange rate only depend on current
account.
Keyword: ASEAN, current account, government budget, exchange rate,
VAR/VECM
ANALISIS FENOMENA TWIN DEFICIT PADA
NEGARA-NEGARA ASEAN
OLEH:
MARISSA MALAHAYATI
H14070052
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi
pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
2011
Judul Skripsi
:
Nama
NIM
:
:
Analisis Fenomena Twin Deficit pada NegaraNegara ASEAN
Marissa Malahayati
H14070052
Menyetujui,
Dosen Pembimbing
Dr.Lukytawati Anggraeni, M.Si
NIP. 19771213 200501 2 002
Mengetahui,
Ketua Departemen Ilmu Ekonomi
Dr. Ir. Dedi Budiman Hakim, M. Ec
NIP. 19641022 198903 1 003
Tanggal Kelulusan
:
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH
BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH
DIGUNAKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Bogor,
Juli 2011
Marissa Malahayati
H14070052
RIWAYAT HIDUP
Penulis bernama lengkap Marissa Malahayati. Lahir pada tanggal 31
Maret 1990 di Jakarta. Penulis merupakan anak pertama dari dua bersaudara dari
pasangan bapak Ir. Abdul Rozaq (Alm) dan ibu Ir. Andira Munir. Penulis
mengawali pendidikan di SD Negeri 1 Leuwiliang, Bogor pada tahun 1995
sampai tahun 2001 lalu melanjutkan ke jenjang pendidikan SMP di SMP Negeri
1 Bogor, pada tahun 2001 sampai tahun 2004. Kemudian pada tahun 2004 sampai
tahun 2007 penulis meneruskan pendidikan di SMAN 1 Bogor. Pada tahun 2007
penulis melanjutkan studinya di Institut Pertanian Bogor (IPB) dengan jurusan
Ilmu Ekonomi dan Studi Pembangunan melalui jalur Undangan Seleksi Masuk
IPB (USMI).
Selama kuliah penulis memperoleh beberapa prestasi. Salah satu prestasi
akademis yang pernah diraih adalah menjadi peringkat 1 Mahasiswa Berprestasi
Fakultas Ekonomi dan Manajemen tahun 2010. Penulis juga merupakan Asisten
Praktikum Ekonomi Umum, Makroekonomi 1, dan Mikroekonomi 1. Selama
menyelesaikan akademiknya, penulis mengikuti berbagai kepanitiaan dan aktif di
organisasi. Organisasi yang pernah diikutinya antara lain, Koran Kampus IPB
sebagai web designer dan layouter pada tahun 2008 dan 2009, Badan Eksekutif
Mahasiswa Fakultas Ekonomi dan Manajemen (BEM FEM) kabinet Sahabat
Ksatria tahun 2009 menjabat sebagai Sekertaris Departemen Ekonomi dan Badan
Eksekutif Mahasiswa Keluarga Mahasiswa IPB (BEM KM IPB) pada tahun 2010
sebagai staff Kementerian Pendidikan.
i
KATA PENGANTAR
Puji syukur mari kita panjatkan Kehadirat Allah SWT karena telah
melimpahkan segala
rahmat dan hidayah-Nya,
sehingga
penulis dapat
menyelesaikan skripsi yang berjudul “Analisis Fenomena Twin Deficit pada
Negara-Negara ASEAN”.
Skripsi ini merupakan salah satu syarat untuk memperoleh gelar
Sarjana Ekonomi pada Departemen Ekonomi dan Manajemen, Institut Pertanian
Bogor. Penulisan skripsi ini bertujuan untuk mengenai keberadaan twin deficit di
kawasan Asia Tenggara serta faktor-faktor apa yang menyebabkannya.
Pada kesempatan ini, penulis ingin menyampaikan terimakasih yang
tidak terhingga kepada :
1.
Mama tersayang, Ir Andira Munir dan Ayah, Ir Abdul Rozaq (alm.) dan
adikku Muflih Rizqi Prakoso, atas seluruh dukungan dan doa yang
senantiasa diberikan kepada penulis. Serta keluarga besar atas segala
bantuan yang telah diberikan selama penulis melakukan studinya.
2.
Dr. Lukytawati, M.Si, selaku dosen pembimbing skripsi. Terimakasih atas
waktu dan bimbingan yang telah diluangkan serta dukungan kepada penulis
untuk menyelesaikan skripsi serta atas segala saran dan kritik mengenai
penulisan karya tulis yang baik.
3.
Bapak Alla Asmara M.Si selaku dosen penguji utama dan Bapak Irfan
Syauqi Beik, Ph.D selaku dosen penguji dari komisi pendidikan yang telah
memberikan banyak saran dan masukan yang sangat bermanfaat dalam
penyempurnaan tulisan ini.
4.
Segenap dosen di Departemen Ilmu Ekonomi FEM IPB atas segala ilmu
yang telah diberikan kepada penulis selama ini.
5.
Segenap Tata Usaha Departemen Ilmu Ekonomi yang membantu segala
proses administrasi.
6.
Teman-teman satu bimbingan, Gustyanita Pratiwi, Fitria Panduwinata, dan
Dame Siregar.
7.
Sahabat-sahabat penulis, Solihin, Sri Retno Wahyu N, dan Fanny Aprilta,
dan seluruh teman-teman Ilmu Ekonomi 44 lainnya atas segala dukungan
yang telah diberikan.
ii
Besar harapan penulis, Skripsi ini dapat bermanfaat bagi pembacanya
terutama untuk penelitian-penelitian mengenai twin deficit selanjutnya.
Bogor,
Juli 2011
Marissa Malahayati
H14070052
iii
DAFTAR ISI
Halaman
KATA PENGANTAR ....................................................................................... i
DAFTAR ISI ................................................................................................... iii
DAFTAR TABEL ........................................................................................... vi
DAFTAR GAMBAR ...................................................................................... vii
DAFTAR LAMPIRAN .................................................................................... ix
I.
PENDAHULUAN .................................................................................. 1
1.1. Latar Belakang ............................................................................... 1
1.2. Perumusan Masalah ....................................................................... 4
1.3. Tujuan Penelitian ........................................................................... 4
1.4. Ruang Lingkup Penelitian .............................................................. 5
II.
TINJAUAN PUSTAKA ......................................................................... 6
2.1. Pendapatan Nasional ...................................................................... 6
2.2. Current Account dan Current Account Deficit ................................ 9
2.3. Anggaran Pemerintah dan defisit Anggaran Pemerintah ............... 10
2.4. Hubungan current account deficit dan defisit Anggaran
Pemerintah ................................................................................... 12
2.5. Hubungan Antara Nilai Tukar Terhadap Anggaran
Pemerintah dan Transaksi Berjalan............................................... 14
2.6. Penelitian Terdahulu .................................................................... 15
2.6.1. Twin Deficit di Negara Maju ................................... 15
2.6.2. Twin Deficit di Negara Berkembang ....................... 16
2.7. Kerangka Pemikiran ..................................................................... 19
III.
METODOLOGI PENELITIAN ............................................................ 21
3.1. Jenis dan Sumber Data ................................................................. 21
3.2. Metode Analisis ........................................................................... 23
3.2.1. Vector Autoregressive (VAR) ........................................... 24
3.2.2. Vector Error Correction Model (VECM).......................... 27
3.2.3. Pengujian Praestimasi ....................................................... 27
3.2.3.1. Uji Stasioneritas ......................................... 27
3.2.3.2. Pemilihan Panjang Lag Optimal ................. 28
3.2.3.3. Uji Kointegrasi...........................................29
iv
3.2.3.4. Analisis VAR/VECM ................................30
3.2.3.4.1. Uji Kausalitas ............................30
3.2.3.4.2. Impuls Response Funtion
(IRF) ........................................30
3.2.3.4.3. Variance Decomposisition .........31
IV.
GAMBARAN UMUM ANGGARAN PEMERINTAH, CURRENT
ACCOUNT, DAN NILAI TUKAR NEGARA-NEGARA ASEAN .......32
4.1. Gambaran Umum Anggaran Pemerintah (Government Budget)
di Negara-Negara ASEAN ...........................................................32
4.2. Gambaran Umum Transaksi Berjalan (Current Account) di
Negara-Negara ASEAN ...............................................................36
4.3. Gambaran Umum Nilai Tukar (Exchange Rate) di
Negara-Negara ASEAN ............................................................... 39
V.
HASIL DAN PEMBAHASAN ............................................................. 42
5.1. Uji Kestasioneritasan Data ........................................................... 42
5.2. Uji Kointegrasi Johansen ............................................................. 43
5.3. Penetapan Lag Optimal ................................................................ 44
5.4. Hasil Uji Kausalitas ..................................................................... 45
5.5. Simulasi Impulse Response Function (IRF) ................................. 50
5.5.1. Analisis Impulse Response Function (IRF)
Guncangan Anggaran Pemerintah (BD)
terhadap Current Account (CA) dan
nilai tukar (ER) ....................................................... 50
5.5.2. Analisis Impulse Response Function (IRF)
Guncangan Current Account (CA) terhadap
Anggaran Pemerintah (BD) dan nilai tukar (ER) ..... 56
5.5.3. Analisis Impulse Response Function (IRF)
Guncangan Nilai Tukar (ER) terhadap
current account (CA) dan Anggaran
Pemerintah (BD) .................................................... 61
5.6. Hasil Simulasi Forecast Error Variance Decomposisition ............ 64
5.6.1. Hasil Simulasi Forecast Error Variance
Decomposisition pada Variabel
Anggaran Pemerintah ............................................ 65
5.6.2. Hasil Simulasi Forecast Error Variance
Decomposisition Current Account .......................... 66
5.6.3. Hasil Simulasi Forecast Error Variance
Decomposisition Variabel Nilai Tukar .................... 67
v
5.7. Twin Deficit di Kawasan ASEAN ........................................... 68
5.8.Hubungan Nilai Tukar (ER) terhadap Anggaran
Pemerintah (BD) dan Current Account (CA) ............................ 74
VI.
KESIMPULAN DAN SARAN ............................................................. 78
6.1. Kesimpulan .................................................................................. 78
6.2. Saran ............................................................................................ 79
DAFTAR PUSTAKA ..................................................................................... 81
LAMPIRAN ................................................................................................... 86
vi
DAFTAR TABEL
Nomor
Halaman
1.1.Kondisi Current account pada Negara-Negara Anggota ASEAN
Periode tahun 2005-2010 ............................................................................2
1.2.Kondisi Government Budget pada Negara-Negara Anggota ASEAN
Periode tahun 2005-2010...........................................................................3
3.1. Daftar Variabel yang Digunakan dalam Penelitian...................................22
4.1. Rezim Nilai Tukar yang digunakan Negara-Negara ASEAN ................... 40
5.1. Hasil Uji Stasioneritas ............................................................................. 42
5.2 Hasil Uji Kointegrasi................................................................................ 44
5.3. Model VAR yang terbentuk ....................................................................44
5.4. Hasil Uji Bivariate Granger Causality .................................................... 45
5.5. Hasil Uji Granger Causality/ Block Exogeneity Wald Test ...................... 47
5.6. Ringkasan Hasil Uji Kausalitas ............................................................... 49
5.7. Hasil FEVD dari BD ............................................................................... 65
5.8. Ringkasan Hasil FEVD dari CA .............................................................. 66
5.9. Ringkasan Hasil FEVD dari ER .............................................................. 68
5.10. Ringkasan Hubungan Twin Deficit ........................................................ 69
vii
DAFTAR GAMBAR
Nomor
Halaman
2.1 Kurva Investasi ........................................................................................... 8
2.2 Hubungan antara Tingkat Inflasi dengan Penerimaan Pemerintah .............. 10
2.3.Kerangka Pemikiran .................................................................................. 20
3.1 Tahapan Analisis VAR/VECM. ................................................................ 24
4.1 Pertumbuhan Anggaran Pemerintah pada ASEAN High Income
Countries periode 1991-2010 .................................................................... 32
4.2 Pertumbuhan Anggaran Pemerintah pada ASEAN Middle Income
Countries periode 1991-2010 .................................................................... 34
4.3 Pertumbuhan Anggaran Pemerintah pada ASEAN Low Income
Countries periode 1991-2010 .................................................................... 35
4.4 Pertumbuhan Current Account pada ASEAN High Income ..........................
Countries periode 1991-2010 .................................................................... 36
4.5 Pertumbuhan Current Account pada ASEAN Middle Income
Countries periode 1991-2010 .................................................................... 37
4.6. Pertumbuhan Current Account pada ASEAN Low Income
Countries periode 1991-2010 .................................................................... 38
5.1. Respon CA dan ER terhadap Guncangan BD Pada ASEAN High
Income Countries ...................................................................................... 51
5.2 Respon CA dan ER terhadap Guncangan BD Pada ASEAN Middle
Income Countries ...................................................................................... 52
5.3 Respon CA dan ER terhadap Guncangan BD Pada ASEAN Low
Income Countries ...................................................................................... 55
5.4 Respon BD dan ER terhadap Guncangan CA Pada ASEAN High
Income Countries ..................................................................................... 57
5.5 Respon BD dan ER terhadap Guncangan CA Pada ASEAN Middle
Income Countries ...................................................................................... 58
5.6 Tingkat Suku Bunga Pada Negara-Negara Middle Income di
ASEAN..................................................................................................... 59
5.7 Respon BD dan ER terhadap Guncangan CA Pada ASEAN Low
viii
Income Countries ...................................................................................... 61
5.8 Respon BD dan CA terhadap Guncangan ER Pada ASEAN High
Income Countries..................................................................................... 62
5.9 . Respon BD dan CA terhadap Guncangan ER Pada ASEAN Middle
Income Countries.................................................................................... 63
5.10 Respon BD dan CA terhadap Guncangan ER Pada ASEAN Low
Income Countries.................................................................................... 64
5.11 Pengeluaran Operasional Pemerintah Singapura periode tahun
2009-2010 .............................................................................................. 71
ix
DAFTAR LAMPIRAN
Nomor
Halaman
1.
Penelitian Terdahulu .............................................................................. 87
2.
Uji Lag Optimum ................................................................................... 89
3.
Uji Stabilitas VAR ................................................................................. 94
4.
Uji Kointegrasi ....................................................................................... 97
5.
Hasil Simulasi FEVD ........................................................................... 109
6.
Perbandingan Pertumbuhan GDP dan Suku Bunga pada
Negara-Negara Middle Income di ASEAN ........................................... 140
7.
Perbandingan Pertumbuhan GDP dan Konsumsi pada
Negara-Negara Low Income di ASEA .................................................. 140
I.
PENDAHULUAN
1.1. Latar Belakang Masalah
Pemerintah suatu negara seringkali menghadapi masalah defisit, baik
defisit fiskal maupun defisit transaksi berjalan (current account deficit). Defisit
fiskal seringkali terjadi saat pemerintah meningkatkan pelayanan publik kepada
rakyatnya atau untuk meningkatkan pembangunan perekonomian sehingga
pemerintah dapat bertindak dengan cara meningkatkan pengeluaran pemerintah
(government expenditure) atau menurunkan tingkat pajak (taxes). Defisit
perdagangan (current account deficit) terjadi apabila penerimaan pemerintah dari
ekspor lebih kecil dibandingkan pengeluaran pemerintah untuk impor, hal ini
seringkali terjadi apabila produk domestik kurang memiliki daya saing
dibandingkan produk lain di pasar internasional atau karena kurs domestik yang
terapresiasi sehingga menurunkan daya saing produk domestik di pasar
internasional (Fleegler, 2006).
Defisit fiskal dan defisit neraca perdagangan (current account deficit)
dianggap dapat mengganggu kestabilan kondisi perekonomian suatu negara dalam
jangka panjang (Edwards, 2001). Beberapa penelitian menyatakan bahwa defisit
fiskal dan defisit neraca perdagangan saling berkaitan satu sama lain, keterkaitan
antara kedua defisit ini dikenal sebagai twin deficit atau defisit kembar. Secara
teoritis, bila terjadi kebijakan fiskal yang ekspansioner (terjadi defisit fiskal) maka
nilai tukar riil mata uang domestik akan terapresiasi sehingga daya saing
perdagangan akan menurun dan memperburuk defisit neraca perdagangan
(current account deficit) (Salvatore, 2007).
Hubungan antara defisit anggaran pemerintah dan transaksi berjalan belum
dapat dipastikan secara pasti, penelitian mengenai twin deficit terus dilakukan
untuk melakukan prediksi yang lebih baik mengenai dampak suatu defisit
terhadap defisit lainnya sehingga mudah untuk menentukan kebijakan selanjutnya
(Vyshnyak, 2000).
Oleh karena itu, pola hubungan antara defisit anggaran
pemerintah dan defisit transaksi berjalan berbeda-beda antara suatu negara dengan
negara lainnya walau berada dalam satu regional wilayah yang sama, hal ini
dipengaruhi
oleh
kondisi
perekonomian
negara
yang
bersangkutan.
2
Tabel 1.1.Kondisi Current account pada Negara-Negara Anggota ASEAN
Periode tahun 2005-2010 *)
Negara
2005 2006 2007 2008
2009 2010
Brunei Darussalam 52,73 56,43 51,07 54,34 40,23 42,79
Filipina
-3,82 -0.645 -2,45 -6,21 -5,16 -4,33
Laos
0.097
2,98
2,43 0.025
2,58 0.891
Indonesia
-18,05 -11,16 -15,89 -18,53 -17,57 -10,21
Kamboja
15,00 16,44 15,92 17,48 16,50 11,82
Malaysia
0.444
1,03 0.112 -0.694 -0.454 -0.856
Myanmar
2,01
4,55
4,94
2,18
5,81
4,49
Singapura
21,11 24,82 27,34 14,58 19,04 22,21
Thailand
-4,33 11,18
6,35 0.791
8,29
4,64
Vietnam
-1,06 -0.269 -9,83 -11,95 -6,56 -3,79
Sumber: IMF (2011)
Ket: *) Sebagai persentase dari GDP
Tabel 1.1 menggambarkan kondisi current account pada negara-negara
ASEAN. Kondisi current account dari setiap negara berbeda-beda, bergantung
kepada kebijakan yang diambil oleh negara yang bersangkutan. Sebagai contoh,
saat terjadi krisis suprime mortgage di Amerika pada tahun 2007, current account
negara-negara ASEAN cenderung mengalami penurunan. Hal ini dikarenakan
pada periode tahun tersebut daya beli internasional mengalami penurunan,
sehingga penerimaan dari ekspor bagi negara-negara ASEAN yang banyak
bermitra dagang dengan Amerika dan Eropa mengalami penurunan current
account.
3
Tabel 1.2. Kondisi Government Budget pada Negara-Negara Anggota ASEAN
Periode tahun 2005-2010 *)
Negara
2005 2006 2007 2008 2009 2010
Brunei Darussalam 21,1 21,5 21,9 27,9 3,93 8,02
Filipina
-0,7 -0,2 -0,5 -0,1 -3,35 -1,48
Laos
-0,5 -0,9 -1,3 -0,1 -2,3 -0,59
Indonesia
-4,5 -3,1 -2,6 -2,2 -3,3 -3,99
Kamboja
-3,6 -3,3 -3,2 -4,8 -7,0 -5,06
Malaysia
-3,3 -4,3 -3,8 -3,4 -3,7 -4,44
Myanmar
-2,7 -1,1 -0,2 -0,9 -3,9 -3,67
Singapura
6,5
6,3 11,4
7,6
1,7 5,25
Thailand
0,1 -0,3 -1,3 -0,6 -4,1 -2,69
Vietnam
-1,1
1,3 -1,0 -1,9 -7,7 -6,41
Sumber: IMF (2011)
*) Sebagai persentase dari GDP
Tabel 1.2 menggambarkan kondisi defisit/surplus anggaran pemerintah
untuk negara-negara ASEAN. Selama periode tahun 2005-2010 mayoritas negaranegara di ASEAN mengalami defisit anggaran pemerintah. Hanya Brunei
Darussalam dan Singapura yang cenderung tidak mengalami defisit selama
periode tersebut. Brunei yang perekonomiannya ditopang oleh penjualan minyak
bumi terus mengalami surplus walaupun mulai pada tahun 2009 surplus anggaran
mulai menurun dikarenakan terjadi penurunan harga minyak dunia pada tahun
tersebut 1 . Selain itu, pertumbuhan anggaran pemerintah Singapura mengalami
penurunan pada tahun 2009 karena banyak mengeluarkan stimulus fiskal untuk
meningkatkan investasi di negaranya, pemerintah singapura berhasil memperbaiki
kebijakan fiskalnya sehingga negara ini kembali mengalami surplus pada tahun
20102.
1
Berdasarkan artikel berjudul Penurunan Harga Minyak 2009 "Tergerus" Konsumsi Tinggi BBM
dari http://www.antaranews.com/view/?i=1218527015&c=EKB&s= [12 Agustus 2008]
2
Berdasarkan artikel Budget 2010: Singapore sets smaller budget deficit dari
http://www.asiaone.com/Business/News/My+Money/Story/A1Story20100222-200250.html
[22 Februari 2010]
4
1.2. Rumusan Masalah
Terdapat empat kemungkinan pola hubungan antara defisit transaksi
berjalan dan defisit anggaran pemerintah, yaitu: 1) Defisit transaksi berjalan
(current account deficit) menyebabkan terjadinya defisit anggaran pemerintah
(budget deficit), 2) Defisit anggaran pemerintah (budget deficit) menyebabkan
terjadinya defisit transaksi berjalan (current account deficit), 3) Terdapat
hubungan dua arah antara kedua defisit tersebut, atau 4) tidak terdapat hubungan
antara kedua defisit tersebut.
Beberapa kajian mengenai twin deficit menemukan hasil yang berbeda
terkait hubungan antara
defisit fiskal dan defisit current account. Hal ini
bergantung kepada periode waktu yang diambil untuk penelitian serta variabelvariabel yang digunakan. Terkait kasus twin deficit di kawasan ASEAN, belum
terdapat kajian yang mendalam dan mencakup seluruh negara di Asia Tenggara.
Oleh karena itulah, pada penelitian kali ini,penulis melakukan kajian mengenai
fenomena twin deficit di seluruh negara di Asia Tenggara yang tergabung dalam
ASEAN.
Berdasarkan penjelasan di atas, maka permasalahan yang akan di bahas
dalam penelitian ini adalah:
1. Bagaimana dinamika pola defisit anggaran pemerintah dan defisit
transaksi berjalan pada negara-negara anggota ASEAN?
2. Bagaimana dampak defisit anggaran pemerintah terhadap transaksi
berjalan, dan nilai tukar di negara-negara ASEAN?
1.3. Tujuan Penelitian
Berdasarkan latar belakang dan perumusah masalah, maka tujuan
penelitian ini adalah:
1. Mengetahui dinamika pola defisit anggaran pemerintah dan defisit
transaksi berjalan pada negara-negara anggota ASEAN.
2. Mengetahui dampak defisit anggaran pemerintah terhadap transaksi
berjalan, dan nilai tukar di negara-negara ASEAN.
5
1.4. Ruang Lingkup Penelitian
Ruang lingkup penelitian ini dibatasi hanya mengenai fenomena twin
deficit untuk sepuluh negara yang menjadi anggota ASEAN yaitu: Brunei
Darussalam, Kamboja, Indonesia, Laos, Malaysia, Myanmar, Filipina, Singapura,
Thailand, dan Vietnam yang dikelompokkan menjadi tiga kelompok berdasarkan
klasifikasi yang dikeluarkan oleh World Bank yaitu:
1. High Income Countries: Brunei Darussaalam dan Singapura
2. Middle Income Countries: Indonesia, Malaysia, Filipina, dan Thailand.
3. Low Income Countries: Kamboja, Laos, Myanmar, dan Vietnam.
Selain itu variabel-variabel yang digunakan adalan anggaran pemerintah (BD),
current account (CA), dan nilai tukar.
6
II. TINJAUAN PUSTAKA
2.1. Pendapatan Nasional
Konsep pendapatan nasional pertama kali diperkenalkan oleh Kuznetz,
menurut Lipsey dan Steiner (1995) perhitungan pendapatan nasional dapat
dilakukan dengan menggunakan tiga pendekatan, yaitu 1.) Pendekatan Nilai
Tambah (Added Value Approach); Pendapatan nasional dihitung dengan cara
menjumlah nilai tambah dari setiap proses produksi suatu produk.. 2.) Metode
Pendapatan
(Income
Approach);
Pendapatan
penjumlahan dari seluruh penerimaan
nasional
merupakan
hasil
yang diterima pemilik faktor produksi
selama satu periode. Penerimaan tersebut antara lain: sewa (rent), upah (wage),
suku bunga (interest), dan keuntungan (profit). 3.) Metode Pengeluaran
(Expenditure Approach/ Keynessian Total Expenditure Model); Pendapatan
nasional dihitung dengan cara menjumlahkan seluruh pengeluaran yang dilakukan
oleh keempat sektor dalam perekonomian yaitu sektor konsumen, sektor
perusahaan, sektor pemerintah dan sektor perdagangan luar negeri.
Dari ketiga
model pendekatan tersebut, pendekatan pengeluaran
merupakan model yang paling sering dipakai untuk mengukur tingkat pendapatan
nasional suatu negara. Hal ini dikarenakan data-data yang terkait dengan
pengeluaran lebih mudah dikumpulkan dibandingkan data yang terkait dengan
pendapatan serta sulitnya untuk menghitung nilai tambah dari seluruh komoditas
yang ada di suatu negara.
Berdasarkan model pengeluaran total
Keynessian (Keynessian Total
Expenditure Model) faktor-faktor yang merupakan komponen pendapatan
nasional adalah : 1) Konsumsi, 2) Investasi, 3) Belanja Pemerintah (Government
Purchase), dan 4) ekspor bersih. Keempat faktor tersebut mempengaruhi
permintaan agregat (aggregate demand) dan memiliki dampak untuk tingkat
harga dan tingkat pendapatan nasional. Dibawah ini merupakan penjelasan
mengenai masing-masing komponen pendapatan nasional berdasarkan Mankiw
(2002).
7
a.
Konsumsi
Konsumsi adalah seluruh produk, baik barang maupun jasa, yang dibeli
oleh rumah tangga di suatu negara. Konsumsi juga merupakan komponen paling
besar yang menentukan pendapatan nasional. Secara matematis, fungsi konsumsi
dapat dituliskan sebagai berikut:
C= C0+ MPCYd
........................................................ (2.1)
dimana:
C= Konsumsi
C0= Konsumsi autonomus
MPC= Marginal Prospensity to Consume
Yd= Disposible Income
Disposible Income (Yd) adalah pendapatan yang siap dibelanjakan oleh
masyarakat. Secara matematis Disposible Income dapat dituliskan sebagai berikut
Yd= Y-Tx+Tr
........................................................ (2.2)
dimana:
Yd= Disposible Income
Y= Pendapatan Nasional
Tx= Tingkat Pajak
Tr= Transfer Payment
Dengan
menyatukan
C= C0+ MPC(Y-Tx+Tr)
Persamaan
(2.1)
dan
(2.2)
maka
didapatkan :
........................................................ (2.3)
b. Investasi
Investasi adalah pengeluaran yang dilakukan oleh perusahaan untuk
membeli barang-barang modal untuk menjalankan produksi. Investasi terdiri dari
barang-barang yang dibeli untuk kebutuhan di masa yang akan datang. Investasi
dibagi menjadi tiga kategori yaitua: business fixed investment, residential fixed
investment, dan inventory investment.
Business fixed investment dilakukan
dengan cara membeli pabrik atau peralatan yang dilakukan oleh perusahaan. .
Residential investment dilakukan oleh pemilik tanah dengan cara membeli
perumahan, sedangkan Inventory investment dilakukan oleh perusahaan dengan
cara membeli barang-barang cadangan untuk investasi (Mankiw, 2002).
8
Fungsi investasi berbanding terbalik terhadap tingkat suku bunga riil, hal
ini dikarenakan saat suku bunga adalah biaya untuk meminjam, semakin tinggi
tingkat suku bunga, maka semakin sedikit proyek investasi yang menguntungkan.
Hal ini digambarkan oleh kurva fungsi investasi yang memiliki slope negatif.
r
f(I)
I
Sumber: Mankiw, 2002
Gambar 2.1. Kurva Investasi
Fungsi investasi merupakan fungsi yang kurang stabil bila dibandingkan
dengan fungsi konsumsi (Rohlf, 2010). Ketidakstabilan investasi disebabkan
antara lain karena:
a. Suku bunga yang senantiasa berubah setiap waktu.
b. Ekspektasi bisnis yang cenderung berubah-ubah.
c. Keputusan investor untuk menunda melakukan investasi.
d. Kesempatan untuk berinvestasi tidak terjadi setiap saat.
c.
Belanja Pemerintah (G)
Belanja pemerintah adalah seluruh barang dan jasa yang dibeli oleh
pemerintah pusat maupun daerah. Pengeluaran yang termasuk sebagai belanja
pemerintah diantaranya adalah belanja militer dan pembangunan fasilitas publik
untuk masyarakat. Transfer Payment (Tr) tidak termasuk kedalam komponen
9
belanja pemerintah dikarenakan Tr hanya mengalokasikan ulang pendapatan dan
tidak terdapat pertukan barang dan jasa dalam penyaluran Tr.
d. Ekspor Bersih (NX)
Ekspor Bersih
atau neraca perdagangan adalah selisih antara volume
ekspor dan volume impor yang dilakukan oleh suatu negara. Jika nilai expor lebih
besar dibandingkan nilai impor, maka dikatakan negara mengalami surplus
perdagangan, sebaliknya jika nilai impor lebih besar dibandingkan nilai ekspor
maka negara mengalami defisit perdagangan.
Keempat komponen di atas membentuk persamaan pengeluaran agregat
(AE) sehingga dapat dituliskan sebagai berikut:
AE= C+I+G+NX
.................................................... (2.4)
AE=(C0+MPCYd) +I+G+NX
.................................................... (2.5)
AE= (C0+ MPC(Y-Tx+Tr)) + I+ G+ NX.................................................... (2.6)
Karena keseimbangan pendapatan nasional dapat tercapai apabila
pendapatan nasional sama dengan pengeluaran agregat sehingga dapat dituliskan :
Y=AE= C + I + G + NX
.................................................... (2.7)
Sehingga secara ringkas dapat dituliskan sebagai Y= C + I + G + NX
2.2. Current account dan Current Acount Deficit
Current account adalah neraca dalam transaksi ekonomi nasional yang
mencatat transaksi barang dan jasa, pembayaran bunga hutang, dan pengiriman
uang dari suatu negara. Secara matematis, current account dituliskan sebagai
berikut:
CA = X – M + Net
................................................... (2.8)
Dimana:
CA= Current account
X= Ekspor
M=Impor
Net= Pendapatan dan transfer bersih dari luar negeri
10
Untuk menyederhanakan persamaan, pendapatan dan transfer dari luar
negeri diasumsikan tidak memiliki pengaruh yang besar terhadap current account .
Sehingga persamaan dapat ditulis ulang menjadi:
CA= X-M
.................................................. (2.9)
Berdasarkan Persamaan (2.9), current account merupakan selisih antara
ekspor dan impor suatu negara. Jika nilai ekspor melebihi nilai impor maka
current account dinyatakan mengalami surplus (current account surplus),
sebaliknya jika nilai impor melebihi nilai ekspor maka current account
dinyatakan mengalami defisit (current account deficit).
2.3 Anggaran Pemerintah dan Defisit Anggaran Pemerintah
Anggaran pemerintah (Government Budget) adalah selisih antara
penerimaan pemerintah yang berasal dari pajak dengan pengeluaran pemerintah.
Jika penerimaan pemerintah lebih besar dibandingkan pengeluarannya maka
pemerintah mengalami surplus anggaran (budget surplus), sebaliknya jika
pengeluaran pemerintah lebih besar dibandingkan penerimaannya, maka
pemerintah mengalami defisit anggaran (budget deficit).
Defisit anggaran pemerintah (budget deficit) dapat dibiayai melalui empat
sumber, antara lain: 1) Mengambil cadangan mata uang asing , 2) Melalui
pinjaman domestik dengan cara menjual surat berharga kepada masyarakat, 2)
Melalui pinjaman luar negeri, 3) Melakukan pencetakan uang, atau perpaduan
antara ketiga sumber tersebut (Fischer dan Easterly, 1990).
Seluruh sumber permbiayaan defisit anggaran pemerintah tersebut
memiliki risiko masing-masing. Membiayai defisit anggaran pemerintah melalui
pinjaman domestik akan menyebabkan suku bunga riil domestik meningkat
sehingga investasi domestik akan turun. Sumber pembiayaan defisit dengan
menggunakan cadangan mata uang asing atau melalui sumber pinjaman luar
negeri dapat menyebabkan kurs domestik terapresiasi sehingga daya saing produk
domestik menurun dan menyebabkan ekspor domestik menurun. Hal ini berakibat
pada menurunnya netto expor sehingga berdampak pada menurunnya cadangan
mata uang asing di dalam negeri dan pelunasan hutang yang tidak
berkesinambungan (unsustainable external indebtedness). Pembiayaan defisit
11
dengan mencetak uang akan mengakibatkan meningkatnya tingkat inflasi.
Menurut Kiguel dan Laviatan (1990), dalam jangka pendek pencetakan uang
dapat meningkatkan pendapatan pemerintah melalui pajak inflasi (seigniorage),
akan tetapi pada jangka panjang inflasi menurunkan pendapatan pemerintah
dikarenakan kepercayaan dan permintaan terhadap mata uang domestik akan
menurun.
Sumber: Fischer dan Easterly (1990)
Gambar 2.2. Hubungan antara Tingkat Inflasi dengan Penerimaan Pemerintah
Gambar 2.1 menjelaskan hubungan antara tingkat inflasi dan penerimaan
pemerintah. Tingginya tingkat inflasi yang disebabkan oleh pencetakan uang
untuk membiayai defisit anggaran akan menyebabkan defisit pemerintah semakin
tinggi pada jangka panjang karena penerimaan pemerintah menurun seiring
dengan peningkatan inflasi.
12
2.4. Hubungan Antara Current account Deficit dan Defisit Anggaran
Pemerintah
Hubungan antara current account dan budget deficit dapat diturunkan dari
persamaan pendapatan nasional. Persamaan pendapatan nasional dapat dituliskan
sebagai berikut:
Y = C + I + G+ (X – M)
........................................................ (2.10)
Dimana:
Y= Pendapatan Nasional
C= Konsumsi
I= Investasi Swasta
G= Pengeluaran Pemerintah
X= Ekpor
M= Impor
Selain itu, persamaan lain yang merumuskan pendapatan nasional adalah:
Y=C+S+T
........................................................ (2.11)
Dimana :
Y= Pendapatan Nasional
C= Konsumsi
S= Tabungan Swasta Domestik
T=Pajak
Persamaan
(2.10)
dan
(2.11)
dapat
disusun
kembali
sehingga :
C + I + G+ (X – M) = C+S+T
........................................................ (2.12)
X-M= C+S+T-C-I-G
........................................................ (2.13)
X-M= S+T-I-G
........................................................ (2.14)
X-M= (S-I) + (T-G)
........................................................ (2.15)
Persamaan (2.15) lebih sering disebut sebagai hubungan twin deficit.
Persamaan tersebut menyatakan defisit yang terjadi pada current account (X< M)
akan diikuti oleh budget deficit pemerintah (T< G). Hubungan twin deficit ini
hanya berlaku apabila gap antara investasi sektor swasta dan tabungan (S-I)
diasumsikan tetap (Hossain dan Chowdhury,2001).
13
Terdapat empat kemungkinan terkait dengan hubungan defisit anggaran
pemerintah dengan defisit current account yaitu:
1. Tidak terdapat hubungan antara defisit anggaran pemerintah dan defisit
current account.
Sesuai dengan persamaan (2.6), hubungan anggaran pemerintah dan
current account dirumuskan sebagai X-M= (S-I) + (T-G). Hubungan twin deficit
tidak terjadi apabila saat pemerintah melakukan kebijakan fiskal ekspansif dengan
meningkatkan belanja pemerintah (G) sehingga defisit anggaran pemerintah
meningkat, masyarakat menyadari bahwa kenaikan G akan mengakibatkan
peningkatan pajak (T) di masa yang akan datang sehingga mereka menabung
lebih banyak pada masa kini sehingga tidak menyebabkan terjadinya defisit
current account (Barro, 1989) atau dengan kata lain Selain itu, twin deficit juga
tidak akan terjadi pada negara dengan tingkat tabungan yang yang tinggi.
Fenomena Twin deficit juga tidak akan terjadi apabila institusi fiskal di
suatu negara tanggap dalam merespon setiap surplus/ defisit fiskal dan membuat
kebijakan yang sesuai dengan kondisi neraca fiskal negara mereka masing-masing.
Kebijakan fiskal yang tidak responsif akan menyebabkan defisit fiskal
mempengaruhi tingkat suku bunga dan akan berdampak pada nilai
tukar.
Perubahan nilai tukar inilah yang rentan menyebabkan defisit neraca
perdagangan(Artana, et.al, 2003). Sesuai dengan yang dinyatakan oleh Corsetti
dan Müller (2006), suatu negara akan lebih rentan mengalami twin deficit apabila
negara tersebut memiliki tingkat keterbukaan (degree of openness) yang tinggi
dan terus menerus melakukan kebijakan fiskal ekspansif tanpa menyesuaikan
dengan kondisi perekonomian yang ada.
2. Defisit anggaran pemerintah mengakibatkan defisit current account
Berdasarkan model Mundell-Fleming, pada rezim nilai tukar fixed
exchange
rate,
keberadaan
defisit
anggaran
pemerintah
mengakibatkan
peningkatan pendapatan riil dan tingkat harga dan memperburuk keseimbangan
current account. Pada rezim nilai tukar flexible exchange rate, peningkatan
pengeluaran pemerintah akan menggeser kurva IS ke kanan atas dan
14
meningkatkan
tingkat
suku
bunga.
Peningkatan
suku
bunga
tersebut
mengakibatkan terjadinya arus modal masuk (capital inflow) dan membuat kurs
nominal terapresiasi sehingga membuat daya saing produk domestik di pasar
internasional menurun sehingga memperburuk defisit current account (Ardiyanto,
2006).
3. Defisit Current account Menyebabkan Defisit Anggaran Pemerintah
Terjadi
pada
negara
yang
bergantung
kepada
perdagangan
Internasionalnya atau tengah melakukan ekspansi pasar sehingga pemerintah
negara yang bersangkutan merasa neraca perdagangan sangat penting dan sangat
diperlukan suntikan dana dari pemerintah untuk menutupi defisit current account
yang dialami oleh negara yang bersangkutan (Chang dan Hsu, 2009).
4. Hubungan Dua Arah (Bidirectional) antara Defisit Current account dan
Defisit Anggaran Pemerintah
Hubungan terakhir adalah hubungan dua arah antara Defisit Current
account dan Defisit Anggaran Pemerintah, sehingga defisit Current account dapat
menyebabkan defisit anggaran pemerintah begitu pula sebaliknya.
2.5. Hubungan Antara Nilai Tukar Terhadap Anggaran Pemerintah dan
Transaksi Berjalan
Anggaran pemerintah dapat memiliki hubungan positif atau negatif
dengan Nilai tukar (exchange rate). Pada umumnya hubungan antara nilai tukar
dan anggaran pemerintah adalah negatif. Hal ini terjadi apabila pemerintah
menjalankan kebijakan fiskal ekspansif dan menyebabkan turunnya anggaran
pemerintah sehingga meningkatkan konsumsi lalu meningkatkan pengeluaran
agregat. Peningkatan pengeluaran agregat menyebabkan peningkatan suku bunga.
Peningkatan suku bunga menyebabkan terjadinya capital inflow dan diikuti oleh
terapresiasinya nilai tukar karena terjadi peningkatan permintaan terhadap mata
uang domestik (Gulcan dan Bilman, 2005 ).
Hubungan positif antara anggaran pemerintah dan nilai tukar juga dapat
dijelaskan secara teoritis bahwa jika pemerintah mengeluarkan kebijakan untuk
meningkatkan anggaran pemerintah (menurunkan defisit anggaran) terdapat
15
kemungkinan secara tidak langsung terjadi peningkatan permintaan uang oleh
sektor swasta. Kenaikan permintaan uang ini dapat disebabkan oleh salah satu dari
tiga hal ini terjadi: 1) Ekspektasi inflasi yang lebih rendah, 3) Ekspektasi premi
risiko nilai tukar yang lebih rendah, atau 3) Ekspektasi mengenai tingkat
pengembalian (ROR) yang lebih besar dari surat berharga domestik. Ketiga hal
tersebut dapat menyebabkan permintaan terhadap surat berharga domestik
meningkat sehingga nilai tukar akan meningkat (Hakkio, 1996).
Beberapa penelitian, walau masih diperdebatkan, menyatakan bahwa nilai
tukar juga dapat berpengaruh terhadap anggaran pemerintah. Hal ini terkait
dengan pembayaran hutang luar negeri. Jika nilai tukar menguat (terapresiasi),
hutang luar negeri yang dibayarkan menjadi cenderung lebih kecil sehingga akan
mengurangi defisit anggaran pemerintah. Sedangkan jika nilai tukar melemah,
suatu negara cenderung harus membayar hutang luar negeri mereka dengan nilai
yang lebih tinggi sehingga akan memperburuk neraca anggaran pemerintah.
Sehingga dapat disimpulkan nilai tukar memiliki keterkaitan positif dengan
anggaran pemerintah.
Secara teoritis, nilai tukar memiliki hubungan negatif dengan neraca
perdagangan. Jika nilai tukar meningkat (terapresiasi), maka harga barang
domestik menjadi kurang kompetitif di pasar internasional sehingga ekspor akan
berkurang dan menyebabkan current account akan berkurang, begitu pula
sebaliknya.
2.6 Penelitian Terdahulu
2.6.1. Twin deficit di Negara Maju
Corsetti dan Müller (2005) meneliti mengenai twin deficit untuk negara
maju dengan mengambil contoh kawasan Amerika Serikat, Kanada, Australia, dan
Inggris dengan menggunakan metode Vector Autoregression (VAR) dengan
menggunakan data kuartalan dari tahun 1980:1 hingga 2000:4. Hasil penelitian
tersebut menyatakan bahwa twin deficit paling terlihat di wilayah Amerika Serikat
karena ditemukan defisit current account di negara ini mengakibatkan defisit
anggaran pemerintah. Hal ini dikarenakan pemerintah Amerika Serikat
16
menggunakan penerimaan fiskal mereka untuk menutupi defisit neraca
perdagangan.
Ganchev (2002) dengan menggunakan data bulanan tahun 2000:M1
hingga 2010:M4 didapatkan twin deficit tidak terlihat pada kasus negara Bulgaria
dikarenakan di negara ini terdapat kebijakan surplus fiskal yang didapatkan
pemerintah digunakan untuk mengurangi defisit current account dan untuk
membayar hutang-hutang negara. Selain pemerintah mengusahakan kebijakan
fiskal sebisa mungkin tidak digunakan untuk menggantikan kebijakan moneter.
Karlinger (1999) meneliti mengenai hipotesis twin deficit di Austria
dengan menggunakan Granger causality tests, cointegration tests dan Vector Error
Correction Model (VECM) dengan data dari tahun 1976:1 hingga 1996:4 dan
menyimpulkan bahwa di Austria, ekspansi kebijakan fiskal berkorelasi negatif
terhadap transaksi berjalan (current account) walaupun mekanismenya tidak
secara langsung
Afonso dan Rault (2009) menggunakan data panel dengan range data dari
tahun 1970 hingga tahun 2007 untuk meneliti mengenai twin deficit di negaranegara uni eropa dan OECD dan menyimpulkan bahwa hubungan antara budget
deficit dan current account deficit ada namun tidak terlalu kuat dikarenakan
banyak faktor lain yang cukup kuat mempengaruhi current account seperti
kebijakan moneter negara yang bersangkutan dan likuiditas di pasar modal
internasional. Dengan menggunakan metode yang sama, Bartolini dan Lahiri
(2006) meneliti mengenai twin deficit untuk negara-negara OECD dan Amerika
Serikat dengan menggunakan data tahunan dari tahun 1972-1998. Terdapat tiga
kesimpulan besar dari penelitian tersebut yaitu 1) peningkatan defisit fiskal
diikuiti oleh peningkatan konsumsi masyarakat , 2) investasi tidak menunjukan
memiliki hubungan yang sitematis dengan defisit fiskal, dan 3) di Amerika, defisit
fiskal menyebabkan terjadinya defisit transaksi berjalan.
2.6.2. Twin deficit di Negara Berkembang
Kulkarni (1997), meneliti mengenai twin deficit di negara berkembang
dengan mengambil sample tiga negara berkembang: India, Pakistan, dan Meksiko
pada periode tahun 1998 hingga 2009. Metode yang digunakan adalah metode
17
Granger causality test dan VAR. Hasil penelitian menunjukkan bahwa ketiga
negara tersebut menunjukkan hasil yang berbeda terkait hubungan antara defisit
anggaran pemerintah dan defisit current account. Hasil penelitian di Mexico
menunjukkan tidak terdapat hubungan antara defisit anggaran dengan defisit
current account. Hasil penelitian di India menunjukan bahwa defisit anggaran
pemerintah mengakibatkan defisit current account, sebaliknya di Pakistan defisit
current account yang mempengaruhi defisit anggaran pemerintah.
Lau dan Haw (2003) melakukan penelitian mengenai mekanisme twin
deficit di Malaysia dan Thailand dengan menggunakan metode error correction
model (ECM) dan vector error correction model (VECM) dengan menggunakan
data periode tahun 1976-2000. Berdasarkan penelitian mereka ditemukan bahwa
di Thailand defisit anggaran pemerintah menyebabkan defisit current account
sedangkan di Malaysia terjadi hubungan bikausalitas antara defisit anggaran
pemerintah dan defisit current account. Selain itu, secara keseluruhan defisit
anggaran mempengaruhi tingkat suku bunga, nilai tukar, dan current account.
Berdasarkan penelitian yang dilakukan oleh Baharumshah et. al (2004)
dengan menggunakan data dari tahun 1976-2000 dan metode VAR, defisit
anggaran pemerintah mengakibatkan defisit current account di Thailand,
sedangkan di Indonesia budget deficit yang mendorong terjadinya current account
deficit. Hubungan timbal balik antara defisit anggaran dan defisit current account
terjadi di Malaysia dan Filipina.
Selain itu ditemukan pula hubungan antara
defisit anggaran dan defisit current account hanya terjadi pada jangka panjang.
Penelitian mengenai hubungan defisit anggaran dan defisit current account
juga dilakukan oleh Pahlavani dan Saleh (2009) dengan menggunakan data
anggaran pemerintah dan transaksi berjalan di
Thailand pada periode tahun
1970-2005. Berdasarkan hasil penelitian tersebut ditemukan terjadi hubungan dua
arah antara defisit anggaran dan defisit current account. Hasil ini diperkirakan
dikarenakan sejak terkena krisis di awal tahun 1980, perekonomian Thailand
ditopang oleh hutang luar negeri.
Berdasarkan penelitian Ardiyanto (2006) mengenai analisis defisit current
account dan defisit fiskal di Indonesia dengan menggunakan metode VAR dan
periode data dari tahun 1981-2004 menemukan bahwa di Indonesia defisit current
18
account di Indonesia menyebabkan defisit fiskal. Hal ini dikarenakan pemerintah
Indonesia pada saat itu terlalu berfokus defisit perdagangan internasional.
Pemerintah
mengeluarkan
kebijakan-kebijakan
perkembangan industri manufaktur dalam
yang
ditujukan
untuk
negeri termasuk memberikan
keringanan pajak pada industri ini. Hal ini menyebabkan defisit neraca
perdagangan diikuti oleh defisit anggaran pemerintah karena pemerintah
mengurangi penerimaan pajak dari industri.
Seluruh penelitian terdahulu yang menjadi referensi pada penelitian ini,
baik yang terkait dengan negara maju maupun berkembang, diringkas Lampiran 1.
Pada penelitian kali ini, akan diteliti fenomena twin deficit dari seluruh negara di
ASEAN. Selain itu diteliti pula pengaruh variabel nilai tukar terhadap anggaran
pemerintah dan transaksi berjalan (current account).
19
2.7. Kerangka Pemikiran
Negara-negara ASEAN seringkali menghadapi masalah defisit anggaran
pemerintah ( budget deficit) dari sisi fiskal dan defisit transaksi berjalan (cureent
account deficit) dari sisi perdagangan internasional. Kedua defisit tersebut diduga
terkait satu sama lain sehingga menimbulkan fenomena yang disebut defisit
kembar (twin deficit). Keberadaan twin deficit di suatu negara, dikhawatirkan akan
mengganggu kestabilan variabel-variabel makro ekonomi di negara yang
bersangkutan.
Pada penelitian kali ini dikaji
mengenai hubungan antara variabel
anggaran pemerintah dan neraca perdagangan yang merupakan indikasi terjadinya
twin deficit di suatu negara, setelah itu dicari faktor-faktor apa saja yang
menyebabkan terjadinya/ tidak terjadinya twin deficit di suatu negara. Penulis
juga meneliti mengenai dampak keberadaan twin deficit terhadap nilai tukar
(exchange rate). Setelah kajian dilakukan, maka akan ditarik kesimpulan
mengenai keberadaan dan hubungan twin deficit di ASEAN dan kaitannya
terhadap nilai tukar. Berdasarkan kondisi yang ada, maka akan ditarik
rekomendasi kebijakan yang sebaiknya dilakukan oleh pemerintah untuk
menghadapi fenomena twin deficit.
20
Negara ASEAN
Perdagangan
International
Fiskal
Defisit Anggaran
Pemerintah (Budget
Deficit)
Nilai Tukar
Defisit Transaksi
Berjalan (Current
account Deficit)
Tidak Terjadi Twin
Deficit
Terjadi Twin Deficit
Penyebab
Kesimpulan
Rekomendasi Kebijakan
Gambar 2.3. Kerangka Pemikiran
21
III. METODE PENELITIAN
3.1 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang
merupakan data deret waktu (time series) untuk setiap negara. Negara-negara
yang
akan diteliti dalam penelitian ini adalah negara-negara yang termasuk
wilayah Association of South East Asia (ASEAN) yang mencakup wilayah
Indonesia, Malaysia, Singapura, Brunei Darussalam, Filiphina, Thailand,
Kamboja, Laos, Myanmar, dan Vietnam.
Pada penelitian kali ini, negara-negara di ASEAN dikelompokan menjadi
tiga kelompok besar berdasarkan kategori pendapatan yang dikeluarkan oleh
World Bank, kategori tersebut adalah sebagai berikut:
a. High Income Countries
: Brunei Darussalam dan Singapura.
b. Middle Income Countries
: Indonesia, Malaysia, Filipina, dan
Thailand
c. Low Income Countries
: Kamboja, Laos, Myanmar, dan
Vietnam
Variabel-variabel yang digunakan pada penelitian ini anatara lain: 1)
Anggaran Pemerintah (BD), 2) Current Account (CA), 3) Nilai Tukar (ER), dan
4) GDP konstan (Y). Variabel Y digunakan untuk meriilkan data BD, CA, dan ER
pada model-model negara yang masih menggunakan satuan national currency.
Dikarenakan terdapat perbedaan ketersediaan data antara satu negara dengan
negara lainnya, maka terdapat perbedaan periode penelitian yang digunakan.
Data-data yang digunakan dalam penelitian ini adalah sebagai berikut:
22
Tabel 3.1. Daftar Variabel yang Digunakan dalam Penelitian
Negara
Brunei
Darussalam
Singapura
Indonesia
Malaysia
Thailand
Filipina
Kamboja
Laos
Variabel yang
Periode
digunakan
High Income Countries
BD
(National Annual 1980-2010
Currency)
CA
(National
Currency)
ER (end of period)
Y (sebagai pembagi
dengan tahun dasar
tahun 2005)
Middle Income Countries
BD
(National Annual 1980-2010
Currency)
CA
(National
Currency)
ER (end of period)
Y (sebagai pembagi
dengan tahun dasar
tahun 2005)
BD
(National Kuartalan 1990:1-2010:4
Currency)
(Data pada tahun 1990:1CA
(National 2007:4 merupakan hasil
Currency)
interpolasi data tahunan
ER (end of period)
dengan
menggunakan
Y (sebagai pembagi metode cubic match last)
dengan tahun dasar
tahun 2005)
Low Income Countries
BD
(National Kuartalan 1994:1- 2010:4
Currency)
CA
(National
Currency)
ER (end of period)
Y (sebagai pembagi
dengan tahun dasar
tahun 2005)
BD
(National Kuartalan 1994:1-2010:4
Currency)
(Data
kuartalan
GDP
CA
(National constant merupakan hasil
Currency)
interpolasi data tahunan
ER (end of period)
dengan
menggunakan
Y (sebagai pembagi metode cubic match last)
dengan tahun dasar
tahun 2005)
Sumber
International
Financial
Statistic
(IFS), IMF
International
Financial
Statistic
(IFS), IMF
World
Economic
Outlook,
Juni 2011,
IMF
Annual
Report
Cambodia
Development
Research
Institute
International
Financial
Statistic
(IFS), IMF
23
Myanmar
Vietnam
BD (Percentage of Kuartalan 1990:1-2010:4
GDP)
(Data kuartalan BD dan
CA (Percentage of CA
merupakan
hasil
GDP)
interpolasi data tahunan
ER (end of period)
dengan
menggunakan
metode cubic match last)
BD
(National Kuartalan 1990:1-2010:4
Currency)
(Data kuartalan BD, CA,
CA
(National dan Y merupakan hasil
Currency)
interpolasi data tahunan
ER (end of period)
dengan
menggunakan
Y (sebagai pembagi metode cubic match last)
dengan tahun dasar
tahun 2005)
World
Economic
Outlook Juni
2011, IMF
World
Economic
Outlook Juni
2011, IMF
Penelitian dilakukan untuk meneliti hubungan jangan panjang dan
hubungan timbal balik antara defisit transaksi berjalan terhadap defisit anggaran
pemerintah dan investasi di wilayah ASEAN.
Penelitian dilakukan dengan
menggunakan metode Vertor Auto Regressive/ Vector Error Correction Model
(VECM) yang digunakan untuk menilai perilaku jangka panjang antar variabel
dan hubungan timbal balik antar variabel-variabel tersebut. Variabel yang akan
diteliti hubungannya adalah: defisit current account, defisit fiskal, dan nilai tukar.
3.2 Metode Analisis
Penelitian ini dilakukan untuk mengetahui hubungan jangka panjang
antara current account dan keseimbangan fiskal serta investasi di negara-negara
ASEAN. Analisis kuantitatif yang digunakan adalah metode VAR/VECM,
tahapan-tahapan yang perlu dilakukan dalam melakukan analisis data dengan
menggunakan VAR/VECM diringkas dalam Gambar 3.1. Pada penelitian ini,
pengolahan data dilakukan dengan menggunakan Microsoft Office Excel 2007 dan
E-Views 6.
24
Sumber: Nugrahaeni, 2011
Gambar 3.1. Tahapan Analisis VAR/VECM
3.2.1. Vector Auto Regressive (VAR)
Model Vector Auto Regressive (VAR) dikembangkan oleh Sims (1980).
Model ini berguna untuk menentukan tingkat eksogenitas suatu variabel-variabel
ekonomi yang saling berkaitan dalam suatu sistem ekonomi. Spesifikasi model
dalam VAR mencakup pemilihan variabel dan banyaknya selang yang digunakan
dalam model. Variabel yang digunakan dalam VAR dipilih berdasarkan terori
ekonomi yang relevan. Pemilihan selang optimal dilakukan dengan menggunakan
berbagai kriteria seperti Akaike Information Criteria (AIC) atau Schwarz Criteria
(SC) (Arsana, 2010).
Metode VAR merupakan model yang menyerupai model
persamaan simultan, pada model VAR seluruh variabel endogen diestimasi
bersamaan akan tetapi setiap variabel endogen dijelaskan oleh lag-nya atau nilai
dan nilai lag dari variabel endogen lainnya dalam model. Pada umumnya tidak
terdapat variabel eksogen dalam model ini (Gujarati, 2006 )
Model VAR secara matematis dapat dituliskan sebagai berikut (Pasaribu,
2003):
k
Z t   A iZ t i  BX t   t
i 1
25
·
Dengan:
Zt = vektor dari variabel-variabel endogen sebanyak m
Xt = vektor dari variabel-variabel eksogen sebanyak d termasuk di dalamnya
konstanta (intercept).
A1, ... , Ap, dan B = matriks-matriks koefisien yang akan diestimasi
t= vektor dari residual-residual yang secara kontemporer berkorelasi tetapi
tidak berkorelasi dengan nilai-nilai lag mereka sendiri dan juga tidak berkorelasi
dengan seluruh variabel yang ada dalam sisi kanan persamaan di atas.
Misalkan terdapat dua persamaan bivariat:
Yt= b 10-b12zt+γ11yt-1+ γ12Zt-1+Ɛ yt
........................................................ (3.1)
Zt= b20-b 21zt+γ21 yt-1+ γ22Zt-1+Ɛzt
........................................................ (3.2)
Dimana diasumsikan bahwa:
1. Yt dan Zt stasioner
2. Ɛ yt dan Ɛzt adalah white noise3disturbance dengan standar deviasi masingmasing σ y dan σz.
3. {Ɛyt} dan {Ɛzt ) tidak berkorelasi.
Persamaan (3.1) dan Persamaan (3.2) bukan merupakan reduce form selama Yt
memiliki efek kontemporer terhadap zt dan sebaliknya Zt memiliki efek
kontemporer terhadap Yt. Sehingga persamaan-persamaan tersebut dapat diubah
ke dalam bentuk matriks:
1
21
12
1
=
10 + ɣ11
ɣ21
20
ɣ12
ɣ22
Ɛ
−1 +
Ɛ
−1
Atau
Βxt= Γ0+ Γ1Xt-1+Ɛt
Dimana
1
21
ɣ11
Γ1=
ɣ21
B=
3
12
,
=
, Γ0=
1
ɣ12
Ɛ
, Ɛ =
ɣ22
Ɛ
10
20
White noise adalah residual yang memiliki rata-rata 0, varians yang konstan, dan non otokorelasi
serial.
26
Perkalian matrik-matrik tersebut terhadap B-1 dapat menghasilkan model VAR
dalam bentuk standar yaitu:
Xt= A0+A1Xt-1+et
(3.3)
Dimana:
Ao= B-1Γ0
A1= B-1Γ1
et= B-1Ɛt
Untuk mempermudah dalam pemberian notasi, maka persamaan 3.3 dapat
ditulis ulang menjadi:
yt= a10-a11 yt-1+a12zt-1+ e1t
(3.4a)
zt= a20-b21 yt-1+ a22zt-1+ e2t
(3.4b)
Menurut Djalal (2006), beberapa keunggulan dari VAR antara lain:
1. Model VAR sederhana dan tidak perlu membedakan variabel endogen dan
eksogen karena seluruh variabel pada model VAR dianggap sebagai
variabel endogen.
2. Cara estimasi VAR mudah yaitu dengan menggunakan Ordinary Least
Square (OLS) pada setiap persamaan secara terpisah.
3. Peramalan menggunakan VAR lebih baik dibandingkan menggunakan
persamaan simultan yang lebih kompleks dalam beberapa hal.
Sedangkan beberapa kelemahan model VAR adalah:
1. Model Var lebih bersifat ateoritik karena tidak memanfaatkan informasi
atau teori terdahulu.
2. Tidak mempermasalahkan perbedaan variabel eksogen dan variabel
endogen sehingga menyebabkan implikasi kebijakan yang kuran tepat.
3. Seluruh variabel VAR harus stasioner, jika tidak stasioner maka harus
distasionerkan terlebih dahulu.
Model VAR pada penelitian kali ini adalah :
BD= ∑
ɑ
+∑
+
+∑
+Ɣ
+Ɛt
CA=∑
ɑ
+∑
+
+∑
+Ɣ
+Ɛt
ER=∑
ɑ
+∑
+
+∑
+Ɣ
+Ɛ t
27
Dengan:
BD=Anggaran Pemerintah
CA=Current Account
ER= Nilai Tukar
Ɛt= error term
3.2.2.Vector Error Correction Model (VECM)
Dengan model VAR, seluruh variabel harus memenuhi syarat stasioneritas,
jika syarat itu terpenuhi, maka model tersebut hanya dapat melihat isu jangka
pendek. Untuk memperoleh isu jangka panjang dan jangka pendek, pendekatan
alternatifnya adalah model VECM (Vector Error Correction Model) (Ilham dan
Siregar, 2010)
Menurut Ward dan Siregar (2000), rumus umum model VECM adalah:
Γi∆Yt − 1 + µ0 + µtt + ɑβ′ yt − 1 + Ɛ t
∆yt=∑
Dimana:
∆Yt =Yt-Yt-1
Γi
= matriks koefisien regresi
µ1
= vektor koefisien regresi
β’
= vektor kointegrasi
(k-1) = ordo VECM
µ0
= vektor intersep
a
= matrik loading
yt
= variabel in level
Ɛt
= vektor sisaan
Hasil pendugaan VECM digunakan untuk memperoleh informasi dalam
jangka pendek dan jangka panjang dengan tingkat perubahan tertentu dengan
analisis Impulse Response Function dan Variance Decomposition.
3.2.3. Uji Praestimasi
3.2.3.1. Uji stasioneritas
Data deret waktu (time series) dikatakan stasioner apabila secara stokastik
data menunjukkan pola yang konstan dari waktu ke waktu. Pengujian stasioneritas
28
data pada data time series diperlukan karena apabila pada data time series
langsung dilakukan analisis tanpa diuji stasioneritasnya maka akan menghasilkan
hasil yang spurious karena dalam variabel tersebut sering mengandung unit root
(Verbeek, 2000).
Data bersifat stasioner pada nilai tengahnya apabila data tersebut
berfluktuasi di sekitar suatu nilai tengah yang tetap dari waktu ke waktu. Uji akar
unit dapat dilakukan dengan menggunakan Augmented Dicky Fuller (ADF) Test .
Pada tes ini, jika nilai ADF statistik lebih kecil daripada MacKinnon Critical
Value maka dapat disimpulkan bahwa series tersebut stasioner. Jika diketahui data
tersebut tidak stasioner, maka dapat dilakukan differences non stasioner process.
Misalkan terdapat data deret waktu tunggal Yt:
Yt= a0+a1Zt-1+A2Zt-2+…+ apZt-p+ɛt
Maka model pendiferensiannya dapat dituliskan sebagai:
∆Yt= a0+ɣZt-1+A2Zt-2+…+ apZt-p+ɛt
Hipotesis yang diuji adalah:
H0: ɣ=0 (data bersifat tidak stasioner)
H1: ɣ<0 (data bersifat stasioner)
Nilai ɣ diduga melalui metode kuadrat terkecil dan menggunakan uji-t
untuk pengujiannya. Jika nilai thit< nilai kritis dalam tabel Dickey Fuller, maka
keputusan yang diambil adalah tolak H0 yang berarti data bersifat stasioner.
3.2.3.2. Pemilihan Panjang Lag Optimal
Dalam VAR penentuan lag optimal sangat penting karena penentuan lag
optimal berguna untuk menghilangkan masalah autokorelasi dalam sebuah sistem
VAR. Penentuan lag optimal juga berguna untuk menunjukkan berapa lama reaksi
suatu variabel terhadap variabel lainnya (Gustiani, et.al, 2010).
Untuk menetapkan besarnya lag yang optimal (lag length criteria) dapat
dilakukan dengan menggunakan beberapa kriteria antara lain: Akaike Information
Criteria (AIC), Schwarz Information Criterion (SIC), Hannan Quinn Information
Criterion (HQ), dan Likelihood Ratio (LR). Besarnya lag yang optimal ditentukan
oleh lag yang memiliki nilai kriteria terkecil diantara keempat kriteria tersebut.
Jika terdapat kandidat lag yang berbeda-beda dari tiap kriteria, maka dapat
29
digunakan salah satu kriteria (umumnya AIC dan SIC)
atau dengan
membandingkan nilai Adjusted R2 dari setiap kriteria. Selang optimal akan dipilih
dari sistem VAR dengan selang tertentu yang menghasilkan nilai Adjusted R2
terbesar pada variabel-variabel penting dalam sistem.
Selain itu, stabilitas sistem VAR pun perlu diperhatikan dalam penentuan
lag. Stabilitas VAR dapat dilihat dari nilai inverse roots karakteristik AR
polinomialnya. Hal ini dapat dilihat dari nilai modulus di tabel AR roots-nya, jika
seluruh nilai AR roots-nya di bawah satu, maka sistem tersebut stabil.
3.2.2.3. Uji Kointegrasi
Uji Kointegrasi bertujuan untuk memastikan apakah variabel yang
digunakan dan telah sistem persamaan mempunyai hubungan jangka panjang
(Ilham dan Siregar, 2007). Kointegrasi adalah suatu hubungan jangka panjangn
antara variabel-variabel yang meski secara individual tidak stasioner tetapi
kombinasi linier antara variabel tersebut dapat menjadi stasioner (Thomas, 1997).
Adanya hubungan kointegrasi dalam sebuah sistem persamaan menandakan
bahwa
dalam
sistem
tersebut
terdapat
error
correction
model
yang
mengambarkan adanya dinamisasi dalam jangka pendek secara konsisten dengan
hubungan jangka panjangnya (Verbeek, 2002).
Beberapa cara untuk melakukan uji kointegrasi antara lain: Eangle
Granger Cointegration Test, Johansen Cointegration Test, dan Cointegrating
Regression Durbin Watson (CRDW). Kointegrasi dapat dilihat dari rank
kointegrasi. Rank kointegrasi (r) adalah jumlah dari seluruh hubungan kontegrasi
(Johansen, 1995). Nilai r dapat diuji dengan uji Johansen.
Hipotesis yang diuji adalah:
H0: rank ≤r
H1: rank>r
Jika rank kointegrasi labih besar dari nol, maka terdapat kointegrasi
sehingga model yang digunakan adalah Vector Error Corecction Model (VECM).
Jika rank kointegrasi sama dengan nol, maka model yang digunakan adalah model
VAR dengan pedifferensian sampai lag ke-d.
30
3.2.4. Analisis Model VAR/VECM
VAR menyediakan alat analisa bagi keempat hal tersebut melalui empat
macam penggunaannya, seperti Forecasting untuk ekstrapolasi nilai saat ini dan
masa depan seluruh variabel dengan memanfaatkan seluruh informasi masa lalu
variabel, Impulse Response Functions (IRF) untuk melacak respon saat ini dan
masa depan setiap variabel akibat perubahan atau shock suatu variabel tertentu,
Forecast Error Decomposition of Variance (FEDVs) untuk memprediksi
kontribusi persentase varians setiap variabel terhadap perubahan suatu variabel
tertentu, dan Granger Causality Test yang digunakan untuk mengetahui hubungan
sebab akibat antar variabel.
3.2.4.1. Uji Kausalitas
Pada umumnya, uji kausalitas satu variabel dengan variabel lainnya adalah
dengan menggunakan uji kausalitas bivariat Granger (Bivariate Granger
Causality). Uji kausalitas bivariat Granger dilakukan untuk melihat hubungan
sebab
akibat di antara variabel-variabel yang digunakan dalam analisis.
Hubungan kausalitas antara satu variabel dengan variabel lainnya dapat diketahui
dengan membandingkan probabilitas dengan nilai kritis yang digunakan dimana
hipotesis nol adalah tidak terdapat
hubungan kausalitas dan hipotesis
alternatifnya adalah terdapat hubungan kausalitas. Selain itu pula uji kausalitas
pada VAR/VECM juga dapat menggunakan uji Block Exogeneity Wald Test.
3.2.4.2. Impuls Response Function (IRF)
Impulse response function (IRF) menunjukkan arah hubungan dan
besarnya pengaruh suatu variabel endogen terhadap berbagai variabel endogen
lainnya yang ada dalam suatu sistem dinamis VAR. IRF dapat digunakan untuk
meneliti pengaruh satu standar deviasi kejutan dari satu inovasi terhadap nilai
variabel endogen saat ini atau untuk waktu yang akan datang (Arianto, et. al,
2010). Hasil IRF sensitif terhadap pengurutan (ordering) variabel yang digunakan
dalam perhitungan. Pengurutan variabel yang didasarkan faktorisasi cholesky
dapat dilakukan dengan menempatkan secara variabel yang memiliki nilai
prediksi terhadap variabel lainnya. Peletakan variabel dilakukan berdasarkan nilai
31
matriks korelasi yaitu dari yang memiliki korelasi yang paling tinggi hingga yang
paling rendah.
3.2.4.3. Variance Decomposition (VDC)
Variance Decomposition atau Cholesky Decomposition memisahkan
varian yang ada dalam variabel endogen menjadi komponen- komponen kejutan
pada berbagai variabel endogen lainnya dalam struktur dinamis VAR. VDC
digunakan untuk menyusun perkiraan error variance suatu variabel, yaitu
seberapa besar perbedaan antara variance sebelum dan sesudah diberi kejutan,
baik kejutan yang berasal dari variabel itu sendiri maupun kejutan dari variabel
lainnya. Oleh karena itu, VDC digunakan untuk mengkaji pengaruh relatif suatu
variabel terhadap variabel lainnya (Arianto, et. al, 2010).
32
IV. GAMBARAN UMUM ANGGARAN PEMERINTAH, CURRENT
ACCOUNT, DAN NILAI TUKAR NEGARA-NEGARA ASEAN
Negara-negara ASEAN pada pembahasan mengenai gambaran umum
anggaran pemerintah (BD), current account (CA), dan nilai tukar (ER) pada
penelitian ini diklasifikasikan menjadi tiga kelompok besar berdasarkan kriteria
yang dikeluarkan oleh World Bank yaitu: 1) High Income Countries (Brunei
Darussalam dan Singapura), 2) Middle Income Countries (Indonesia, Malaysia,
Filipina, dan Thailand), dan 3) Low Income Countries (Kamboja, Laos, Myanmar,
dan Vietnam).
4.1. Gambaran Umum Anggaran Pemerintah (Government Budget) di
Negara-Negara ASEAN
a. High Income Countries
Gambar 4.1 menunjukkan bahwa pada negara High Income di ASEAN
(Brunei dan Singapura) terjadi pertumbuhan negatif anggaran pemerintah secara
Brunei Darussalam
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
20
15
10
5
0
-5
-10
-15
-20
-25
-30
1991
bersamaan pada tahun 1996, 2001, dan 2009.
Singapura
Sumber: IMF World Economic Outlook, 2011 (diolah)
Gambar 4.1. Pertumbuhan Anggaran pemerintah pada ASEAN High Income
Countries periode 1991-2010
Pada tahun 1996, pemerintah Brunei mengeluarkan The Sevent
Development Plan. Kebijakan pemerintah ini dilakukan sebagai upaya
peningkatan pembangunan sumber daya manusia (SDM). Kebijakan ini
33
menyebabkan pengeluaran pemerintah meningkat karena digunakan untuk
mendanai dan meningkatkan industri-industri pertanian dan peningkatan
kesejahteraan sosial (World Market Research Centre, 2003). Pada tahun 2001,
untuk memperbaiki dan mempertahankan kondisi negara karena adanya krisis
finansial tahun 1998, pemerintah Brunei kembali mengeluarkan kebijakan fiskal
ekspansif yang sebagian besar digunakan untuk membiayai investasi pada
infrastuktur publik 4 (2002). Pada tahun 2009, Brunei Darussalam memperbesar
pengeluaran pemerintah selain untuk menghadapi krisis ekonomi juga untuk
mengurangi ketergantungan perekonomian negara kepada perdagangan minyak.
Pemerintah Brunei melakukan insentif fiskal di dalam negeri dengan cara
meningkatkan belanja pemerintah untuk memberdayakan sektor UMKM dan
menurunkan tingkat pajak pendapatan perusahaan5.
Hal yang hampir serupa dilakukan oleh pemerintah Singapura yang
meningkatkan pengeluaran pemerintah mereka untuk upaya peningkatan
kesejahteraan masyarakatnya, salah satu perogram yang dilakukan adalah
memberi insentif kepada rumah tangga dengan pendapatan rendah di Singapura.
Pada tahun yang sama, pemerintah Singapura juga melakukan penurunan tingkat
pajak corporate tax untuk mendorong investasi dan pertumbuhan ekonomi di
dalam negeri (Singapore Ministry of Finance, 1996). Sama seperti Brunei, pada
tahun 2001 dan 2009, pemerintah Singapura mengeluarkan kebijakan fiskal
ekspansif dengan cara menurunkan pajak perusahaan untuk menarik investasi dan
menolong perusahaan-perusahaan yang terkena dampak krisis6.
b. Middle Income Countries
Pada umumnya ASEAN mengalami defisit anggaran pemerintah pada
tahun 1998 dan pada tahun 2009. Pada tahun 1998, seluruh negara di ASEAN,
kecuali Brunei, mengalami pertumbuhan anggaran pemerintah yang negatif
bahkan ada yang mengalami defisit fiskal. Hal ini dikarenakan pada tahun 1998
Asia dilanda krisis finansial yang bermula dari krisis yang terjadi di Thailand dan
4
Brunei Economic Buletin Volume 1, Juli 2002. Dikeluarkan oleh Brunei Economic Development
Board
5
http://www.export.by/en/?act=news&mode=view&id=7759 [17 Maret 2009]
6
Berdasarkan artikel Singapore:Fiscal Policy dari http://www.roubini.com/briefings/94029.php
34
merambat ke negara-negara lainnya di ASEAN (Yanuarita, 2006). Terjadinya
krisis mengakibatkan beberapa negara yang terkena dampak krisis mengalami
kontraksi ekonomi, sehingga pemerintahnya mengambil kebijakan fiskal yang
ekspansioner untuk dijadikan sebagai stimulus untuk menghadapi krisis finansial
yang terjadi.
10.000
8.000
6.000
4.000
2.000
-2.000
-4.000
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
0.000
-6.000
-8.000
Indonesia
Malaysia
Filipina
Thailand
Sumber: IMF World Economic Outlook, 2011 (diolah)
Gambar 4.2. Pertumbuhan Anggaran pemerintah pada ASEAN Middle Income
Countries periode 1991-2010
Selain sebagai upaya pemulihan ekonomi karena krisis, Malaysia pada
tahun 2009 melakukan peningkatan pengeluaran pemerintah yang juga ditujukan
untuk
usaha
perbaikan
dan
pengembangan
infrastruktur.
Pembangunan
infrastruktur tersebut dilakukan oleh Malaysia sebagai upaya untuk menurunkan
biaya dalam menjalankan usaha di Malaysia 7.
7
http://ww2.publicbank.com.my/cnt_review38.html [economic review oktober 2002]
35
c. Low Income Countries
8.000
6.000
4.000
2.000
-2.000
-4.000
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
0.000
-6.000
-8.000
-10.000
Cambodia
Laos
Myanmar
Vietnam
Sumber: IMF World Economic Outlook, 2011 (diolah)
Gambar 4.3. Pertumbuhan Anggaran pemerintah pada ASEAN Low Income
Countries periode 1991-2010
Pada tahun 2003, peningkatan defisit anggaran pemerintah pada beberapa
negara ASEAN, seperti Laos dan Myanmar disebabkan karena negara-negara ini
mengadakan kebijakan ekspansi kredit, yaitu dengan memberikan pinjaman
kepada sektor publik Pada Vietnam, peningkatan defisit anggaran disebabkan
pemerintah mengeluarkan banyak dana untuk upaya pemulihan ekonomi setelah
krisis 1998. Sedangkan pada Kamboja lebih dikarenakan pemerintah memiliki
program untuk mengurangi tingkat kemiskinan di dalam negeri (Htwe, 2005).
Meningkatkan defisit anggaran di Kamboja pada tahun 2003 juga
disebabkan tingkat pajak yang rendah serta masih rendahnya koordinasi,
pelaksanaan, dan transparansi alokasi belanja pemerintah. Sejak tahun 1997
Kamboja mengalami dua krisis sekaligus yaitu krisis politik internal dan krisis
Asia, kedua krisis tersebut mengganggu stabilitas ekonomi karena pemerintah
Kamboja sulit untuk menentukan kebijakan fiskal yang tepat Akan tetapi dihadapi
persoalan untuk mengurangi tingkat kemiskinan yang tinggi di dalam negeri
(Sophal dan Sovannairth.1999 ).
36
4. 2. Gambaran Umum Transaksi Berjalan (Current Account) di NegaraNegara ASEAN
a. High Income Countries
20
15
10
5
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
-10
1992
-5
1991
0
-15
-20
-25
-30
Brunei Darussalam
Singapura
Sumber: IMF World Economic Outlook, 2011 (diolah)
Gambar 4.4. Pertumbuhan Current Account pada ASEAN High Income Countries
periode 1991-2010
Berdasarkan Gambar 4.4, Brunei mengalami pertumbuhan current account
yang negatif pada tahun 1992, 1995, 1998, 2002, 2007, dan 2009. Pertumbuhan
negatif current account di Brunei mayoritas disebabkan oleh fluktuasi harga
minyak dunia pada tahun-tahun tersebut. Sebagai salah satu negara penghasil
minyak bumi terbesar, ekspor utama Brunei adalah minyak bumi, sehingga bila
terjadi penurunan harga minyak, maka current account Brunei akan mengalami
pertumbuhan negatif . Pada tahun 1998, pertumbuhan negatif current account di
Brunei lebih dikarenakan menurunnya konsumsi minyak global karena pada saat
tersebut terjadi krisis finansial (Case, 2007).
Pertumbuhan negatif current account pada tahun 1999 dan 2000
disebabkan oleh menurunnya daya beli mitra dagang Singapura di Asia
dikarenakan terjadi krisis finansial. Sedangkan Pertumbuhan negatif current
account pada tahun 2004 dan 2008 disebabkan mulai terjadinya resesi di Amerika
37
Serikat, sedangkan pada periode tersebut Amerika merupakan salah satu mitra
dagang terbesar Singapura8.
b. Middle Income Countries
25
20
15
10
5
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
-5
1991
0
-10
Indonesia
Malaysia
Filipina
Thailand
Sumber: IMF World Economic Outlook, 2011 (diolah)
Gambar 4.5. Pertumbuhan Current Account pada ASEAN Middle Income
Countries periode 1991-2010
Berdasarkan Gambar 4.5, pada tahun 1998, saat krisis terjadi semua
negara kategori middle income di ASEAN, mengalami peningkatan neraca
transaksi berjalan. Hal ini dikarenakan saat krisis terjadi nilai tukar terdepresiasi,
sehingga membuat harga produk domestik menjadi lebih kompetitif di pasar
internasional.
Pada gambar juga terlihat, pada periode tahun 90-an, keempat
negara ini cenderung mengalami penurunan pertumbuhan current account
Kondisi yang serupa terjadi di Indonesia, Malaysia, dan Thailand. Ketiga negara
tersebut mengalami defisit current account sepanjang tahun 1990-an dikarenakan
melakukan impor barang modal dalam jumlah besar untuk mendukung kebutuhan
investasi di dalam negeri9.
8
Ministry of Trade. 2008. Singapore’s Trade and Investment Trade. Economic Survey of
Singapore 2008
9
Annual Report Monetary Authority of Singapore 1997
38
Pada tahun 2008, seluruh negara ASEAN middle income (kecuali
Malaysia), mengalami pertumbuhan negatif current account. Hal ini dikarenakan
menurunnya daya beli global karena krisis.
c. Low Income Countries
15
10
5
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
-5
1991
0
-10
-15
Kamboja
Laos
Myanmar
Vietnam
Sumber: IMF World Economic Outlook, 2011 (diolah)
Gambar 4.6. Pertumbuhan Current Account pada ASEAN Low Income Countries
periode 1991-2010
Gambar 4.3, menunjukkan pertumbuhan current account pada ASEAN
Low Income Countries periode 1991-2010. Berakhirnya konflik di Kamboja pada
tahun 1997 10 juga membawa pengaruh positif pada neraca transaksi berjalan.
Current account Kamboja mengalami pertumbuhan positif yang pesat pada tahun
1997, akan tetapi dikarenakan pada saat yang sama Asia dilanda krisis finansial,
current account Kamboja langsung mengalami pertumbuhan negatif secara drastis
pada tahun 1998 (Gambar 4.6).
Kondisi defisit current account berkepanjangan juga terjadi di Myanmar
dikarenakan rendahnya tingkat tabungan dan investasi sedangkan permintaan
terhadap barang konsumsi domestik sangat tinggi sehingga Myanmar banyak
mengimpor barang-barang konsumsi. Peningkatan current account di Myanmar
10
Berdasarkan artikel Cambodia July 1997: Shock and Aftermath diakses pada
http://www.hrw.org/ja/news/2007/07/27/cambodia-july-1997-shock-and-aftermath
39
pada tahun 1999 dan 2000 dikarenakan Myanmar mendapatkan banyak bantuan
dari Asia11.
Neraca transaksi berjalan negara-negara ASEAN low income memburuk
pada tahun 2007, hal ini dikarenakan dunia kembali dilanda krisis. Krisis yang
melanda dunia ini berdampak pada menurunnya daya beli global. Penurunan daya
beli global inilah yang berdampak pada penurunan penerimaan dari ekspor
sehingga benyak menyebabkan terjadi penurunan penerimaan transaksi berjalan
bahkan menyebabkan defisit 12.
Penurunan pertumbuhan current account pertama kali terlihat pada tahun
2006 di Vietnam. Vietnam menjadi salah satu negara pertama di ASEAN yang
mengalami penurunan neraca current account yang cukup tinggi dikarenakan
mitra dagang utama Vietnam adalam Amerika Serikat sehingga saat Amerika
mengalami krisis dan daya belinya menurun, Vietnam langsung mengalami
dampaknya terhadap neraca perdagangannya (Hummels et al, 2001).
4.3. Gambaran Umum Nilai Tukar (Exchange Rate) di Negara-Negara
ASEAN
Rezim nilai tukar yang digunakan oleh negara-negara di ASEAN berbedabeda, namun pada umumnya adalah managed floating exchange rate atau nilai
tukar mengambang terkendali. Nilai tukar mengambang terkendali berarti nilai
tukar dibiarkan mengambang akan tetapi
fluktuasi nilai tukar dikontrol
sedemikian rupa sehingga masih pada range yang masih dapat ditolerir oleh
perekonomian. Rezim nilai tukar yang pernah dianut oleh negara-negara ASEAN
terangkum pada Tabel 4.1.
Brunei merupakan negara yang menerapkan rezim nilai tukar fixed
exchange rate dengan berpatokan kepada nilai tukar Dollar Singapura. Hal ini
dikarenakan dollar singapura dinilai merupakan mata uang yang paling stabil
dibandingkan mata uang negara lainnya di ASEAN. Singapura sendiri sejak tahun
1987 menerapkan rezim managed floating hingga sekarang. Kontrol otoritas
11
http://www.historycentral.com/nationbynation/Burma/Economy.html
:www.bi.go.id/NR/rdonlyres/3A2CEB8B-D7E9-4FB3-B7A557426EC60C10/18210/BOX3RingkasanPenelitianDampakKrisisGlobalTerhadapPerumbuhanEko
nomi.pdf
12
40
moneter Singapura terhadap kestabilan nilai tukar cukup ketat karena sangat
memperhitungkan kenyamanan pelaku-pelaku ekonomi Singapura. Hal ini
dikarenakan Singapura ingin mempertahankan iklim bisnis di dalam negeri.
Tabel 4.1. Rezim Nilai Tukar yang digunakan Negara-Negara ASEAN
Negara
Periode
Klasifikasi
Ketat
Longgar
Brunei
1980-sekarang Pegged terhadap Dollar Ketat
Singapura
Singapura
1973-1987
Crawling Peg (Basket
Menengah
Currency)
1987-sekarang Managed Floating
Menengah
Indonesia
1978-1997
Managed Floating
Menengah
1997-sekarang Free Floating
Mengambang
Malaysia
1978-1990
crawling peg (USD)
Menengah
1991-1997
Managed Floating
Menengah
1998-2005
Fixed Exchange Rate
Ketat
2005-sekarang Managed Floating
Menengah
Filipina
1980-1982
Crawling Peg (USD)
Menengah
1982-1984
Managed Floating
Menengah
1984-sekarang Free Floating
Ketat
Thailand
1978-1981
Fixed Exchange Rate
Ketat
(USD)
1981-1982
Managed Floating
Menengah
1982-1984
Crawling peg (USD)
Menengah
1984-1997
Crawling peg (Currency Menengah
Basket)
1997-sekarang Free Floating
Mengambang
Kamboja
1990-sekarang Managed Floating
Menengah
Laos
1990-sekarang Crawling peg
Menengah
Myanmar
1990-sekarang Managed
Menengah
Floating(terhadap SDR)
Vietnam
1990-sekarang Crawling peg (currency Menengah
basket)
Sumber : Darussalam, 2010 , Frankel et.al, 2002, dan IMF Annual Report on
Exchange Arrangements and Exchange Restrictions
Laos dan Kamboja mengalami masa transisi ekonomi yang sangat panjang.
Negara-negara ini menerapkan rezim flexible exchange rate pada tahun 1998
dengan tujuan memenuhi kebutuhan sistem pasar yang mreka adopsi. Pada saat
yang sama, terjadi mobilitas modal internasional ke negara-negara ini sehingga
mempertinggi tingkat dolarisasi di negara-negara ini (Ok, et.al, 2010). Indonesia,
41
Filipina, Singapura, Thailand, dan Vietnam memutuskan untuk menggunakan
rezim flexible exchange rate karena rezim ini tidak memberikan tekanan yang
terlalu besar bagi cadangan devisa negara namun tidak memberikan fluktuasi yang
terlalu besar bagi perekonomian karena fluktuasi nilai tukar terkontrol.
Myanmar menggunakan sistem nilai tukar berganda (multiple exchange
rate regimes). Nilai tukar di negara ini terdiri dari nilai tukar resmi (official
exchange rate) dan nilai tukar informal paralel (informal parallel market
exchange rate). Nilai tukar resmi yang digunakan oleh sektor publik dan
hubungan-hubungan eksternal antara negara ini dengan negara lainnya. Nilai tukar
resmi dipatok sebesar 8.50847 Kyats/ SDR dengan margin yang diperbolehkan
sebesar +/-2 persen. Nilai tukar informal digunakan oleh sektor swasta, nilai tukar
ini didasarkan pada Foreign Exchange Certificates (FEC) yang dikeluarkan oleh
otoritas moneter Myanmar. Nilai Tukar informal dipatok sebesar 1,100 kyat per
FEC. Nilai tukar informal ini hanya dapat digunakan secara domestik oleh
masyarakat Myanmar sebagai pengganti Dollar Amerika. Pematokan nilai tukar
ini diberlakukan sejak tahun 1977 (Hori dan Wong, 2008).
Malaysia juga melakukan beberapa kali perubahan dalam rezim nilai
tukarnya. Pada tahun 1990 hingga 1997, Malaysia menerapkan rezim nilai tukar
yang mengambang. Namun, mulai pada tahun 1995-1996 Malaysia mulai
memperketat rezim nilai tukarnya sehingga menjadi tightly managed floating
exchange rate. Saat krisis ekonomi terjadi pada tahun 1998, Malaysia menyadari
banyaknya capital outflow dan ketidakpastian ekonomi yang terjadi sehingga
mulai periode tahun 1998 hingga 2005 Malaysia menerapkan rezim fixed
exchange rate. Baru setelah kondisi perekonomian mulai kembali pulih, Malaysia
menerapkan kembali rezim managaed floating exchange rate (Umezaki, 2006).
42
V. HASIL DAN PEMBAHASAN
5.1. Uji Kestasioneran Data
Uji stasioneritas data dilakukan untuk memastikan ada tidaknya akar unit
padavariabel-variabel yang akan diteliti. Berdasarkan hasil pengujian Augmented
Dickey Fuller (ADF), seluruh variabel dari seluruh negara memiliki akar unit pada
tingkat level sehingga untuk menghilangkan akar unit tersebut dilakukan kembali
pengujian stasioneritas pada first difference dan didapatkan bahwa
variabel-
variabel yang sebelum belum stasioner telah stasioner pada First Difference
dengan selang kepercayaan 5 persen.
Tabel 5.1. Hasil Uji Stasioneritas
Variabel
BRUNEI
BD
CA
ER
SINGAPURA
BD
CA
ER
INDONESIA
BD
CA
ER
MALAYSIA
BD
CA
ER
FILIPINA
BD
CA
ER
THAILAND
BD
CA
ER
KAMBOJA
BD
CA
ER
Level
ADF statistic
t-statistic
First Difference
ADF statistic
t-statistic
-0.503131
-1.859927
-2.718044
-2.647120
-4.296729
-4.296729
-8.414020*** -2.647120
-6.887568*** -4.29672
-4.424897*** -4.296729
-2.652307
-3.478632
-1.665143
-3.670170
-4.296729
-6.770540
-6.770540***
-7.198304***
-4.202611***
-3.679322
-4.309824
-3.679322
-1.424732
-2.274517
-1.035208
-3.679322
-3.670170
-3.670170
-10.13346***
-5.843394***
-5.164340***
-3.679322
-3.689194
-3.679322
-1.157787
-2.593263
-1.787241
-4.296729
-4.296729
-4.296729
-6.371178***
-5.473032***
-4.558295***
-4.309824
-4.309824
-4.309824
-0.917737
0.528132
-0.456747
-2.597025
-2.595745
-2.597939
-3.153714***
-7.433246***
-2.547697**
-2.597025
-2.595745
-1.945456
-2.523183
-2.910918
-1.694825
-2.647120
-4.296729
-4.296729
-3.473314***
-5.906017***
-5.474970***
-2.647120
-4.309824
-4.309824
-4.967840***
-7.242069
-0.224834
-3.538362
-3.531592
-3.533204
-5.688287***
5.191478***
-6.041532***
-3.538362
-3.540198
-3.533204
43
LAOS
BD
-1.257535
-3.534868
-10.98778
-3.534868
CA
-3.123905
-3.533204
-4.186249
-3.533204
ER
-1.576953
-3.531592
-10.34072
-3.533204
MYANMAR
BD
-0.544269
-3.522887
-4.343984
-3.522887
CA
-1.125203
-2.598907
-2.922351
-2.598907
ER
-1.005858
-2.594563
-7.308143
-2.594946
VIETNAM
BD
-2.167215
-3.476275
-3.886793
-3.476275
CA
0.695065
-2.598907
-4.035745
-2.598907
ER
-4.289028*** -4.094550
-11.99930
-4.081666
Keterangan: ***: Signifikan pada taraf nyata 1 persen, **: Signifikan pada taraf
nyata 5 persen.
5.2. Uji Kointegrasi Johansen
Uji kointegrasi dilakukan untuk mengetahui informasi mengenai
keberadaan hubungan jangka panjang antar variabel. Persyaratan yang perlu
dipenuhi dalam proses kointegrasi adalah seluruh variabel harus telah stasioner
pada derajat yang sama. Pada penelitian ini, seluruh variabel untuk seluruh negara
telah stasioner pada derajat satu I(1), sehingga uji kointegrasi dapat dilakukan.
Apabila terdapat kointegrasi model yang diuji, maka analisis selanjutnya
dilakukan dengan menggunakan metode VECM, jika tidak terdapat kointegrasi
maka analisis dilanjutkan dengan menggunakan metode VAR.
Uji kointegrasi pada penelitian
ini menggunakan uji Johansen
Cointegration Test. Lag yang digunakan dalam menguji kointegrasi untuk setiap
negara menggunakan lag-lag yang telah dipilih sebelumnya. Suatu model
dinyatakan memiliki kointegrasi apabila nilai Trace Statistic>Critical Value. Pada
penelitian ini digunakan nilai kritis 5 persen. Hasil uji kointegrasi untuk setiap
negara diringkas dalam Tabel 5.3.
Berdasarkan hasil uji kointegrasi didapatkan bahwa tidak terdapat
kointegrasi pada model negara Singapura, Filipina, dan Myanmar, sedangkan
pada model negara lainnya terdapat kointegrasi. Pada negara-negara yang
terkointegrasi maka model yang digunakan adalah model VECM sedangkan pada
negara-negara yang tidak terkointegrasi, model yang digunakan adalah VAR first
difference.
44
Tabel 5.3. Hasil Uji Kointegrasi
Negara
Rank Kointegrasi
Brunei Darussalam
1(satu)
Singapura
0 (nol)
Indonesia
1(satu)
Malaysia
1(satu)
Filipina
0 (nol)
Thailand
1(satu)
Laos
2(dua)
Kamboja
1 (satu)
Myanmar
0 (nol)
Vietnam
1 (dua)
Sumber: Lampiran 4
Kesimpulan
terkointegrasi
Tidak terkointegrasi
terkointegrasi
terkointegrasi
Tidak terkointegrasi
terkointegrasi
terkointegrasi
terkointegrasi
Tidak terkointegrasi
terkointegrasi
5.3. Penetapan Lag Optimal
Penetapan lag optimal dilakukan karena dalam metode VAR lag optimal
dari variabel endogen merupakan variabel independen yang digunakan dalam
model. Pada penelitian ini, penetapan lag optimum dipilih dengan menggunakan
kriteria SC (Schwartz Information Criteria) minimum. Ringkasan mengenai hasil
penetapan lag optimum ini dapat dilihat pada Tabel 5.2.
Tabel 5.2. Model VAR yang Terbentuk
Negara
Model VAR
Brunei Darussalam
VECM (1) Rank-1
Singapura
VAR (1) 1 st difference
Indonesia
VECM(1) Rank-1
Malaysia
VECM (2) Rank-1
Filipina
VAR (3) 1 st difference
Thailand
VECM (2) Rank-1
Kamboja
VECM (2) Rank-2
Laos
VECM (6) Rank-1
Myanmar
VAR (4) 1 st difference
Vietnam
VECM (4) Rank-1
Sumber: Lampiran 2 dan 3
Berdasarkan hasil uji lag optimum didapatkan bahwa seluruh variabel dari
seluruh negara, kecuali Vietnam, memiliki lag optimum satu. Sedangkan untuk
negara Vietnam, lag optimum yang dipilih adalah lag kedua.
45
5.4. Hasil Uji Kausalitas
Berdasarkan hasil uji Bivariate Granger Causality, CA mempengaruhi BD
pada negara Brunei dan BD mempengaruhi CA pada negara Brunei, Filipina, dan
Kamboja. Sehingga berdasarkan uji Bivariate Granger Causality terdapat indikasi
hubungan bikausalitas antara BD dan CA pada negara Brunei (BD↔CA)
sedangkan defisit anggaran pemerintah akan mengakibatkan defisit current
account pada negara Filipina dan Kamboja (BDCA). Pada negara Brunei,
Indonesia,dan Malaysia nilai tukar mempengaruhi anggaran pemerintah
(ERBD), sedangkan pada negara Indonesia, Malaysia, Thailand, dan Kamboja
nilai tukar mempengaruhi current account (ERCA). Nilai tukar dipengaruhi
oleh anggaran pemerintah di Myanmar (BDER) dan dipengaruhi oleh nilai
current account di Laos (CAER).
Tabel 5.4. Hasil Uji Bivariate Granger Causality
Variabel Dependen
Variabel Independen
Brunei
Singapura
Indonesia
Malaysia
Filipina
Thailand
Kamboja
Laos
Myanmar
Vietnam
Variabel Dependen
Variabel Independen
Brunei
Singapura
Indonesia
Malaysia
Filipina
Thailand
Kamboja
Laos
Myanmar
Vietnam
Variabel Dependen
Variabel Independen
BD
BD
0.0151**
0.6058
0.0913
0.8808
0.0133**
0.0701
0.0344**
0.2328
0.1972
0.4426
BD
BD
CA
0.0039***
0.0658
0.3734
0.0576
0.6158
0.9626
0.0597
0.6066
0.7606
0.9147
CA
CA
ER
CA
ER
0.0089***
0.1094
0.0084***
0.0146***
0.2245
0.1851
0.3300
0.6019
0.7156
0.6680
ER
0.0712
0.1740
4.E-05***
0.0003***
0.1398
0.0068***
0.0925
9.E-06***
0.9402
0.1916
ER
46
Brunei
0.4364
0.8056
Singapura
0.8377
0.4219
Indonesia
0.4099
0.2511
Malaysia
0.9185
0.3330
Filipina
0.3146
0.1668
Thailand
0.9924
0.7942
Kamboja
0.6748
0.9874
Laos
0.9567
1.E-10***
Myanmar
0.0196** 0.8166
Vietnam
0.0547
0.8731
Keterangan: ***: Signifikan pada taraf nyata 1 persen, **: Signifikan pada taraf
nyata 5 persen.
Uji kausalitas granger/ Block Exogenity Test merupakan bentuk general
dari Granger Causality Test dalam konteks multivariate. Berdasarkan hasil uji
Block Exogeneity Test dengan menggunakan taraf nyata 5 persen, didapatkan
bahwa Pada negara Singapura, CA mempengaruhi BD secara signifikan sehingga
diperkirakan apabila terjadi defisit current account akan menyebabkan terjadinya
defisit anggaran pemerintah (CABD).Pada negara Indonesia, Filipina, Thailand,
dan Kamboja terdapat hubungan yang signifikan antara anggaran pemerintah
terhadap CA sehingga jika terjadi defisit anggaran pemerintah dapat
menyebabkan terjadinya defisit current account (BDCA).
Pada negara Vietnam, anggaran pemerintah dipengaruhi secara signifikan
oleh nilai tukar (ERBD), sedangkan pada negara Myanmar current account
dipengaruhi oleh nilai tukar (ERBD). Pada negara Malaysia ditemukan bahwa
baik anggaran pemerintah maupun current account dipengaruhi oleh nilai tukar
(ER BD dan ERCA). Nilai tukar pada negara Indonesia dan Laos
dipengaruhi current account (CA ER). Nilai tukar pada negara Myanmar
dipengaruhi oleh anggaran pemerintah (BDER) sedangkan pada Indonesia dan
Laos dipengaruhi current account (CAER). Pada negara Vietnam, anggaran
pemerintah dan Current account secara bersama-sama mempengaruhi nilai tukar
(BDER dan CA ER).
47
Tabel 5.5. Hasil Uji Granger Causality/ Block Exogeneity Wald Test
Variabel Dependen
BD
Variabel Independen
BD
CA
ER
Brunei
0.7890
0.7110
Singapura
0.0380** 0.0661
Indonesia
0.5764
0.2780
Malaysia
0.1156
0.0002***
Filipina
0.6479
0.2406
Thailand
0.7923
0.7328
Kamboja
0.6038
0.5844
Laos
0.1290
0.2036
Myanmar
0.6938
0.6511
Vietnam
0.9460
0.0403**
Variabel Dependen
CA
Variabel Independen
BD
CA
ER
Brunei
0.2980
0.4081
Singapura
0.3574
0.1138
Indonesia
0.0021***
0.6731
Malaysia
0.2719
0.0000***
Filipina
0.0537
0.0038***
Thailand
0.1334
0.0000***
Kamboja
0.7167
0.0007***
Laos
0.7609
0.0000***
Myanmar
0.1062
0.6648
Vietnam
0.8524
0.9666
Variabel Dependen
ER
Variabel Independen
BD
CA
ER
Brunei
0.9051
0.7933
Singapura
0.9562
0.4381
Indonesia
0.1775
0.0449**
Malaysia
0.8144
0.4391
Filipina
0.2790
0.1454
Thailand
0.9630
0.7925
Kamboja
0.8633
0.8048
Laos
0.9771
0.0000***
Myanmar
0.0012*** 0.1455
Vietnam
0.2447
0.9952
Keterangan: ***: Signifikan pada taraf nyata 1 persen, **: Signifikan pada taraf
nyata 5 persen.
Hasil kedua uji statistik di atas dapat dilihat pada Tabel 5.6. Berdasarkan
tabel tersebut tidak terdapat hubungan twin deficit pada negara Malaysia, Laos,
Myanmar, dan Vietnam. Hal ini dikarenakan kedua uji statistik tidak
menunjukkan keberadaan hubungan antara variabel BD dan CA pada ketiga
48
negara ini. Nilai tukar tidak dipengaruhi oleh baik variabel BD maupun variabel
CA pada negara Brunei, Singapura, Malaysia, Filipina, Thailand, dan Kamboja
karena tidak terlihat hubungan kausalitas antara variabel BD dan CA terhadap
variabel ER. Sedangkan variabel BD dan CA tidak dipengaruhi oleh variabel ER
pada Singapura, Filipina, Kamboja, dan Myanmar. Hubungan twin deficit
diindikasikan kuat terjadi pada Filipina dan Kamboja dengan pola hubungan
defisit anggaran pemerintah menyebabkan defisit current account (BDCA).
Nilai Tukar diindikasikan kuat dipengaruhi oleh anggaran pemerintah di
Myanmar (BDER) dan current account di Laos (CAER). Nilai tukar
merupakan variabel yang mempengaruhi anggaran pemerintah dan current
account di Malaysia (ER BD dan ERCA) dan di Laos nilai tukar
diindikasikan secara kuat mempengaruhi current account. Indikasi ini diambil
karena kedua hasil uji kausalitas menunukkan pola kausalitas yang sama.
Hubungan lainnya yang terlihat adalah:
a. Terdeteksi pada
Bivariate Granger Causality Test namun tidak pada
Block Exogeneity Test :

Brunei Darussalam
: BD↔CA, ERBD

Indonesia
: ER BD, ERCA

Thailand
: ERCA
b. Terdeteksi pada
Block Exogeneity Test namun tidak pada Bivariate
Granger Causality:

Indonesia
: BDCA, CAER

Thailand
: BD CA

Vietnam
: BD↔ER, CAER
Seluruh hubungan tersebut akan dikonfirmasi serta diperkuat dengan melakukan
uji Impulse Response Function dan Forecast Error Variance Decomposisition.
49
Tabel 5.6. Ringkasan Hasil Uji Kausalitas
Negara
Bivariate Granger Causality
Test
BDCA
CABD
Brunei
V
V
Singapura
Indonesia
Malaysia
Filipina
V
Thailand
Kamboja
V
Laos
Myanmar
Vietnam
BDER
CAER
Brunei
Singapura
Indonesia
Malaysia
Filipina
Thailand
Kamboja
Laos
V
Myanmar
V
Vietnam
ERBD
ERCA
Brunei
V
Singapura
Indonesia
V
V
Malaysia
V
V
Filipina
Thailand
V
Kamboja
Laos
V
Myanmar
Vietnam
5.5. Simulasi Impulse Response Function (IRF)
Granger Causality Test/
Block Exogeneity Test
BDCA
CABD
V
V
V
V
V
BDER
CAER
V
V
V
V
ERBD
V
ERCA
V
V
V
V
50
5.5.1. Analisis Impulse Response Function (IRF) Guncangan Anggaran
Pemerintah (BD) terhadap current account (CA) dan nilai tukar (ER).
Secara umum pada seluruh negara, ketika anggaran pemerintah mengalami
guncangan, maka pada awal periode nilai current account akan mengalami
penurunan. Hal ini menunjukkan dalam jangka waktu tertentu, anggaran
pemerintah (BD) mempengaruhi current account (CA). Hal ini sesuai dengan
teori bahwa apabila anggaran pemerintah mengalami guncangan (misalnya karena
peningkatan defisit fiskal) maka akan menyebabkan menurunnya nilai current
account.
Selain itu, negara high income (Brunei dan Singapura) lebih cepat dalam
menstabilkan guncangan CA yang disebabkan oleh guncangan BD dibandingkan
pada negara-negara middle income dan low income. Hal ini dikarenakan, Brunei
dan Singapura memiliki akumulasi surplus yang cukup untuk mengurangi
guncangan-guncangan yang disebabkan oleh guncangan anggaran pemerintah.
Penemuan lainnya terkait dengan respon nilai tukar saat terjadi guncangan
BD. Berdasarkan hasil uji IRF terlihat bahwa selain pada negara Myanmar dan
Vietnam, respon nilai tukar terhadap guncangan anggaran pemerintah tidak begitu
terlihat. Hal ini menunjukkan bahwa guncangan anggaran pemerintah tidak
direspon oleh nilai tukar pada negara-negara ASEAN.
a. High Income Countries
Berdasarkan hasil simulasi IRF pada negara high income countries di ASEAN
(Brunei dan Singapura). Pada negara Brunei, terlihat bahwa ketika anggaran
pemerintah mengalami guncangan, terjadi penurunan nilai current account pada
periode pertama hingga periode keenam sebesar 0,06 persen lalu meningkat
sedikit pada tahun ketiga dan stabil pada periode ketujuh. Sedangkan pada negara
Singapura, ketika terjadi guncangan pada anggaran pemerintah, terjadi
penurunan current account pada periode kedua (tahun kedua) sebesar 0,02 persen
namun langsung meningkat pada periode ketiga (tahun ketiga) dan mulai kembali
stabil pada periode keenam. Hal ini mengindikasikan pada kedua negara ini,
current account merespon negatif guncangan anggaran pemerintah. Namun pada
jangka waktu yang relatif pendek (sekitar 3-4 tahun) current account dapat
51
kembali stabil. Selain itu, respon nilai tukar terhadap guncangan anggaran
pemerintah pada kedua negara ini tidak terlalu terlihat.
(a)
(b)
Ket: a. Brunei Darussalam, b. Singapura
Gambar 5.1. Respon CA dan ER terhadap Guncangan BD Pada ASEAN High
Income Countries
b. Middle Income Countries
Berdasarkan hasil simulasi IRF pada negara Middle income countries di
ASEAN (Indonesia, Malaysia, Filipina, dan Thailand). Pada Indonesia, terlihat
bahwa ketika anggaran pemerintah mengalami guncangan, mulai terjadi
penurunan nilai current account pada periode ketiga (tahun ketiga) lalu meningkat
pada tahun kelima setelah itu current account akan terus mengalami guncangan
namun tidak sebesar pada periode ketiga hingga kelima dan akan kembali stabil
pada periode ketigabelas (tahun ketigabelas).
Sedangkan pada Malaysia, ketika terjadi guncangan pada anggaran
pemerintah, terjadi penurunan current account hingga periode kelima (tahun
kelima) sebesar 0,009 persen namun langsung meningkat pada periode keenam
(tahun keenam) dan mulai kembali stabil pada periode kesepuluh (tahun
kesepuluh).
Pada Filipina, ketika terjadi guncangan pada anggaran pemerintah, pada
periode pertama hingga kedua (kuartal pertama hingga kedua) terjadi penurunan
current acccount sebesar -0,03 persen dan terus berfluktuatif hingga akhirnya
mulai stabil pada periode ke 37 (sekitar tahun kesembilan).
Pada Thailand, ketika terjadi guncangan pada anggaran pemerintah, pada
periode kedua (tahun kedua) hingga periode kelima (tahun kelima) terjadi
penurunan current acccount sebesar sekitar -0,02 persen kemudian akan
52
mengalami peningkatan mulai pada periode kelima hingga kedelapan lalu kembali
menurun dan stabil mulai pada periode keduapuluh (tahun keduapuluh).
Hasil simulasi ini menunjukkan bahwa pada negara middle income
countries guncangan anggaran pemerintah direspon negatif oleh current account,
namun waktu yang dibutuhkan oleh negara middle income countries untuk
kembali menstabilkan guncangan tersebut lebih lama dibandingkan pada high
income countries.
Temuan lainnya yang diperoleh dengan menggunakan simulasi IRF ini
adalah. respon nilai tukar terhadap guncangan anggaran pemerintah pada keempat
negara ini tidak terlalu terlihat.
(a)
(c)
(b)
(d)
Ket: a. Indonesia, b. Malaysia, c. Filipina, d. Thailand
Gambar 5.2. Respon CA dan ER terhadap Guncangan BD Pada ASEAN Middle
Income Countries
Pada
Indonesia, nilai current account dan nilai tukar membutuhkan
waktu yang cukup lama untuk stabil dikarenakan kebijakan fiskal di dalam negeri
masih kurang efektif. Berdasarkan hasil penelitian Nizar (2010), hal ini
dikarenakan pemerintah Indonesia seringkali melakukan kebijakan ekspansi fiskal
dengan meningkatkan belanja negara, akan tetapi pada saat yang bersamaan
pemerintah juga melakukan kebijakan fiskal yang contractionary untuk
53
meningkatkan penerimaan negara. Kebijakan fiskal di Indonesia menjadi tidak
konsisten dan tidak sesuai dengan kondisi perekonomian. Hal ini mengakibatkan
kebijakan fiskal membutuhkan waktu yang cukup lama untuk menstabilkan
kondisi perekonomian negara.
Pada Filipina, nilai current account dan nilai tukar membutuhkan waktu
yang cukup lama untuk stabil selain karena masalah politik dalam negeri yang
tidak stabil, juga dikarenakan pemerintah Filipina gagal untuk meningkatkan
penerimaan fiskal dari sektor pajak dan tidak dapat meningkatkan belanja
pemerintah dikarenakan keterbatasan anggaran pemerintah (Montes,2002).
Pada Thailand, nilai current account dan nilai tukar membutuhkan waktu
yang cukup lama untuk stabil karena pemerintah Thailand cenderung melakukan
kebijakan fiskal yang ekspansioner dengan meningkatkan belanja pemerintah.
Akan tetapi, peningkatan belanja pemerintah tersebut digunakan untuk membiayai
para politisi
dan membangun berbagai mega proyek di dalam negeri yang
membutuhkan waktu pembangunan cukup lama namun tidak langsung
memberikan hasil terhadap perekonomian sehingga hampir serupa dengan apa
yang terjadi di Indonesia kebijakan fiskal kebijakan fiskal membutuhkan waktu
yang cukup lama untuk menstabilkan kondisi perekonomian negara (Pupphavesa,
2002).
Selain faktor-faktor yang telah disebutkan di atas, ketiga negara ini juga
memiliki kesamaan yaitu sama-sama membiayai defisit mereka dengan hutang
luar negeri dan melakukan pencetakan uang yang akan berakibat kepada
meningkatnya tingkat inflasi, serta adanya kebijakan moneter yang tidak sinkron
dengan kebijakan fiskal sehingga ketika kebijakan fiskal tidak/kurang efektif,
kebijakan moneter di negara yang bersangkutan juga tidak berjalan dengan baik
(Tang, Hsiao et al, 2010)
Sebagai sesama negara middle income, Malaysia menunjukkan kondisi
yang berbeda dibandingkan pada Indonesia, Filipina, dan Thailand karena
menunjukan kondisi IRF yang lebih stabil ketika variabel BD diberi guncangan.
Hal ini disebabkan ketika terjadi defisit anggaran pemerintah, pemerintah
Malaysia berusaha terlebih dahulu menutupi defisit tersebut dengan menggunakan
pajak baru kemudian menggunakan hutang luar negeri atau melakukan
54
pencetakan uang. Selain itu, otoritas moneter Malaysia mampu menetapkan
kebijakan moneter yang sesuai dengan kondisi perekonomian dalam negeri
sehingga bisa menutupi kelemahan dari kebijakan fiskal yang terjadi (Sriyana,
2005).
c. Low Income Countries
Berdasarkan hasil simulasi IRF pada negara Low income countries di
ASEAN (Kamboja, Laos, Myanmar, dan Vietnam). Pada Kamboja, terlihat
bahwa ketika anggaran pemerintah mengalami guncangan, terjadi penurunan nilai
current account pada periode pertama hingga kelima (kuartal pertama hingga
kelima) sebesar sekitar 0,02 persen lalu meningkat pada tahun keenam hingga
periode ketigabelas lalu kembali menurun dan kembali stabil pada periode ke-29
(sekitar tahun ketujuh).
Sedangkan pada Laos, ketika terjadi guncangan pada anggaran
pemerintah, terjadi peningkatan current account hingga periode kelima (kuartal
kelima) sebesar 0,02 persen lalu kemudian menurun dan mulai stabil pada periode
ke-37 (sekitar tahun kesembilan).
Pada Myanmar, ketika terjadi guncangan pada anggaran pemerintah, pada
periode pertama hingga delapan (tahun pertama hingga tahun kedua) terjadi
penurunan current acccount sebesar 0,007 persen lalu meningkat hingga periode
ketigabelas sebesar 0.001112 persen dan terus berfluktuatif hingga akhirnya mulai
stabil pada periode ke 61 (sekitar tahun kelimabelas).
Temuan lainnya yang diperoleh dengan menggunakan simulasi IRF ini
adalah. respon nilai tukar terhadap guncangan anggaran pemerintah pada
Kamboja dan Laos, namun pada negara Myanmar, pada periode pertama nilai
tukar sempat menurun namun langsung meningkat hingga periode kelima dan
kembali menurun hingga mulai stabil pada periode ke-40 (tahun kesepuluh). pada
negara Vietnam, pada periode pertama hingga sembilan nilai tukar meningkat lalu
setelah itu.
Pada Vietnam, ketika terjadi guncangan pada anggaran pemerintah, pada
periode kedua hingga kelimabelas terjadi penurunan current acccount sebesar
sekitar 0,9 persen kemudian akan mengalami peningkatan mulai pada periode
55
periode kesepuluh hingga ke-21 lalu kembali menurun dan stabil mulai pada
periode ke-49 (sekitar tahun keduabelas).
Hasil simulasi ini menunjukkan bahwa pada negara low income countries
guncangan anggaran pemerintah menyebabkan penurunan current account pada
awal-awal periode guncangan (kecuali pada Laos), sama seperti pada negara
middle income, namun waktu yang dibutuhkan oleh negara low income countries
untuk kembali menstabilkan guncangan tersebut lebih lama dibandingkan pada
high income countries.
(a)
(c)
(b)
(d)
Ket: a. Kamboja, b. Laos, c. Myanmar, d. Vietnam
Gambar 5.3. Respon CA dan ER terhadap Guncangan BD Pada ASEAN Low
Income Countries
Ketika variabel BD mengalami guncangan, respon CA maupun ER untuk
stabil membutuhkan waktu yang lebih lama dibandingkan pada negara-negara
high income dan middle income dikarenakan adanya ketidakstabilan sosial politik
dalam negeri sehingga pemerintah kurang terfokus terhadap kebijakan fiskal
maupun kebijakan perdagangan internasionalnya (Setyawan, 2010).
56
5.5.2. Analisis Impulse Response Function (IRF) Guncangan Current Account
(CA) terhadap Anggaran Pemerintah (BD) dan nilai tukar (ER)
Secara umum, ketika CA diberi guncangan, pada awal periode terjadi
kenaikan anggaran pemerintah (BD) pada negara Brunei Darussalam, Singapura,
Indonesia, Kamboja, Laos, dan Vietnam. Kondisi ini tidak sesuai dengan teori
current account targetting yang menyatakan bahwa jika terjadi guncangan current
account (misalnya jika terjadi defisit current account) maka terjadi penurunan
anggaran pemerintah.
Hal tersebut menunjukkan pada negara-negara ini defisit current account
tidak menyebabkan defisit anggaran pemerintah. Sedangkan pada negara
Malaysia, Filipina, Thailand, dan Myanmar, ketika terjadi guncangan pada CA,
terjadi penurunan anggaran pemerintah. Hal ini menunjukkan bahwa walau respon
BD terhadap guncangan CA pada negara-negara ini tidak terlalu besar, akan tetapi
jika terjadi guncangan pada current account maka akan diikuti oleh penurunan
pada anggaran pemerintah.
Sama halnya dengan apabila terjadi guncangan pada BD, ketika terjadi
guncangan pada CA, negara high income (Brunei dan Singapura) lebih cepat
dalam menstabilkan guncangan CA yang disebabkan oleh guncangan BD
dibandingkan pada negara-negara middle income dan low income. Hal ini
dikarenakan, Brunei dan Singapura memiliki akumulasi surplus yang cukup untuk
mengurangi guncangan-guncangan yang disebabkan oleh guncangan current
account.
Temuan lainnya adalah respon nilai tukar ketika terjadi guncangan pada
current account, nilai tukar tidak terlalu merespon guncangan tersebut, kecuali
pada Kamboja dan Vietnam yang mengalami depresiasi nilai tukar pada awal
periode dikarenakan kedua negara ini menerapkan kebijakan devaluasi mata uang
untuk meningkatkan ekspor mereka pada awal tahun 90-an. Sedangkan pada
negara Filipina dan Myanmar, nilai tukar terapresiasi. Hal ini dikarenakan, pada
awal periode 90-an, walau secara formal menggunakan rezim floating exchange
rate, pemerintah kedua negara ini masih mengintervensi nilai tukar pada awal
periode sehingga nilai tukar dapat menguat (Cavoli, 2010 ).
57
a. High Income Countries
Berdasarkan hasil simulasi IRF pada negara high income countries di
ASEAN (Brunei dan Singapura). Terlihat pada Brunei Darussalam, ketika
current account mengalami guncangan, terjadi penurunan nilai current account
dari periode pertama hingga periode kesembilan sebesar sekitar 0,1 persen lalu
segera stabil. Sedangkan pada negara Singapura, ketika terjadi guncangan pada
current account, terjadi peningkatan anggaran pemerintah mulai dari periode
pertama hingga pada periode ketiga (tahun ketiga) sebesar sekitar 0,01 persen dan
stabil mulai pada periode kesembilan.Selain itu, respon nilai tukar terhadap
guncangan current account pada kedua negara ini tidak terlalu terlihat.
Ket: a. Brunei Darussalam, b. Singapura
Gambar 5.4. Respon BD dan ER terhadap Guncangan CA Pada ASEAN High
Income Countries
b. Middle Income Countries
Berdasarkan hasil simulasi IRF pada negara Middle income countries di
ASEAN (Indonesia, Malaysia, Filipina, dan Thailand). Pada Indonesia, terlihat
bahwa ketika current account mengalami guncangan, mulai terjadi penurunan
nilai anggaran pemerintah pada periode pertama hingga ketiga sebesar kira-kira 0,00098 persen lalu meningkat pada tahun keempat sebesar 0,00252 persen.
setelah itu, anggaran pemerintah akan kembali stabil pada periode ketigabelas
(tahun ketigabelas).
Sedangkan pada Malaysia, ketika terjadi guncangan pada current account,
terjadi penurunan anggaran pemerintah hingga periode kesembilan sebesar 0,007
persen dan kembali stabil pada periode kesebelas (tahun kesebelas).
58
Pada Filipina, guncangan pada current account, akan menyebabkan
penurunan terhadap anggaran pemerintah pada periode pertama hingga keempat
(tahun pertama) sebesar 0,02 persen lalu meningkat dan kembali menurun pada
periode kelima. Nilai anggaran pemerintah terus berfluktuasi hingga akhirnya
mulai stabil pada periode ke 26 (sekitar tahun keenam).
Pada Thailand, ketika terjadi guncangan pada current account, pada
periode pertama hingga kedua current account akan mengalami penurunan
sebesar 0,003 persen namun kemudian mengalami peningkatan hingga periode
keempat sebesar 0,001 persen. Selanjutnya anggaran pemerintah akan cenderung
mengalami penurunan hingga mulai stabil pada periode ke-23 (sekitar tahun
kelima).
Temuan lainnya yang diperoleh dengan menggunakan simulasi IRF ini adalah.
respon nilai tukar terhadap guncangan current account pada keempat negara ini
tidak terlalu terlihat kecuali pada Filipina, yaitu saat terjadi guncangan current
account pada awal-awal periode, nilai tukar meningkat namun kemudian terus
berfluktuasi hingga akhirnya mencapai kondisi stabil pada periode ke-26 (sekitar
tahun keenam).
(a)
(c)
(b)
(d)
Ket: a. Indonesia, b. Malaysia, c. Filipina, d. Thailand
Gambar 5.5. Respon BD dan ER terhadap Guncangan CA Pada ASEAN Middle
Income Countries
59
Berdasarkan hasil simulasi IRF ditemukan bahwa pada Indonesia, variabel BD
dan ER lebih lama mencapai kestabilan dibandingkan dengan pada negara-negara
lainnya yang sama-sama termasuk middle income countries di ASEAN. Hal ini
dikarenakan Indonesia merupakan salah satu negara middle income di ASEAN
yang belum siap menghadapi perdagangan internasional13. Hal ini dapat dilihat
pada tingkat suku bunga Indonesia yang lebih tinggi bila dibandingkan dengan
negara-negara middle income lainnya di ASEAN (Gambar 5.6). Hal ini
menyebabkan dengan adanya perdagangan internasional yang bebas, maka capital
inflow akan lebih tinggi terjadi di Indonesia dan menyebabkan nilai tukar di
Indonesia menjadi terapresiasi dan menurunkan daya saing produk domestik di
pasar internasional.
70.000
60.000
Persen (%)
50.000
INA
40.000
MAL
30.000
FIL
20.000
THA
10.000
0.000
19901992199419961998200020022004200620082010
Sumber: IMF, 2011
Gambar 5.6. Tingkat Suku Bunga Pada Negara-Negara Middle Income di
ASEAN
c. Low Income Countries
Berdasarkan hasil simulasi IRF pada negara Low income countries di ASEAN
(Kamboja, Laos, Myanmar, dan Vietnam). Pada Kamboja dan Laos, terlihat
bahwa ketika current account mengalami guncangan, terjadi peningkatan nilai
anggaran pemerintah pada periode pertama hingga kelima (kuartal pertama hingga
13
Berdasarkan artikel Indonesia Dinilai Paling tidak Siap Hadapi Pakta Dagang ASEAN-China
yang dimuat dalam Media Indonesia 1 Desember 2004
60
kelima) lalu menurun dan mulai stabil sekitar pada periode ke-34 pada Kamboja
dan cenderung mengalami peningkatan dan mulai stabil pada periode ke-45.
Pada Myanmar, ketika terjadi guncangan pada current account, pada periode
pertama hingga delapan (tahun pertama hingga tahun kedua) terjadi penurunan
anggaran pemerintah sebesar 0,01907 persen lalu meningkat hingga periode
keempatbelas sebesar 0.019461 persen dan terus berfluktuatif hingga akhirnya
mulai stabil pada periode ke 61 (sekitar tahun kelimabelas).
Pada Vietnam, ketika terjadi guncangan pada current account, pada periode
pertama hingga kelima terjadi penurunan anggaran pemerintah sebesar sekitar
0,0099 persen kemudian akan mengalami peningkatan mulai pada periode periode
keenam hingga kedelapanbelas sebesar 0,114298 persen lalu terus mengalami
guncangan namun lebih kecil dibandingkan pada awal-awal periode dan kembali
stabil mulai pada periode ke-49 (sekitar tahun keduabelas).
Temuan lainnya yang diperoleh dengan menggunakan simulasi IRF ini adalah.
Ketika terjadi guncangan pada current account, nilai tukar pada negara Kamboja
pada periode pertama hingga delapan mengalami penurunan sebesar 0,0001
persen kemudian meningkat dan kembali stabil pada periode ke-25 (sekitar tahun
ke-6). Pada negara Laos, respon nilai tukar tidak terlalu terlihat. Pada Myanmar
dan Vietnam, ketika terjadi guncangan pada current account terjadi peningkatan
nilai tukar pada awal periode lalu kemudian mulai stabil pada periode ke 60
(sekitar tahun ke 15) untuk Myanmar dan periode ke- 49 (sekitar tahun ke
12)untuk Vietnam. Sama halnya ketika BD yang mengalami guncangan, ketika
variabel CA mengalami guncangan, respon BD maupun ER untuk stabil
membutuhkan waktu yang lebih lama dibandingkan pada negara-negara high
income dan middle income dikarenakan adanya ketidakstabilan sosial politik
dalam negeri sehingga pemerintah kurang terfokus terhadap kebijakan fiskal
maupun kebijakan perdagangan internasionalnya.
61
(a)
(c)
(b)
(d)
Ket: a. Kamboja, b. Laos, c. Myanmar, d. Vietnam
Gambar 5.7. Respon BD dan ER terhadap Guncangan CA Pada ASEAN Low
Income Countries
5.5.3. Analisis Impulse Response Function (IRF) Guncangan Nilai Tukar
(ER) terhadap current account (CA) dan Anggaran Pemerintah (BD)
Secara umum, ketika terjadi guncangan pada nilai tukar, kecuali pada
Singapura dan Myanmar, ketika terjadi guncangan pada nilai tukar (misalnya
karena terjadi depresiasi nilai tukar) maka akan mengakibatkan meningkatnya
nilai current account. Hal ini sesuai dengan teori bahwa apabila nilai tukar suatu
negara terdepresiasi, maka harga produk domestik menjadi lebih murah di pasar
internasional sehingga menyebabkan nilai ekspor meningkat dan meningkatkan
current account. Sedangkan pada Singapura tidak terjadinya hubungan ini
disebabkan karena Singapura respon negatif CA hanya terjadi pada periode ketiga
saja, selanjutnya CA merespon positif guncangan dari nilai tukar. Pada Myanmar,
pada awal tahun 1990, otoritas moneter Myanmar masih memiliki pengaruh
yang kuat dalam mengintervensi nilai tukar.
62
a. High Income Countries
Berdasarkan hasil simulasi IRF pada negara high income countries di
ASEAN (Brunei dan Singapura). Terlihat bahwa ketika nilai tukar mengalami
guncangan, terjadi peningkatan nilai current account pada Brunei Darussalam.
Sedangkan pada negara Singapura, ketika terjadi guncangan pada nilai tukar,
terjadi penurunan current account pada periode pertama hingga ketiga namun
langsung meningkat dan stabil pada periode kesembilan. Sedangkan anggaran
pemerintah pada kedua negara ini mengalami penurunan pada periode pertama
hingga ketiga kemudian kembali meningkat dan mulai stabil pada periode
kesembilan.
(a)
(b)
Ket: a. Brunei Darussalam, b. Singapura
Gambar 5.8. Respon BD dan CA terhadap Guncangan ER Pada ASEAN High
Income Countries
b.
Middle Income Countries
Berdasarkan hasil simulasi IRF pada negara Middle income countries di
ASEAN (Indonesia, Malaysia, Filipina, dan Thailand). Pada keempat negara
middle income di ASEAN ini, apabila terjadi guncangan pada nilai tukar, maka
pada umumnya di awal periode nilai current account meningkat. Sedangkan,
anggaran pemerintah pada keempat negara ini terlihat menurun ketika terjadi
guncangan pada nilai tukar.
63
(a)
(c)
(b)
(d)
Ket: a. Indonesia, b. Malaysia, c. Filipina, d. Thailand
Gambar 5.9. Respon BD dan CA terhadap Guncangan ER Pada ASEAN Middle
Income Countries
c. Low Income Countries
Pada negara Laos dan Vietnam, current account segera meningkat pada
awal periode ketika terjadi guncangan pada nilai tukar. Sedangkan pada Kamboja
dan Myanmar, pada awal periode current account sempat menurun terlebih
dahulu akan tetapi pada periode selanjutnya mengalami peningkatan. Anggaran
pemerintah cenderung mengalami penurunan ketika terjadi guncangan pada nilai
tukar, sedangkan pada Laos, pada awal periode sempat mengalami peningkatan
namun selanjutnya menurun. Sama halnya dengan Myanmar yang pada awal
periode mengalami peningkatan lalu menurun dan terus berfluktuasi hingga mulai
stabil pada periode ke-61 (sekitar tahun ke-15).
64
(a)
(b)
(c)
(d)
Ket: a. Kamboja, b. Laos, c. Myanmar, d. Vietnam
Gambar 5.10. Respon BD dan CA terhadap Guncangan ER Pada ASEAN Low
Income Countries
5.6. Hasil Simulasi Forecast Error Variance Decomposisition
5.6.1 Hasil Simulasi Forecast Error Variance Decomposisition pada Variabel
Anggaran Pemerintah
Berdasarkan hasil simulasi FEDV (Tabel 5.7) pada variabel anggaran
pemerintah, terlihat bahwa variabel anggaran pemerintah (BD) pada negara
Singapura, Indonesia, Thailand, Kamboja, Filipina, Myanmar dan Vietnam
didominasi oleh variabel BD itu sendiri yaitu sekitar 78-99 persen. Sedangkan
pada Brunei Darussalam, mulai dari periode kelima variabel current account
mendominasi variabel anggaran pemerintah (51 persen-90 persen). Current
account
mendominasi
anggaran
pemerintah
dikarenakan
Brunei
sangat
menggantungkan perekonomiannya kepada perdagangan minyak bumi, akan
tetapi bila melihat hasil uji kausalitas dan hasil uji IRF, guncangan pada CA tidak
menyebabkan penurunan anggaran pemerintah dikarenakan Brunei sering
mengalami surplus pada periode-periode sebelumnya. Pada Malaysia, mulai pada
periode ketiga, variabel nilai tukar mendominasi variabel anggaran pemerintah
(51 persen-67 persen). Walau pada uji Kausalitas Granger terdapat hipotesis
bahwa nilai tukar mempengaruhi anggaran pemerintah, akan tetapi pada simulasi
65
FEVD pengaruh ER terhadap BD di negara Indonesia sangat kecil yaitu hanya
sebesar 1 persen-2 persen. Sedangkan pada Vietnam, sebesar 11 persen-13 persen
variabel BD dipengaruhi oleh variabel ER.
Tabel 5.7. Hasil FEVD dari BD
Negara
BRU
SIN
INA
MAL
FIL
THA
KAM
LAO
MYA
VIE
1
BD 100
CA
0
ER
0
BD 100
CA
0
ER
0
BD
CA
ER
BD
CA
ER
BD
CA
ER
BD
CA
ER
100
0
0
100
0
0
100
0
0
100
0
0
BD
CA
ER
BD
CA
ER
BD
CA
ER
BD
CA
ER
100
0
0
100
0
0
100
0
0
100
0
0
Variance Decomposisition of BD
10
15
20
25
30
35
40
High Income Countries
47.75 21.76 15.00 12.04 10.38 9.33
51.42 76.80 83.30 86.14 87.73 88.75
0.82 1.43 1.70 1.82 1.89 1.93
78.72 78.70 78.70 78.70 78.70 78.70
14.37 14.38 14.38 14.38 14.38 14.38
6.92 6.92 6.92 6.92 6.92 6.92
Middle Income Countries
95.96 96.25 96.41 96.49 96.54 96.57
1.92 1.46 1.26 1.16 1.10 1.06
2.12 2.29 2.33 2.35 2.36 2.37
24.07 12.65 10.07 8.91 8.26 7.84
18.17 23.07 24.07 24.52 24.78 24.94
57.76 64.28 65.87 66.56 66.96 67.22
92.65 91.54 91.07 90.89 90.82 90.80 90.79 90.79
1.84 1.86 1.82 1.81 1.80 1.80 1.80 1.80
5.51 6.60 7.10 7.31 7.38 7.40 7.41 7.41
87.79 85.03 84.30 83.74 83.37 83.13
0.1 0.11
0.1 0.09 0.08 0.08
12.1 14.86 15.61 16.17 16.54 16.79
Low Income Countries
94
92
90
90
89
88
87
86
5
5
5
5
5
5
5
5
1
3
4
5
6
7
8
8
92
65
42
34
30
26
23
21
3
10
15
16
17
17
18
18
6
26
43
50
53
57
59
61
98
96
94
92
92
92
92
92
1
3
5
6
7
7
7
7
0
1
1
1
1
1
1
1
97
93
86
84
85
78
75
76
0
0
1
1
4
9
11
11
3
7
13
15
13
13
14
13
5
66
5.6.2. Hasil Simulasi Forecast Error Variance Decomposisition Current
Account
Hasil simulasi FEDV variabel current account teringkas pada Tabel 5.8.
Pada negara Brunei Darussalam, Singapura, Filipina, Kamboja, Laos, dan
Vietnam menununjukkan bahwa variabel current account (CA) didominasi oleh
variabel current account itu sendiri (58 persen-98 persen). Pada Indonesia, mulai
dari periode kedua variabel CA didominasi oleh variabel BD (54 persen-84
persen). Sedangkan pada Malaysia dan Thailand, variabel ER mendominasi
variabel CA (51 persen-58 persen) dan pada Myanmar proporsi pengaruh BD
dan CA terhadap variabel CA hampir seimbang (masing-masing sekitar 46
persen-58 persen).
Pada Filipina variabel BD memberikan pengaruh sebesar
13 persen
namun merupakan variabel kedua yang memberi pengaruh paling besar terhadap
CA setelah variabel CA itu sendiri. Pada Thailand, variabel BD mendominasi
variabel CA mulai dari periode ketiga hingga keenam, pada periode-periode
selanjutnya pengaruh variabel BD kalah besar dibandingkan variabel ER.
Sedangkan pada Kamboja, variabel BD memberikan pengaruh sebesar 25 persen27 persen terhadap current account.
Tabel 5.8. Ringkasan Hasil FEVD dari CA
1
5
High Income Countries
BRU BD
81
26
CA
19
72
ER
0
2
SIN
BD 13.54 17.23
CA 86.46 76.96
ER
0.00 5.81
Middle Income Countries
INA BD 38.78 76.23
CA 61.22 18.65
ER
0.00 5.12
MAL BD 0.04 2.45
CA 99.96 43.08
ER
0.00 54.48
Variance Decomposisition of CA
10
15
20
25
30
17
14
13
13
12
80
82
83
84
84
3
3
3
3
4
17.23 17.23 17.23 17.23 17.23
76.97 76.97 76.97 76.97 76.97
5.80 5.80 5.80 5.80 5.80
81.04
12.21
6.75
3.91
39.41
56.68
82.79 83.63 84.13 84.46
10.00 8.93 8.30 7.88
7.21 7.44 7.58 7.67
4.49 4.82 5.02 5.16
37.85 37.00 36.46 36.09
57.66 58.18 58.52 58.74
35
40
67
FIL
BD 0.67 10.14
CA 99.33 80.69
ER
0.00 9.17
THA BD 2.87 31.68
CA 97.13 24.88
ER
0.00 43.44
Low Income Countries
KAM BD 11.12 24.66
CA 88.88 74.29
ER
0.00 1.05
LAO BD 2.20 46.98
CA 97.81 42.19
ER
0.00 10.84
MYA BD 0.35 1.34
CA 99.65 95.32
ER
0.00 3.34
VIE
BD 0.20 0.07
CA 99.80 99.91
ER
0.00 0.02
12.43
76.94
10.64
21.91
28.90
49.19
13.36
75.83
10.82
18.90
29.27
51.83
13.61
75.52
10.87
16.55
30.04
53.41
13.67
75.44
10.89
15.16
30.38
54.46
13.69 13.69 13.69
75.42 75.41 75.41
10.89 10.90 10.90
14.17
30.66
55.17
27.06
69.86
3.08
65.88
28.32
5.81
5.96
88.49
5.55
1.30
98.64
0.06
28.18
68.31
3.51
60.37
34.86
4.77
12.20
82.36
5.44
5.08
94.80
0.12
27.98
67.65
4.38
58.75
37.74
3.51
15.87
78.90
5.24
3.84
95.87
0.29
27.76
67.00
5.24
58.63
38.49
2.88
17.30
77.56
5.14
3.20
96.13
0.67
27.60
66.42
5.98
58.14
39.42
2.44
17.68
77.20
5.12
2.88
96.49
0.62
27.38
65.85
6.77
58.08
39.80
2.11
17.74
77.13
5.13
2.56
96.89
0.55
27.18
65.29
7.53
57.75
40.38
1.87
17.75
77.11
5.14
2.39
97.11
0.50
5.6.3. Hasil Simulasi Forecast Error Variance Decomposisition Variabel Nilai
Tukar
Hasil simulasi FEDV variabel nilai tukar pada negara Singapura,
Malaysia, Filipina, Kamboja, dan Myanmar menununjukkan bahwa pada
umumnya variabel nilai tukar didominasi oleh didominasi oleh variabel nilai tukar
itu sendiri
(58 persen-98 persen). Pada Brunei dan Thailand, variabel BD
tampak mendominasi nilai tukar (59 persen-69 persen). Sedangkan pada
Indonesia, dominasi antara variabel BD, CA, dan ER terhadap variabel ER
hampir seimbang (masing-masing sekitar 30 persen-36 persen). Pada Laos,
variabel CA mendominasi ER hanya pada periode kedua dan keempat (55 persen)
sedangkan pada periode lainnya variabel CA memberikan pengaruh sebesar 34
persen-40 persen. Pada Vietnam, mulai pada periode kesembilan, variabel CA
mendominasi variabel ER (48 persen-84 persen).
68
Tabel 5.9. Ringkasan Hasil FEVD dari ER
1
5
High Income Countries
BRU BD 49.45 65.81
CA
3.75 12.55
ER 46.80 21.64
SIN
BD
2.77 3.29
CA
0.48 1.56
ER 96.75 95.15
Middle Income Countries
INA BD 34.55 36.81
CA 29.24 30.20
ER 36.21 32.99
MAL BD
5.61 4.65
CA
0.04 1.83
ER 94.35 93.52
FIL
BD 11.89 12.38
CA
0.00 6.85
ER 88.11 80.77
THA BD 53.26 67.98
CA
1.55 1.39
ER 45.19 30.63
Low Income Countries
KAM BD
0.49 0.33
CA
0.04 0.31
ER 99.47 99.36
LAO BD
0.03 2.36
CA 29.45 46.93
ER 70.52 50.71
MYA BD
0.14 12.23
CA
2.18 6.78
ER 97.68 80.99
VIE
BD
2.61 2.05
CA
4.69 30.45
ER 92.70 67.50
Variance Decomposisition of ER
10
15
20
25
30
35
40
64.62
19.05
16.33
3.29
1.56
95.15
64.02
21.39
14.59
3.29
1.56
95.15
63.74
22.51
13.75
3.29
1.56
95.15
63.57
23.16
13.27
3.29
1.56
95.15
63.46
23.59
12.95
3.29
1.56
95.15
36.76
31.60
31.64
4.69
1.68
93.63
12.36
7.55
80.09
69.12
1.22
29.66
36.75
31.94
31.31
4.68
1.65
93.67
12.45
7.74
79.80
69.42
1.21
29.37
36.75
32.11
31.14
4.68
1.63
93.69
12.47
7.74
79.79
69.52
1.19
29.29
36.74
32.21
31.05
4.67
1.62
93.70
12.47
7.74
79.79
69.61
1.19
29.21
36.74
32.27
30.99
4.67
1.62
93.71
12.47 12.47 12.47
7.74 7.74 7.74
79.79 79.79 79.79
69.65
1.18
29.17
2.81
0.17
97.02
5.11
39.41
55.48
15.20
7.15
77.65
2.96
51.71
45.33
3.26
0.12
96.61
4.77
37.22
58.01
15.24
7.25
77.51
20.39
59.72
19.89
3.19
0.11
96.70
5.40
36.36
58.24
15.24
7.30
77.46
18.98
68.30
12.72
3.32
0.10
96.59
5.60
35.79
58.61
15.26
7.31
77.43
16.15
72.72
11.13
3.35
0.09
96.57
5.68
35.56
58.76
15.27
7.31
77.42
15.47
74.28
10.25
3.37
0.08
96.55
5.77
35.28
58.94
15.28
7.31
77.41
15.60
75.17
9.23
3.39
0.08
96.53
5.82
35.13
59.06
15.28
7.31
77.41
14.51
76.86
8.63
5.7. Twin Deficit di Kawasan ASEAN
Hubungan twin deficit disimpulkan atas uji Kausalitas, simulasi IRF, dan
simulai FEVD. Hubungan twin deficit terjadi apabila hubungan antara variabel
69
BD dan CA terdekteksi pada uji kausalitas granger, terdapat respon negatif BD
(CA) jika terjadi guncangan pada CA (BD), dan apabila variabel BD (CA) terlihat
memberi pengaruh yang besar/ cukup besar terhadap variabel CA(BD). Sesuai
dengan kriteria tersebut maka hubungan twin deficit dapat dilihat pada Tabel 5.10.
Tabel 5.10. Ringkasan Hubungan Twin Deficit
BDCA
CABD
Indonesia
Filipina
Thailand
Kamboja
CA≠BD
Brunei Darussalam
Singapura
Malaysia
Laos
Myanmar
Vietnam
Twin deficit dengan pola hubungan defisit anggaran pemerintah
menyebabkan terjadinya defisit current account terjadi pada negara Indonesia,
Filipina, Thailand, dan Kamboja. Hal ini dikarenakan berdasarkan teori, defisit
anggaran pemerintah akan menyebabkan naiknya suku bunga yang akan
berimplikasi terhadap terjadinya capital inflow dan terapresiasinya nilai tukar
domestik sehingga dapat menyebabkan daya saing produk domestik menurun dan
mengakibatkan terjadinya defisit current account. Hasil penelitian ini sesuai
dengan hasil penelitian Pahlavani dan Saleh (2009) untuk kasus negara Filipina,
Lau dan Tang (2009) untuk kasus negara Kamboja, dan Baharumsah, et al (2005)
untuk kasus negara Indonesia dan Thailand.
Pada negara Brunei Darussalam dan Singapura, sebenarnya terdapat
indikasi bahwa current account (CA) mempengaruhi anggaran pemerintah (BD)
karena hubungan tersebut terlihat pada uji kausalitas dan proporsi pengaruh CA
yang besar terhadap BD saat dilakukan uji FEVD. Akan tetapi pada uji IRF
diketahui bahwa saat terjadi guncangan pada CA, BD merespon secara positif,
sedangkan sesuai teori twin deficit terjadi apabila BD merespon negatif guncangan
terhadap CA.
Hal tersebut terjadi karena perdagangan internasional merupakan salah
satu faktor yang paling mempengaruhi perekonomian, akan tetapi kedua negara
ini memiliki cukup banyak surplus baik surplus CA dan surplus BD sehingga
ketika terjadi guncangan pada CA, pemerintah di kedua negara ini masih bisa
mengatasi guncangan tersebut dengan menggunakan surplus yang mereka miliki.
Dengan demikian disimpulkan bahwa twin deficit dengan pola hubungan defisit
70
current account menyebabkan defisit anggaran pemerintah (CABD) tidak
terjadi di Brunei dan Singapura.
Twin deficit tidak terjadi pada negara high level income (Brunei
Darussalam dan Singapura), middle Income (Malaysia), dan low income (Laos,
Myanmar, dan Vietnam). Tidak terjadinya twin deficit pada Brunei, Singapura,
dan Malaysia dikarenakan ketiga negara ini dapat menggunakan surplus yang
mereka dapatkan pada periode-periode sebelumnya untuk menutupi atau
mengurangi defisit pada periode selanjutnya baik pada anggaran pemerintah
maupun current account. Selain itu adanya sinkronisasi yang baik antara antara
kebijakan fiskal dan moneter serta nilai tukar yang stabil juga merupakan faktorfaktor yang menyebabkan suatu negara tidak mengalami twin deficit.
a. High Income Countries
Brunei Darussalam memiliki kebijakan fiskal yang stabil dan merupakan
salah satu negara yang memiliki surplus anggaran tertinggi diantara negara-negara
ASEAN lainnya14, sehingga surplus tersebut bisa digunakan untuk periode fiskal
berikutnya. Hal ini dibuktikan pada saat krisis terjadi pada tahun 2009,
pendapatan total pemerintah diperkirakan turun 26 persen lebih rendah
dibandingkan pada tahun 2008 karena selain terjadi krisis juga terjadi penurunan
harga minyak dunia (IMF, 2009), akan tetapi suplus pendapatan pada tahun
sebelumnya membuat pemerintah Brunei mampu mempertahankan anggaran
untuk pembangunannya. Pada periode tahun 2009-2010, Brunei mampu
mengalokasikan 30,2 persen anggaran pembangunannya untuk sektor jasa sosial
(ASEAN Secretariat dan World Bank, 2010).
Singapura memanfaatkan surplus pendapatan dari setiap periode siklus
bisnis untuk menstabilkan neraca fiskal dan neraca current account-nya.
Penerimaan pajak merupakan salah satu sumber utama penerimaan fiskal
pemerintah. Penerimaan pajak tersebut digunakan untuk pembangunanpembangunan barang publik yang esensial bagi masyarakat dan pelaku bisnis di
negara ini. Selain itu, sebanyak 46 persen dari pengeluaran pemerintah digunakan
untuk pembangunan sosial yang dimaksudkan untuk meningkatkan kualitas SDM
14
http://www.globaltimes.tv/asia-business-channel/brunei [September 2010]
71
sedangkan 44 persen pengeluaran pemerintah Singapura ditujukan untuk
keamanan dan hubungan eksternal yang dimaksudkan untuk menjaga agar iklim
bisnis di Singapura tetap kondusif (Gambar 5.11). Kebijakan pemerintah
singapura ini menyebabkan anggaran pemerintah dan current account di negara
ini terjaga kestabilannya.
Sumber: Economic Survey of Singapore,2010
Gambar 5.11. Pengeluaran Operasional Pemerintah Singapura periode tahun
2009-2010
b.
Middle Income Countries
Malaysia merupakan negara middle income yang tidak mengalami twin deficit.
Hal ini dikarenakan terdapat sinkronisasi yang baik antara otoritas fiskal dan
moneter Malaysia. Walaupun Malaysia juga memiliki hutang luar negeri yang
cukup besar dan cukup membebani anggaran pemerintah dan menyebabkan defisit
anggaran pemerintah, akan tetapi tetapi tidak sampai menyebabkan defisit neraca
perdagangan dikarenakan otoritas moneter Malaysia mampu menjaga agar defisit
anggaran tersebut tidak sampai terlalu tinggi meningkatkan suku bunga domestik
yang kemudian akan berdampak terhadap apresiasi nilai tukar. Pada negara
middle income lainnya, tidak terdapat sinkronisasi yang baik antara kebijakan
fiskal dan kebijakan moneter.
Kebijakan fiskal yang dilakukan oleh Malaysia untuk menstabilkan
anggaran pemerintah dilakukan dengan berbagai cara, diantaranya: 1) Menjaga
agar defisit anggaran pemerintah maksimum sebesar 6 persen dari GDP, 2)
72
Pinjaman (baik dari domestik maupun luar negeri) dilakukan hanya untuk
keperluan pembangunan, 3) Membiayai defisit fiskal dengan menggunakan
sumber-sumber domestik dan menjadikan pinjaman luar negeri sebagai pilihan
terakhir untuk membiayai defisit. Sebanyak 80 persen pinjaman pemerintah
Malaysia berasal dari sumber domestik, 4) Mengontrol pengeluaran untuk
program-program sosial (Ministry Of Finance Malaysia, 2006). Dengan kontrol
fiskal yang ketat, Malaysia dapat menjaga stabilitas fiskalnya, sehingga apabila
terjadi defisit, maka defisit tersebut masih dapat tertutupi oleh surplus fiskal
periode-periode sebelumnya. Untuk mengatasi penurunan pada current account,
Malaysia memanfaatkan surplus perdagangan pada tahun-tahun sebelumnya.
Sejak tahun 1990 hingga tahun 2010, Malaysia terus mengalami surplus
perdagangan sehingga Malaysia tidak menghadapi masalah defisit current
account yang serius selama periode ini.
Berdasarkan penelitian Sriyana (2005), sinkronisasi kebijakan fiskal dan
moneter yang baik dapat dilihat dari perbandingan pertumbuhan GDP dan
pertumbuhan suku bunga riil (Lampiran 6). Jika pertumbuhan suku bunga lebih
tinggi dibandingkan dengan pertumbuhan GDP, maka terdapat indikasi kurang
sinkronnya hubungan antara kebijakan fiskal dan moneter, karena otoritas
moneter negara yang bersangkutan tidak dapat mempertahankan tingkat suku
bunga. Pada Lampiran 6, dapat dilihat bahwa hanya pada negara Malaysia yang
secara umum pertumbuhan suku bunganya
lebih rendah dibandingkan
pertumbuhan GDP, dan ketika pertumbuhan suku bunga lebih tinggi dibandingkan
pertumbuhan GDP, nilainya tidak terlalu jauh dibandingkan nilai pertumbuhan
GDP.
Pada Filipina dan Thailand, walau secara umum pertumbuhan suku
bunganya lebih rendah dibandingkan pertumbuhan GDP, akan tetapi ketika
pertumbuhan suku bunganya lebih tinggi dibandingkan pertumbuhan GDP, nilai
pertumbuhan suku bunga tersebut sangat jauh dibandingkan pertumbuhan GDP.
Hal ini menandakan otoritas moneter pada kedua negara ini tidak dapat merespon
guncangan fiskal yang terjadi pada negara mereka secara konsisten. Ada periode
dimana otoritas moneter dapat menanggulangi guncangan fiskal yang terjadi,
namun ada kalanya tidak mampu dan langsung memberikan efek yang sangat
73
besar terhadap suku bunga domestik dan akan berefek pada nilai tukar. Hal ini
menyebabkan pada kedua negara ini terjadi twin deficit.
Pada Indonesia, secara umum pertumbuhan suku bunganya lebih tinggi
dibandingkan pertumbuhan GDP. Ini menunjukkan masih kurangnya sinkronisasi
antara kebijakan fiskal dan moneter di Indonesia. Kecederungan yang terjadi di
Indonesia adalah, pemerintah cenderung melakukan kebijakan moneter yang
ekspansioner akan tetapi bank sentral (dalam hal ini Bank Indonesia) cenderung
menerapkan kebijakan moneter yang kontraksioner untuk mengurangi tingkat
inflasi dengan cara meningkatkan tingkat suku bunga. Hal ini menunjukkan
bahwa otoritas fiskal dan moneter di Indonesia cenderung mengejar tujuannya
masing-masing, tidak seperti pada Malaysia yang saling melengkapi satu sama
lain. Hal ini mengakibatkan pada Indonesia terjadi twin deficit.
c. Low Income Countries
Berbeda dengan Brunei, Singapura, dan Malaysia, negara Laos,
Myanmar, dan Vietnam sering mengalami defisit pada anggaran pemerintah dan
current account sehingga tidak dapat memanfaatkan surplus dari periode
sebelumnya. Laos, Myanmar, dan Vietnam merupakan negara-negara di ASEAN
yang memiliki pendapatan perkapita yang rendah dan memiliki tingkat
kemiskinan yang lebih tinggi dibandingkan pada negara-negara lain di ASEAN,
hal ini mengakibatkan apabila pemerintah melakukan kebijakan fiskal
expansioner (meningkatkan defisit fiskal) walau secara teoritis konsumsi
masyarakat seharusnya meningkat, namun pada negara-negara ini tidak terjadi
peningkatan secara signifikan. Tingkat konsumsi yang tidak meningkat secara
signifikan
tersebut
mengakibatkan
defisit
anggaran
pemerintah
tidak
memperburuk defisit perdagangan karena nilai impor tidak terlalu dipengaruhi
oleh konsumsi domestik15. Hal ini dapat dilihat pada Lampiran 7.
Lampiran 7 menggambarkan perbandingan pertumbuhan GDP dengan
pertumbuhan konsumsi. Sesuai dengan penelitian Corsetti dan Muller (2006),
perbandingan antara pertumbuhan konsumsi dan pertumbuhan GDP dapat
15
Jika konsumsi tinggi dan produksi domestik tidak mampu untuk memenuhi kebutuhan akan
konsumsi tersebut, maka suatu negara perlu melakukan impor. Jika ini terjadi maka defisit current
account akan meningkat karena terjadi peningkatan impor.
74
menjadi indikator adanya pengaruh kebijakan fiskal terhadap kebijakan
perdagangan internasional. Pada Negara Laos dan Myanmar terlihat bahwa
pertumbuhan konsumsi pada umumnya lebih rendah daripada pertumbuhan GDP.
Hal ini dapat menjadi indikasi bahwa kebijakan fiskal pada negara ini tidak cukup
mempengaruhi konsumsi karena daya beli masyarakat yang masih rendah.
Rendahnya konsumsi ini menyebabkan kebijakan fiskal yang ekspansioner tidak
akan menyebabkan peningkatan impor (memperburuk defisit current account).
Hampir sama dengan Laos dan Myanmar, pada Vietnam, pertumbuhan
konsumsi sama dengan pertumbuhan GDP. Karena pertumbuhan konsumsi tidak
melebihi pertumbuhan GDP, maka pemerintah di negara ini tidak perlu
melakukan impor dalam jumlah besar untuk memenuhi kebutuhan konsumsi
masyarakat.
Pada Kamboja, kondisinya berbeda dibandingkan dengan Laos, Myanmar,
dan Vietnam. Pertumbuhan konsumsi di negara ini seringkali lebih tinggi
dibandingkan pertumbuhan GDP, sehingga untuk memenuhi kebutuhan konsumsi
tersebut, maka pemerintah Kamboja banyak melakukan impor. Kondisi ini yang
mengakibatkan terjadinya twin deficit di Kamboja, karena kebijakan fiskal
ekspansioner di Kamboja berdampak pada peningkatan impor (memperburuk
defisit current account).
Penemuan lainnya pada penelitian ini adalah negara-negara ASEAN yang
tidak mengalami twin deficit adalah negara-negara yang cenderung menggunakan
fixed exchange rate atau tight flexible exchange rate. Sebaliknya, negara yang
mengalami twin deficit adalah negara-negara yang cenderung menerapkan flexible
exchange rate. Hal ini dikarenakan bila menggunakan flexible exchange rate
maka dapat terjadi transmisi dari anggaran pemerintah kepada nilai tukar dan
perubahan nilai tukar akan mempengaruhi current account.
5.8 Hubungan Nilai Tukar (ER) terhadap Anggaran Pemerintah (BD) dan
Current Account (CA)
a. Anggaran Pemerintah mempengaruhi Nilai Tukar
Anggaran pemerintah dikatakan mempengaruhi nilai tukar (BDER) jika
selain hubungannya terlihat pada uji kausalitas, nilai tukar memberikan respon
terhadap guncangan anggaran pemerintah dan variabel anggaran pemerintah
75
memberi pengaruh yang cukup besar terhadap nilai tukar. Berdasarkan kriteria
tersebut maka hubungan BDER secara signifikan terbukti terjadi pada negara
Vietnam. Berdasarkan hasil penguji FEVD, sejak tahun ke 3 dan seterusnya
(periode ke 12 dan seterusnya) sekitar 10 persen-16 persen nilai tukar di Vietnam
dipengaruhi oleh anggaran pemerintah dan berdasarkan hasil uji guncangan pada
anggaran pemerintah (BD), nilai tukar merespon positif walau terlihat
peningkatannya cukup tipis (hanya sekitar 0,001 persen). Hal ini dikarenakan
intervensi pemerintah terhadap nilai tukar cukup tinggi, sehingga bila terjadi
guncangan pada anggaran pemerintah (misalnya karena peningkatan defisit
anggaran pemerintah) maka pemerintah akan meningkatkan nilai tukar
(merevaluasi) nilai tukar.
Pemerintah Vietnam memiliki hutang luar negeri yang cukup besar
(sekitar 31 persen-53 persen dari GDP), pemerintah Vietnam melakukan revaluasi
agar beban untuk membayar hutang tidak terlalu besar. Akan tetapi, pengaruh
guncangan anggaran pemerintah pada nilai tukar tidak terlalu besar karena
kebijakan ini jarang dilakukan oleh pemerintah Vietnam. Pemerintah Vietnam
lebih sering melakukan devaluasi mata uangnya dibandingkan merevaluasi mata
uang mereka untuk kepentingan perdagangan internasional mereka16. Kebijakan
ini yang menyebabkan pengaruh current account terhadap perubahan nilai tukar
lebih besar dan dominan dibandingkan pengaruh anggaran pemerintah.
b. Current Account mempengaruhi Nilai Tukar
Current account dikatakan mempengaruhi nilai tukar (CAER) jika
selain hubungannya terlihat pada uji kausalitas, nilai tukar memberikan respon
terhadap guncangan current account dan variabel current account memberi
pengaruh yang cukup besar terhadap nilai tukar. Berdasarkan kriteria tersebut
maka hubungan CAER secara signifikan terbukti terjadi pada negara Laos dan
Vietnam.
Berdasarkan hasil uji Variance Decomposisition sebelumnya, variabel
current account pada negara Vietnam dan Laos memberikan pengaruh yang
16
Berdasarkan artikel: Vietnam Devalues Dong by 7: risking faster inflation dapat diakses pada
http://www.businessweek.com/news/2011-02-11/vietnam-devalues-dong-by-7-risking-fasterinflation.html
76
cukup besar kepada nilai tukar yaitu sekisar 44 persen-59 persen pada Vietnam
dan 34 persen-55 persen pada Laos. Selain itu berdasarkan simulasi IRF, ketika
terdapat guncangan pada current account, maka nilai tukar akan merespon negatif
guncangan terebut (kurs terdepresiasi). Hal ini dikarenakan pada kedua negara ini,
untuk memperbaiki neraca perdagangannya yang sering terkena defisit, maka
pemerintah di kedua negara ini seringkali melakukan devaluasi mata uang
domestik mereka dengan tujuan untuk meningkatkan nilai ekspor mereka. Hal ini
menyebabkan ketika terjadi defisit current account maka nilai tukar di kedua
negara ini akan melemah.
c. Nilai Tukar mempengaruhi Anggaran Pemerintah
Hubungan variabel nilai tukar secara signifikan mempengaruhi BD terjadi
pada negara Malaysia, Thailand, Laos, dan Vietnam. Hal ini dikarenakan pada
periode waktu pengamatan, Malaysia tengah giat meningkatkan pembangunan di
dalam negerinya dan pembiayaan pembangunan itu menggunakan hutang luar
negeri sebagai sumber permodalannya, hal serupa terjadi pada Thailand, kedua
negera ini memiliki kebijakan untuk melakukan secara berangsur dan rutin
hutang-hutang mereka agar tidak terakumulasi semakin tinggi. Karena itulah,
ketika nilai tukar terguncang (melemah) maka defisit anggaran akan meningkat
(BD menurun) karena mereka harus membayar hutang mereka dalam jumlah yang
lebih besar17.
Hubungan yang sama terjadi pada low income countries yaitu Laos dan
Vietnam. Kedua negara ini merupakan negara dengan pendapatan yang rendah.
Selain itu, mereka juga memiliki hutang luar negeri yang cukup tinggi (60,5
persen dari GDP untuk Laos dan 52,8 persen dari GDP untuk Vietnam pada tahun
2010) (IMF, 2011).
d. Nilai Tukar mempengaruhi Current Acount
Nilai tukar (ER) dikatakan mempengaruhi current account (ERCA) jika
selain hubungannya terlihat pada uji kausalitas, current account memberikan
respon terhadap guncangan nilai tukar dan variabel nilai tukar memberi pengaruh
17
Berdasarkan artikel Doing Bussines in Malaysia yang dapat diakses di
http://www.referenceforbusiness.com/encyclopedia/Kor-Man/Malaysia-Doing-Business-in.html
77
yang cukup besar terhadap current account. Berdasarkan kriteria tersebut maka
hubungan ERCA secara signifikan terbukti terjadi pada negara Malaysia dan
Thailand.
Pada kedua negara ini, current account akan meningkat apabila terjadi
guncangan pada nilai tukar. Hal ini sesuai dengan teori yaitu jika kurs melemah
(terdepresiasi) maka daya saing produk domestik akan meningkat dan
menyebabkan current account. Pada Malaysia, nilai tukar mempengaruhi BD dan
CA, inilah yang mengakibatkan otoritas moneter Malaysia sangat menjaga
kestabilan nilai tukar di negara ini karena mempengaruhi baik anggaran
pemerintah maupun current account.
78
VI. KESIMPULAN DAN SARAN
6.1. Kesimpulan
Berdasarkan penelitian yang telah dilakukan maka dapat disimpulkan
bahwa Twin Deficit tidak terjadi pada negara high income (Brunei dan Singapura),
middle income (Malaysia) dan Low Income (Laos, Myanmar, dan Kamboja). Pada
Brunei, Singapura, dan Malaysia twin deficit tidak terjadi dikarenakan negara
tersebut dapat menutupi defisit mereka dengan menggunakan surplus yang
didapat pada periode-periode sebelumnya. Sedangkan pada negara low income
tidak terjadinya twin deficit adalah dikarenakan kebijakan fiskal yang ada tidak
cukup mampu mempengaruhi variabel makroekonomi yang ada.
Sedangkan
hubungan twin deficit dengan pola hubungan defisit anggaran pemerintah
menyebabkan defisit current account terjadi di negara Indonesia, Filipina,
Thailand, dan Kamboja.
Pada negara high income countries, twin deficit tidak terjadi dikarenakan
negara-negara ini dapat menggunakan surplus yang mereka dapatkan pada periode
siklus bisnis sebelumnya untuk menstabilkan neraca fiskal dan neraca
perdagangan mereka. Pada negara middle income countries, hanya pada Malaysia
yang tidak terjadi twin deficit, sedangkan pada Indonesia, Filipina, dan Thailand
terjadi twin deficit dengan pola hubungan defisit anggaran pemerintah
menyebabkan defisit neraca perdagangan. Hal ini dikarenakan terdapat
sinkronisasi yang baik antara kebijakan fiskal dan moneter di Malaysia.
sedangkan pada Indonesia, Filipina, dan Thailand, tidak terdapat sinkronisasi
antara kebijakan fiskal dan kebijakan moneter sehingga kebijakan moneter tidak
dapat menutupi kekurangan-kekurangan yang terjadi karena kebijakan fiskal dan
menyebabkan twin deficit terjadi.
Pada negara Low Income Countries, hanya pada Kamboja terjadi twin
deficit dengan pola hubungan defisit anggaran pemerintah menyebabkan defisit
neraca perdagangan. Hal ini dikarenakan pada negara Kamboja, kebijakan fiskal
yang ekspansif menyebabkan pertumbuhan konsumsi yang lebih tinggi
dibandingkan pertumbuhan GDP sehingga pemerintah Kamboja perlu melakukan
impor untuk memenuhi konsumsi dalam negeri. Berbeda dengan negara low
79
income lainnya di ASEAN, pertumbuhan konsumsinya tidak lebih tinggi
dibandingkan pertumbuhan GDP. Hal ini selain menjadi indikasi bahwa kebijakan
fiskal yang ada tidak membawa pengaruh yang signifikan terhadap masyarakat di
Laos, Myanmar, dan Vietnam, juga menggambarkan ketika terjadi defisit fiskal
maka tidak memperburuk defisit neraca perdagangan karena tingkat konsumsi
yang masih rendah.
Hubungan anggaran pemerintah mempengaruhi nilai tukar terjadi pada
Vietnam, current account mempengaruhi nilai tukar pada Laos dan Vienam, nilai
tukar mempengaruhi anggaran pemerintah pada Malaysia, Thailand, Laos, dan
Vietnam, serta nilai tukar mempengaruhi current account pada negara Malaysia
dan Thailand.
6.2. Saran
Pada negara high income countries (Brunei dan Singapura), terdapat
indikasi bahwa current account memiliki pengaruh yang besar terhadap anggaran
pemerintah. Walaupun tidak terjadi twin deficit pada kedua negara ini, akan tetapi
hal ini menunjukkan bahwa jika terjadi guncangan terhadap neraca perdagangan
maka dapat mengguncang anggaran pemerintah di kedua negara ini.Oleh karena
itu, kebijakan diversifikasi perekonomian seperti yang sedang diusahakan oleh
Brunei saat ini perlu dilakukan agar perekonomian kedua negara ini tidak terlalu
bergantung kepada perdagangan internasional.
Pada negara middle income, untuk Indonesia, Filipina, dan Thailand, perlu
ada sinkronisasi fiskal yang baik antara kebijakan fiskal dan moneter seperti yang
dilakukan oleh Malaysia sehingga kedua kebijakan ini bisa saling melengkapi satu
sama lain. Dengan adanya sinkronisasi fiskal tersebut maka kemungkinan
terjadinya twin deficit pada ketiga negara ini dapat diminimalisir.
Pada negara low income, diperlukan kestabilan sosial politik karena faktor
ini menyebabkan kebijakan fiskal, moneter, dan perdagangan internasional di
negara-negara ini menjadi kurang efisien karena pemerintah lebih berfokus untuk
menyelesaikan permasalahan sosial politik internal di dalam negeri. Pada
Kamboja, yang merupakan negara low income yang mengalami twin deficit,
kebijakan yang dapat dilakukan adalah dengan mengiatkan produksi dalam negeri
80
untuk mengimbangi tingkat konsumsi yang tinggi sehingga ketergantungan
terhadap impor menjadi tidak terlalu tinggi dan neraca perdagangan tidak semakin
memburuk seiring dengan terjadinya defisit anggaran pemerintah.
Untuk penelitian selanjutnya, sebaiknya periode yang digunakan lebih
panjang dan mencakup variabel-variabel makro lainnya seperti tabungan,
investasi, dan hutang luar negeri. Sehingga hubungan twin deficit di negara
ASEAN dapat terlihat lebih jelas dan penjelasan mengenai twin deficit dapat lebih
komprehensif.
81
DAFTAR PUSTAKA
Afonso, António dan Rault, Christopher. 2009. Budgetary and External
Imbalances Relationship: A Panel Data Diagnostic. European Central
Bank: Cesifo Working Paper.
Australia and New Zealand Banking Group Limited. 2006. Cambodia Economic
Overview. Australia and New Zealand Banking Group.
Ardiyanto, Ferry.2006. Analysis of Current Account Deficits and Fiscal Deficits
in Indonesia: A VAR Approach. Jurnal Keuangan Publik Vol. 4, No. 2,
September 2006
Arianto, et.al. 2010. Analisis Harga Minyak Sawit, Tinjauan Kointegrasi Harga
Minyak Nabati dan Minyak Bumi. Jurnal Manajemen & Agribisnis, Vol.
7 No. 1 Maret 2010.
Arsana, I Gede Putra. Modul Pelatihan E-Views: Metode VAR. Depok: Fakultas
Ekonomi Universitas Indonesia.
Artana, et, al. 2003. A Fiscal Policy Agenda. Insitute for International Economics.
Baharumsyah,AZ. 2009. Twin Deficits Hypothesis and Capital Mobility: The
ASEAN-5 Perspective. Universitas Kebangsaan Malaysia
______________. 2005. Testing Twin Deficits Hypotesis: Using VAR and
Variance Decomposisition. Journal of The Asia Pacific Economy,
Volume 11, 331-354
Barro, R. J .1989. The Ricardian Approach to Budget Deficits. Journal of
Economic Perspectives. American Economic Association vol. 3(2). 3754
Bartolini, Leonardo dan Lahiri, Amartya. 2006. Twin Deficit: Twenty Years Later.
Federal Reserve Bank of Newyork
Cavoli, T dan R. S. Rajan. 2007. Inflation Targeting Arrangements in Asia:
Exploring the Role of the Exchange Rate. Briefing Notes in Economics
Department of Business and Economics, Richmond, and The American
International University, London.
Chang, J-C dan Hsu, Z. 2009. Causality Relationships between the Twin Deficits
in the Regional Economy. Department of Economics, National Chi Nan
University China
Corsetti, Giancarlo dan Müller, Gernot J. 2006. Twin Deficits: Squaring Theory,
Evidence and Common Sense. European Economic Area
82
Case, William. 2007. Brunei in 2006: Not a Bad Year. Asian Survey University of
California
Ear, Sophal. 2009. Sowing and Sewing Growth: The Political Economy of Rice
and Garments in Cambodia. Stanford Center for International
Development
Edwards, Sebastian. 2001. Does the Current Account Matter?. Cambridge:
National Bureau of Economic Research
Fischer, Stanley dan Easterly, William. 1990. The Economics of The Government
Budget Constraint. World Bank Research Observer Volume 5
Fleegler, Ethan. 2006. The Twin Deficits Revisited: A Cross-Country, Empirical
Approach. Durham: Duke University
Frankel, Jeffrey A., S.L. Schmukler, dan
Luis Serven. 2002. Global
Transformation of Interest Rates: Monetary Independence and Currency
Regime. NBER Working Paper No 8828.
Ghancev, Gancho Todorov . 2010. The Twin Deficit Hypotesis: The Case of
Bulgaria. Blagoevgrad : South-West University
Gujarati, Damodar. 2006. Dasar-Dasar Ekonometrika.Jakarta: Erlangga
Gulcan, Yaprak dan Bilman, Mustafa. 2005. The Effects of Budget Deficit
Reduction on Exchange Rate: Evidence from Turkey. Dokuz Eylül
University
Gustiani, Ebrinda Daisy, Ascarya, dan Effendi, Jaenal. 2010. Analisis Pengaruh
Social Values Terhadap Jumlah Permintaan Uang Islam di Indonesia.
Buletin Ekonomi Moneter dan Perbankan, April 2010
Hakkio, Craig S. 1996. The Effects of Budget Deficit Reduction on the Exchange
Rate. Federal Reserve Bank of Kansas City
Hori, Masahiro dan Wong, Yu Ching. 2008. Efficiency Costs of Myanmar’s
Multiple Exchange Rate Regime. International Monetary Fund Working
Paper
Hossain, A dan A. Chowdurry. 1998. Open Economy Macroeconomics
Macroeconomics for Developing Countries. Edwar Elgar Publishing
Limited. Cheltenham, UK
Htwe, Tintin. 2005. Financial Reform: It’s Impacts on Banking Sector in
Cambodia, Laos, Myanmar, and Vietnam. Hiroshima University
83
Hummels, David, Isshii, Jun, dan Yi, Kei Mu. 2001. The Nature and Growth of
Vertical Specialization in World Trade. Journal of International
Economics
Ilham, Nyak dan Siregar, Hermanto. 2006. Efektivitas Kebijakan Harga Pangan
terhadap Ketahanan Pangan dan Dampaknya pada Stabilitas Ekonomi
Makro. MB- IPB
IMF. 2011. World Economic Outlook: April 2011. Dapat diakses di
http://www.imf.org/external/pubs/ft/weo/2011/01/weodata/weorept.aspx
Kementerian Keuangan. 2011. Pembiayaan Anggaran dan Risiko Fiskal. Nota
Keuangan dan RAPBN 2011. Kementerian Keuangan Republik
Indonesia
Kato, Toshiyasu, Sophal, Chan Sophal, dan Piseth, Long Vou. 1998. Regional
Integration for Sustainable Development in Cambodia: Challenges and
Options. ASEAN-ISIS Conference on Cambodia’s Future in ASEAN,
19-20 Februari 1998
Karlinger, Liliane. 1999. The Twin Deficits Hypothesis in the Austrian Context:
Fiscal Policy and the Current Account. Austria: Institute for Advanced
Studies, Department of Economics and Finance
Kiguel, Miguel A dan Laviatan, Nissan. 1990. The Inflation Stabilization Cycles
in Argentina and Brazil. Policy, Reasearch, and External Affairs World
Bank
Kulkarni, Kishore G dan Erickson, Erick Lee. 1998. Twin Deficit
Revisited: Evidence from India,. Pakistan, and Mexico, The Journal of
Applied Business Research, 17 (2), 97-103. Modeste, N. C.
Lau, Evan and Chan, Tze-Haw. 2003. Transmission Mechanism of Twin Deficits
Hypothesis: Evidence From Two Neighboring Countries. Inti Journal
Vol. 1 No.3, pp. 159-166
Lau, Evan and Tang, Tuck Cheong. 2009. Twin Deficit in Cambodia: Are There
Reasons for Concern? An Empirical Study. Monash University
Lipsey, Purvis and Steiner.1995. Economics. Longman Higher Education
Mankiw, Gregory. 2002. Macroeconomics fifth edition. Worth Publisher
Ministry of Finance Malaysia. 2006. Malaysia’s Fiscal Policy Management.
Ministry of Finance Malaysia
84
Montes, Manuef F. 2002. Financing Development: The Political Economy of
Fiscal Policy in The Philippines: Ministry of Finance Philippine.
Moreno, Ramon. 2006. Experience With Current Account Deficits In Southeast
Asia. Bank for International Settlements Chile
Mizar, Muhammad Afdi. 2001. Arah Kebijakan Fiskal Pemerintahan Indonesia
2000-2009. Magister Perencanaan dan Kebijakan Publik
Nugraheni, Sri Retno Wahyu. 2011. Analisis Daya Tahan Perbankan Syariah
terhadap Fluktuasi Ekonomi di Indonesia. Bogor: Fakultas Ekonomi dan
Manajemen Departemen Ilmu Ekonomi Institut Pertanian Bogor
Ok, Seiha, Kakinaka, Makoto, dan Miyamoto, Hiroaki. 2010. Real Shock or
Nominal Shock? Exchange Rate Movements in Cambodia and Lao PDR.
The Singapore Economic Review, World Scientific Publishing Co. Pte.
Ltd. Vol 55(04) pages 685-703.
Pahlavani, Mosayeb dan Saleh, Ali Salman. 2009. Budget Deficits and Current
Account Deficits in the Philippines: A Casual Relationship?. American
Journal of Applied Sciences 6 (8): 1515-1521.
Pasaribu, Syamsul Hidayat. 2003. Eviews untuk Analisis Runtut Waktu (Time
Series Analysis). Departemen Ilmu Ekonomi, Fakultas Ekonomi dan
Manajemen, Institut Pertanian Bogor.
Pupphavesa, Wisam. 2002. Globalization and Social Development in Thailand.
CAS Discussion Paper No.39.
Robert Half Singapore.2010. Singapore finance professionals adopt active and
prudent strategies in personal wealth creation. Robert Half Singapore.
Rohlf, William. 2010. Introduction to Economic Reasoning 8th edition. Prentice
Hall.
Salvatore, D. 2007. Twin deficits in the G-7 countries and global structural
imbalances. Elsevier Journal of Policy Modeling.
Setyawan, H. 2010. Kebijakan Pemerintahan Pol Pot di Kamboja Tahun 19751979. Fakultas Sosial dan Politik Universitas Sebelas Maret Surakarta.
Setboonsarng, Suthad. 1998. Asean Economic Co-operation:Adjusting to the
Crisis. Association of Southeast Asian Nations.
Sims, Cristopher.1980. Econometrica and Reality. Econometrica Vol 48 No.1
January 1980.
85
Singapore Ministry of Finance. 1996. Singapore Budget 1996. Singapore Ministry
of Finance.
Sophal, Chan, Toshiyasu, Kato, dkk. 1998. Cambodia: Challenges and Options of
Regional Economic Integration. Cambodia Development Research
Institute.
Sriyana, Jaka. 2005. Ketahanan Fiskal: Studi Kasus Malaysia dan Indonesia.
Jurnal Ekonomi Pembangunan Kajian Ekonomi Negara Berkembang
Hal.123-132.
Tang, Hsiao Chink, Liu, Philip, dan Cheung, Eddie C. 2010. Changing Impact of
Fiscal Policy on Selected ASEAN Countries. Asian Development Bank.
Thomas, R.L. 1997. Modern Econometrics: An Introduction. Pearson Higher
Education Companies.
Vyshnyak, Olga. 2002. Twin Deficit Hypotesis: The Case Of Ukraine. Kyiv Mohyla Academy Ukraine.
Verbeek, M.2002 . A Guide to Modern Econometrics. John Wiley and Sons Ltd.
Umezaki, S., 2006. Monetary and Exchange Rate Policy in Malaysia Before the
Asian Crisis.Discussion Paper No 79. Institute of Developing Economies.
Ward, B.D dan Siregar, H. 2000. The Role of Aggregate Demand Shocks in
Explaining Indonesian Macro-Economic Fluctuation. Commerce
Division Discussion Paper No. 86. Lincoln University, Canterbury.
World Bank. 2011. Country Page and Key Indicators:Vietnam. World Bank East
Asia and Pasific Economic Update 2011, Volume 1.
Yanuarita, Rita, Tampubolon, Muslim, dan Utama, Chandra. 2006. Contangion
dalam Krisis Keuangan di ASEAN Berasal dari Indonesia dan Thailand
(Kasus Data Pasar Modal). Jurnal Universitas Pramita Indonesia.
86
LAMPIRAN
87
LAMPIRAN 1. PENELITIAN TERDAHULU
Penulis/
Tahun
Judul Riset
Giancarlo
Corsetti dan
Gernot J.
Müller (2006)
Twin Deficits:
Squaring
Theory,
Evidence and
Common
Sense
Gancho
Todorov
Ganchev,
PhD (2010)
Liliane
Karlinger
(1999)
António
Afonso dan
Christophe
Rault (2009)
Leonardo
Bartolini dan
Amartya
Lahiri (2006)
Negara
yang
Diteliti
Amerika,
Kanada,
Amerika
Serikat,
Kanada,
Australia
, dan
Inggris
Metode yang
digunakan
The Twin
Deficit
Hypotesis:Th
e Case of
Bulgaria
The Twin
Deficits
Hypothesis
in the
Austrian
Context:
Fiscal Policy
and the
Current
Account
Budgetary
and External
Imbalances
Relationship:
A Panel Data
Diagnostic
Bulgaria
VAR/VECM
Government
budget dan
Current
Account
Austria
Granger
causality tests,
cointegration
tests dan
VECM
Government
budget,curren
t account,
penawaran
uang, suku
bunga, CPI ,
investasi, dan
GDP.
Ekspansi kebijakan fiskal
berkorelasi negatif
terhadap transaksi berjalan
walaupun mekanismenya
tidak secara langsung
Uni
Eropa
dan
NegaraNegara
OECD
Data Panel
Government
budget,curren
t account, dan
real effective
exchange rate
Twin Deficits,
Twenty Years
Later
NegaraNegara
OECD
Data panel
Konsumsi,
defisit fiskal,
defisit current
account,
belanja
pemerintah,
hutang luan
negeri,
pertumbuhan
penduduk, C
is private
consumption,
current
account
Terdapat hubungan antara
budget deficit dan current
account deficit namun
tidak terlalu kuat
dikarenakan banyak faktor
lain yang cukup kuat
mempengaruhi current
account seperti kebijakan
moneter negara yang
bersangkutan dan
likuiditas di pasar modal
internasional.

Peningkatan
defisit fiskal
diikuiti oleh
peningkatan
konsumsi
masyarakat

Investasi tidak
menunjukan
memiliki
hubungan yang
sitematis dengan
defisit fiskal

Di Amerika,
defisit fiskal
menyebabkan
Vector
Autoregressio
n (VAR)
Variabel
Yang
Digunakan
GDP, Budget
deficit,
current
account,
inflasi, suku
bunga
nominal,
Terms of
trade,
Investasi,
tabungan
rumah tangga
Kesimpulan
 Defisit anggaran
pemerintah dan defisit
transaksi berjalan
memiliki hubungan
yang kuat. Pada
perekonomian
terbuka, ekspansi
memperkecil defisit
anggaran pemerintah
namun memperburuk
defisit transaksi
berjalan.
 Twin Deficit memiliki
dampak yang lebih
kecil pada negara
yang cenderung lebih
tertutup.
Hipotesis twin deficit tidak
terlihat pada kasus negara
Bulgaria
88
terjadinya defisit
transaksi
berjalan.
Mexico
menunjukkan
tidak
terdapat hubungan antara
defisit anggaran dengan
defisit current account.
Hasil penelitian di India
menunjukan bahwa defisit
anggaran
pemerintah
mengakibatkan
defisit
current
account,
sebaliknya di Pakistan
defisit current account
yang
mempengaruhi
defisit
anggaran
pemerintah.
Mexico,
India,
Pakistan
Granger
causality test
dan VAR
Budget deficit
dan current
account
Transmission
Mechanism of
twin Deficit
Hypotesis:
Evidence
from Two
Neighboring
Countries
Malaysia
dan
Filipina
VAR
Budget
deficit,
current
account,
exchange
rate, suku
bunga
nominal
Di
Thailand
defisit
anggaran
pemerintah menyebabkan
defisit current account
sedangkan di Malaysia
terjadi
hubungan
bikausalitas antara defisit
anggaran pemerintah dan
defisit current account.
Selain
itu,
secara
keseluruhan
defisit
anggaran mempengaruhi
tingkat suku bunga, nilai
tukar, dan current account.
Ahmad
Zubaidi
Baharumshah
,
Hamizun
Ismail, dan
Evan Lau
(2009)
Twin Deficits
Hypothesis
and Capital
Mobility:
The ASEAN5 Perspective
ASEAN5
VAR/VECM
Budget
deficit,current
account, dan
Investasi
Mosayeb
Pahlavani dan
Ali Salman
Saleh (2009)
Budget
Deficits and
Current
Account
Deficits in the
Philippines:
A Casual
Relationship?
Analysis of
Current
Account
Deficits and
Fiscal
Deficits in
Indonesia: A
VAR
Approach
Filipina
VAR
Budget deficit
dan current
account
Defisit anggaran
pemerintah mengakibatkan
defisit current account di
Thailand, sedangkan di
Indonesia budget deficit
yang mendorong
terjadinya current account
deficit. Hubungan timbal
balik antara defisit
anggaran dan defisit
current account terjadi di
Malaysia dan Filipina.
Terjadi hubungan dua arah
antara defisit anggaran dan
defisit current account di
Filipina.
Indonesia
VAR
Budget
deficit,
current
account,
exchange
rate, dan suku
bunga
Kishore G.
Kulkarni dan
Erick Lee
Erickson
(1997)
Twin Deficit
Revisited:
Evidence
From India,
Pakistan And
Mexico
Evan Lau dan
Chan Tze
Haw (2003)
Ferry
Ardiyanto
(2006)
Defisit current account di
Indonesia menyebabkan
defisit fiskal
89
LAMPIRAN 2. UJI LAG OPTIMUM
a. Brunei Darussalam
VAR Lag Order Selection Criteria
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Date: 06/19/11 Time: 15:09
Sample: 1980 2010
Included observations: 29
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
85.09244
145.4485
154.7529
NA
104.0621*
14.11712
6.98e-07
2.03e-08*
2.04e-08
-5.661548
-9.203342
-9.224340*
-5.520104
-8.637565*
-8.234229
-5.617249
-9.026148*
-8.914250
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Lag
1
2
Adj-R square
0.642018*
0.624989
b. Singapura
VAR Lag Order Selection Criteria
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Date: 06/19/11 Time: 16:04
Sample: 1980 2010
Included observations: 29
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
190.7911
263.7256
268.5373
NA
125.7491*
7.300547
4.76e-10
5.83e-12*
7.96e-12
-12.95111
-17.36038*
-17.07154
-12.80967
-16.79461*
-16.08143
-12.90681
-17.18319*
-16.76145
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
c. Indonesia
VAR Lag Order Selection Criteria
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Date: 06/19/11 Time: 16:30
90
Sample: 1980 2010
Included observations: 29
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
352.7891
389.8419
401.7336
NA
63.88415
18.04258*
6.70e-15
9.73e-16
8.16e-16*
-24.12338
-26.05806
-26.25749*
-23.98194
-25.49228*
-25.26738
-24.07909
-25.88087
-25.94740*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Lag
1
2
Adj-R square
0.323497*
0.266540
d. Malaysia
VAR Lag Order Selection Criteria
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Date: 06/19/11 Time: 17:04
Sample: 1980 2010
Included observations: 29
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
434.0269
508.1492
524.6887
NA
127.7971
25.09429*
2.47e-17
2.78e-19
1.69e-19*
-29.72599
-34.21719
-34.73715*
-29.58455
-33.65141
-33.74704*
-29.68169
-34.03999
-34.42706*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
e. Filipina
VAR Lag Order Selection Criteria
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Date: 06/19/11 Time: 17:23
Sample: 1991Q1 2010Q4
Included observations: 73
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
3
4
-59.00534
84.26120
97.22017
123.2227
134.2904
NA
270.8326
23.43266
44.88103
18.19354
0.001097
2.77e-05
2.49e-05
1.57e-05
1.49e-05
1.698776
-1.979759
-2.088224
-2.554046
-2.610696
1.792905
-1.603245
-1.429325
-1.612761*
-1.387026
1.736288
-1.829712
-1.825641
-2.178928
-2.123043
91
5
6
7
161.4190
166.9191
172.5698
42.36521*
8.137174
7.895452
9.17e-06*
1.02e-05
1.15e-05
-3.107370*
-3.011483
-2.919721
-1.601315
-1.223042
-0.848895
-2.507181*
-2.298759
-2.094461
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Adj-R square
Lag
3
5
0.945094*
0.961713
f. Thailand
VAR Lag Order Selection Criteria
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Date: 06/19/11 Time: 18:33
Sample: 1980 2010
Included observations: 29
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
216.8624
268.5697
279.4277
NA
89.15045*
16.47427
7.89e-11
4.17e-12
3.76e-12*
-14.74913
-17.69446
-17.82260*
-14.60769
-17.12868*
-16.83249
-14.70483
-17.51727*
-17.51251
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Adj-R square
Lag
1
2
0.677517
0.754100*
g. Kamboja
VAR Lag Order Selection Criteria
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Date: 06/19/11 Time: 19:21
Sample: 1994Q1 2010Q4
Included observations: 62
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
3
365.6702
532.2763
541.4330
546.8991
NA
311.7147
16.24568
9.168970
1.67e-09
1.03e-11
1.03e-11*
1.16e-11
-11.69904
-16.78311
-16.78816*
-16.67416
-11.59611
-16.37140*
-16.06768
-15.64491
-11.65863
-16.62146*
-16.50528
-16.27005
92
4
5
6
551.3471
567.8523
575.3956
7.030673
24.49166*
10.46323
1.36e-11
1.08e-11
1.17e-11
-16.52732
-16.76943
-16.72244
-15.18929
-15.12262
-14.76685
-16.00198
-16.12285
-15.95462
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Adj-R square
Lag
1
2
5
0.739295
0.749126*
0.775168
h. Laos
VAR Lag Order Selection Criteria
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Date: 06/19/11 Time: 20:36
Sample: 1 68
Included observations: 62
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
3
4
5
6
741.4044
907.7638
935.0950
969.7380
984.0801
994.1067
1006.458
NA
311.2531
48.49089
58.11072
22.66990
14.87809
17.13192*
9.08e-15
5.67e-17
3.15e-17
1.38e-17
1.18e-17
1.16e-17
1.07e-17*
-23.81950
-28.89561
-29.48694
-30.31413
-30.48646
-30.51957
-30.62766*
-23.71657
-28.48390
-28.76646
-29.28487*
-29.14842
-28.87276
-28.67207
-23.77908
-28.73396
-29.20406
-29.91001
-29.96111*
-29.87299
-29.85985
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Adj-R square
Lag
3
4
6
0.709164
0.706539
0.727959*
i. Myanmar
VAR Lag Order Selection Criteria
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Date: 06/21/11 Time: 17:53
Sample: 1991Q1 2010Q4
Included observations: 76
Lag
LogL
LR
FPE
AIC
SC
HQ
0
419.6701
NA
3.47e-09
-10.96500
-10.87300
-10.92823
93
1
2
3
4
833.6629
1022.939
1175.207
1187.181
784.4075
343.6852
264.4656
19.85240*
8.17e-14
7.12e-16
1.65e-17
1.53e-17*
-21.62271
-26.36681
-30.13702
-30.21530*
-21.25470
-25.72279
-29.21700*
-29.01927
-21.47563
-26.10943
-29.76934*
-29.73731
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Lag
3
4
Adj-R square
0.998751
0.998852*
j. Vietnam
VAR Lag Order Selection Criteria
Endogenous variables: BD CA ER
Exogenous variables: C
Date: 06/19/11 Time: 21:41
Sample: 1991Q1 2010Q4
Included observations: 76
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
3
4
-1081.607
-710.5745
-560.6433
-468.6908
-447.8499
NA
703.0084
272.2435
159.7071
34.55203*
4.99e+08
36380.21
892.7828
100.9287
74.32126*
28.54228
19.01512
15.30640
13.12344
12.81184*
28.63429
19.38313
15.95042
14.04347
14.00787*
28.57905
19.16219
15.56378
13.49113
13.28983*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
LAMPIRAN 3. UJI STABILITAS VAR
a. Brunei Darussalam
Roots of Characteristic Polynomial
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Lag specification: 1 1
Date: 06/19/11 Time: 15:13
c. Indonesia
Roots of Characteristic Polynomial
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Lag specification: 1 1
Date: 06/19/11 Time: 16:35
Root
Modulus
Root
Modulus
0.827731
0.783862
0.460482
0.827731
0.783862
0.460482
0.926932
-0.218183
0.026774
0.926932
0.218183
0.026774
No root lies outside the unit circle.
VAR satisfies the stability condition.
No root lies outside the unit circle.
VAR satisfies the stability condition.
d. Malaysia
Roots of Characteristic Polynomial
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Lag specification: 1 2
Date: 06/19/11 Time: 17:06
b. Singapura
Roots of Characteristic Polynomial
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Lag specification: 1 1
Date: 06/19/11 Time: 16:05
Root
Modulus
0.921335
0.508791
0.243447
0.921335
0.508791
0.243447
No root lies outside the unit circle.
VAR satisfies the stability condition.
Root
0.983027
0.844080
0.481967 - 0.538905i
0.481967 + 0.538905i
-0.391302
0.157131
Modulus
0.983027
0.844080
0.722987
0.722987
0.391302
0.157131
No root lies outside the unit circle.
VAR satisfies the stability condition.
94
0.720580 + 0.271285i
0.041789 - 0.456269i
0.041789 + 0.456269i
-0.208619
e. Filipina
Roots of Characteristic Polynomial
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Lag specification: 1 3
Date: 06/19/11 Time: 17:25
Root
0.993906 - 0.015444i
0.993906 + 0.015444i
-0.765256 - 0.054153i
-0.765256 + 0.054153i
0.617786 - 0.430397i
0.617786 + 0.430397i
-0.100860 - 0.731581i
-0.100860 + 0.731581i
0.506831
No root lies outside the unit circle.
VAR satisfies the stability condition.
Modulus
0.994026
0.994026
0.767170
0.767170
0.752929
0.752929
0.738501
0.738501
0.506831
No root lies outside the unit circle.
VAR satisfies the stability condition.
f. Thailand
Roots of Characteristic Polynomial
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Lag specification: 1 2
Date: 06/19/11 Time: 18:34
Root
0.895121
0.720580 - 0.271285i
0.769956
0.458179
0.458179
0.208619
g. Kamboja
Roots of Characteristic Polynomial
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Lag specification: 1 2
Date: 06/19/11 Time: 19:24
Root
0.998443
0.631609 - 0.283331i
0.631609 + 0.283331i
-0.153049 - 0.439891i
-0.153049 + 0.439891i
0.195804
Modulus
0.998443
0.692247
0.692247
0.465756
0.465756
0.195804
No root lies outside the unit circle.
VAR satisfies the stability condition.
Modulus
0.895121
0.769956
h. Laos
Roots of Characteristic Polynomial
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Lag specification: 1 6
Date: 06/19/11 Time: 20:38
95
Root
0.880137 - 0.320630i
0.880137 + 0.320630i
0.934112 - 0.067837i
0.934112 + 0.067837i
0.850615
0.082425 + 0.831548i
0.082425 - 0.831548i
-0.488796 - 0.668143i
-0.488796 + 0.668143i
0.164644 + 0.806802i
0.164644 - 0.806802i
-0.419449 - 0.680046i
-0.419449 + 0.680046i
0.571821 + 0.535684i
0.571821 - 0.535684i
-0.725840 - 0.170530i
-0.725840 + 0.170530i
0.640319
Modulus
0.936721
0.936721
0.936572
0.936572
0.850615
0.835623
0.835623
0.827851
0.827851
0.823430
0.823430
0.799000
0.799000
0.783541
0.783541
0.745603
0.745603
0.640319
No root lies outside the unit circle.
VAR satisfies the stability condition.
0.978185 - 0.086659i
0.978185 + 0.086659i
0.811077 - 0.411951i
0.811077 + 0.411951i
0.703841 - 0.550929i
0.703841 + 0.550929i
0.739666
0.646827
-0.081463 - 0.588530i
-0.081463 + 0.588530i
0.285841 - 0.117473i
0.285841 + 0.117473i
No root lies outside the unit circle.
VAR satisfies the stability condition.
j. Vietnam
Roots of Characteristic Polynomial
Endogenous variables: BD_Y CA_Y ER_Y
Exogenous variables: C
Lag specification: 1 4
Date: 06/21/11 Time: 17:55
Root
i. Myamar
Roots of Characteristic Polynomial
Endogenous variables: BD CA ER
Exogenous variables: C
Lag specification: 1 4
Date: 06/19/11 Time: 21:11
Root
Modulus
0.982016
0.982016
0.909697
0.909697
0.893820
0.893820
0.739666
0.646827
0.594141
0.594141
0.309039
0.309039
0.998445
0.749097 - 0.539332i
0.749097 + 0.539332i
0.889183
0.826518 - 0.317665i
0.826518 + 0.317665i
0.632845 - 0.492185i
0.632845 + 0.492185i
Modulus
0.998445
0.923052
0.923052
0.889183
0.885462
0.885462
0.801710
0.801710
96
0.642950
0.566510 - 0.164504i
0.566510 + 0.164504i
0.130777
No root lies outside the unit circle.
VAR satisfies the stability condition.
0.642950
0.589911
0.589911
0.130777
LAMPIRAN 4. UJI KOINTEGRASI
a. Brunei Darussalam
Date: 06/19/11 Time: 15:14
Sample (adjusted): 1982 2010
Included observations: 29 after adjustments
Trend assumption: No deterministic trend (restricted constant)
Series: BD_Y CA_Y ER_Y
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None
At most 1
At most 2
0.545231
0.148962
0.072681
29.71691
6.865936
2.188280
35.19275
20.26184
9.164546
0.1728
0.9055
0.7400
Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1
At most 2
0.545231
0.148962
0.072681
22.85097
4.677656
2.188280
22.29962
15.89210
9.164546
0.0419
0.9145
0.7400
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
97
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
BD_Y
-19.27311
-1.993155
-2.150881
CA_Y
14.35854
5.344998
-0.880234
ER_Y
-10.82886
22.05288
15.92304
C
5.545359
-4.899828
-1.219797
Unrestricted Adjustment Coefficients (alpha):
D(BD_Y)
D(CA_Y)
D(ER_Y)
0.056765
0.049353
-0.006634
-0.035218
-0.040213
-0.004520
-0.018116
-0.003907
-0.003281
Log likelihood
151.3200
BD_Y
1.000000
CA_Y
0.000000
0.000000
1.000000
ER_Y
5.034250
(2.55364)
6.003170
(3.39618)
C
-1.344084
(0.45932)
-1.417923
(0.61086)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-1.023835
0.626816
(0.46323)
(0.36629)
D(CA_Y)
-0.871043
0.493703
(0.41521)
(0.32832)
D(ER_Y)
0.136861
-0.119411
(0.06730)
(0.05321)
b. Singapura
1 Cointegrating Equation(s):
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
C
1.000000
-0.745004
0.561864
-0.287725
(0.04358)
(0.27552)
(0.05706)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-1.094030
(0.48035)
D(CA_Y)
-0.951195
(0.44114)
D(ER_Y)
0.127851
(0.06917)
2 Cointegrating Equation(s):
Log likelihood
Date: 06/19/11 Time: 23:16
Sample (adjusted): 1982 2010
Included observations: 29 after adjustments
Trend assumption: No deterministic trend (restricted constant)
Series: BD_Y CA_Y ER_Y
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None
At most 1
At most 2
0.463296
0.326932
0.113573
33.02448
14.97751
3.496143
35.19275
20.26184
9.164546
0.0841
0.2276
0.4923
153.6588
Normalized cointegrating coefficients (standard error in parentheses)
Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
98
**MacKinnon-Haug-Michelis (1999) p-values
(1.27162)
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None
At most 1
At most 2
0.463296
0.326932
0.113573
18.04697
11.48137
3.496143
22.29962
15.89210
9.164546
0.1769
0.2182
0.4923
Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
BD_Y
-6.532868
12.14192
23.00538
CA_Y
-19.35292
26.38000
-18.60512
ER_Y
-83.17102
215.7584
-98.39746
C
5.489666
-7.210312
2.507196
Unrestricted Adjustment Coefficients (alpha):
D(BD_Y)
D(CA_Y)
D(ER_Y)
-0.005543
0.013188
-0.000847
1 Cointegrating Equation(s):
-0.014757
-0.018934
-0.000318
-0.009862
0.001914
0.000308
Log likelihood
261.0485
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
C
1.000000
2.962393
12.73116
-0.840315
(0.29924)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
0.036209
(0.05157)
D(CA_Y)
-0.086158
(0.04765)
D(ER_Y)
0.005535
(0.00184)
2 Cointegrating Equation(s):
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
(8.22309)
Log likelihood
266.7892
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
C
1.000000
0.000000
31.63085
0.084233
(11.4970)
(0.22646)
0.000000
1.000000
-6.379870
-0.312095
(4.65576)
(0.09171)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.142969
-0.282024
(0.10095)
(0.23955)
D(CA_Y)
-0.316053
-0.754713
(0.08596)
(0.20398)
D(ER_Y)
0.001669
0.007997
(0.00378)
(0.00896)
c. Indonesia
99
Date: 06/19/11 Time: 16:36
Sample (adjusted): 1982 2010
Included observations: 29 after adjustments
Trend assumption: No deterministic trend (restricted constant)
Series: BD_Y CA_Y ER_Y
Lags interval (in first differences): 1 to 1
BD_Y
175.3575
216.1316
55.57768
CA_Y
165.4515
-78.18834
-16.26187
ER_Y
-623.4496
2356.477
-145.2400
C
1.004641
-3.623814
1.246260
Unrestricted Adjustment Coefficients (alpha):
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
None *
At most 1
At most 2
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
0.746671
0.436894
0.082234
58.96178
19.14291
2.488586
35.19275
20.26184
9.164546
0.0000
0.0707
0.6798
D(BD_Y)
D(CA_Y)
D(ER_Y)
-0.000857
-0.007443
-4.93E-05
1 Cointegrating Equation(s):
-0.002603
0.004804
-0.000153
-0.002282
0.000832
0.000129
Log likelihood
392.1621
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
C
1.000000
0.943510
-3.555306
0.005729
(0.11995)
(1.35043)
(0.00231)
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2
0.746671
0.436894
0.082234
39.81887
16.65432
2.488586
22.29962
15.89210
9.164546
0.0001
0.0379
0.6798
Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.150232
(0.31190)
D(CA_Y)
-1.305205
(0.31373)
D(ER_Y)
-0.008638
(0.01777)
2 Cointegrating Equation(s):
Log likelihood
400.4893
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
C
1.000000
0.000000
6.895791
-0.010532
(0.65837)
(0.00161)
100
0.000000
1.000000
-11.07683
(0.80235)
0.017235
(0.00196)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.712882
0.061800
(0.47335)
(0.31123)
D(CA_Y)
-0.267011
-1.607053
(0.42007)
(0.27619)
D(ER_Y)
-0.041802
0.003847
(0.02689)
(0.01768)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1
At most 2
0.547075
0.345209
0.008534
22.17678
11.85629
0.239990
21.13162
14.26460
3.841466
0.0355
0.1162
0.6242
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
d. Malaysia
Date: 06/19/11 Time: 17:07
Sample (adjusted): 1983 2010
Included observations: 28 after adjustments
Trend assumption: Linear deterministic trend
Series: BD_Y CA_Y ER_Y
Lags interval (in first differences): 1 to 2
BD_Y
-50.59274
51.00869
51.69553
CA_Y
-21.40034
23.86914
0.235079
ER_Y
-124613.2
563783.9
118186.3
Unrestricted Adjustment Coefficients (alpha):
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
None *
At most 1
At most 2
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
0.547075
0.345209
0.008534
34.27306
12.09628
0.239990
29.79707
15.49471
3.841466
0.0143
0.1524
0.6242
D(BD_Y)
D(CA_Y)
D(ER_Y)
0.008322
0.004657
-3.73E-08
1 Cointegrating Equation(s):
0.001075
-0.011843
-3.07E-07
-4.83E-05
-0.001531
6.09E-08
Log likelihood
510.8676
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
1.000000
0.422992
2463.066
(0.07472)
(1455.34)
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Adjustment coefficients (standard error in parentheses)
101
D(BD_Y)
D(CA_Y)
D(ER_Y)
-0.421016
(0.08832)
-0.235616
(0.29904)
1.89E-06
(9.5E-06)
2 Cointegrating Equation(s):
Log likelihood
516.7957
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
1.000000
0.000000
-78367.17
(20532.4)
0.000000
1.000000
191091.5
(46952.8)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.366204
-0.152437
(0.12422)
(0.05543)
D(CA_Y)
-0.839698
-0.382339
(0.37965)
(0.16941)
D(ER_Y)
-1.38E-05
-6.54E-06
(1.3E-05)
(5.6E-06)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None
At most 1
At most 2
0.212872
0.114280
0.002424
27.59905
9.407341
0.184446
29.79707
15.49471
3.841466
0.0878
0.3290
0.6676
Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None
At most 1
At most 2
0.212872
0.114280
0.002424
18.19171
9.222895
0.184446
21.13162
14.26460
3.841466
0.1228
0.2681
0.6676
Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
e. Filipina
Date: 06/19/11 Time: 17:28
Sample (adjusted): 1992Q1 2010Q4
Included observations: 76 after adjustments
Trend assumption: Linear deterministic trend
Series: BD_Y CA_Y ER_Y
Lags interval (in first differences): 1 to 3
BD_Y
1.924321
-1.759796
-0.546272
CA_Y
3.334614
0.740146
-0.848404
ER_Y
21.63987
-12.34698
4.976584
Unrestricted Adjustment Coefficients (alpha):
Unrestricted Cointegration Rank Test (Trace)
102
D(BD_Y)
D(CA_Y)
D(ER_Y)
-0.013401
-0.039099
-0.015836
0.051748
0.074575
-0.006939
0.005929
-0.012532
-0.000242
Log likelihood
138.5873
D(ER_Y)
-0.018262
(0.01177)
-0.057943
(0.01542)
f. Thailand
1 Cointegrating Equation(s):
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
1.000000
1.732879
11.24546
(0.35066)
(1.39821)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.025788
(0.04689)
D(CA_Y)
-0.075240
(0.08238)
D(ER_Y)
-0.030474
(0.00884)
2 Cointegrating Equation(s):
Log likelihood
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
At most 1
At most 2
0.691565
0.319568
0.218878
50.63226
17.69745
6.916670
42.91525
25.87211
12.51798
0.0071
0.3646
0.3533
143.1988
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
1.000000
0.000000
7.842157
(1.68870)
0.000000
1.000000
1.963958
(1.13932)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.116854
-0.006386
(0.06130)
(0.08030)
D(CA_Y)
-0.206477
-0.075185
(0.10899)
(0.14277)
Date: 06/19/11 Time: 18:35
Sample (adjusted): 1983 2010
Included observations: 28 after adjustments
Trend assumption: Linear deterministic trend (restricted)
Series: BD_Y CA_Y ER_Y
Lags interval (in first differences): 1 to 2
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1
At most 2
0.691565
0.319568
0.218878
32.93481
10.78078
6.916670
25.82321
19.38704
12.51798
0.0049
0.5361
0.3533
103
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
BD_Y
58.98039
-88.29346
13.12077
CA_Y
-6.249754
-36.42519
9.512272
ER_Y
554.4792
-385.1330
-331.2432
@TREND(81)
0.279909
0.032019
-0.141716
Unrestricted Adjustment Coefficients (alpha):
D(BD_Y)
D(CA_Y)
D(ER_Y)
-0.007529
0.039914
-0.000282
1 Cointegrating Equation(s):
-0.002332
0.012512
0.000773
-0.006672
-0.004273
0.000502
Log likelihood
279.6934
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
@TREND(81)
1.000000
-0.105963
9.401076
0.004746
(0.06794)
(1.39295)
(0.00101)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.444072
(0.20672)
D(CA_Y)
2.354143
(0.47255)
D(ER_Y)
-0.016637
(0.02305)
2 Cointegrating Equation(s):
Log likelihood
285.0838
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
@TREND(81)
1.000000
0.000000
8.371278
0.003702
(0.83737)
(0.00048)
0.000000
1.000000
-9.718443
-0.009852
(3.36266)
(0.00192)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.238152
0.132007
(0.36801)
(0.12809)
D(CA_Y)
1.249398
-0.705212
(0.79716)
(0.27746)
D(ER_Y)
-0.084854
-0.026380
(0.03722)
(0.01296)
g. Kamboja
Date: 06/19/11 Time: 19:25
Sample (adjusted): 1994Q4 2010Q4
Included observations: 65 after adjustments
Trend assumption: Linear deterministic trend
Series: BD_Y CA_Y ER_Y
Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
0.487329
0.211656
58.99350
15.56558
29.79707
15.49471
0.0000
0.0488
104
At most 2
0.001648
0.107240
3.841466
0.7433
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
1.000000
-5.554554
0.861728
(0.73849)
(0.29800)
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2
0.487329
0.211656
0.001648
43.42792
15.45834
0.107240
21.13162
14.26460
3.841466
0.0000
0.0322
0.7433
Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
BD_Y
8.804546
-96.90834
11.30229
CA_Y
-48.90533
9.340082
-1.936390
ER_Y
7.587121
3.290234
17.46225
Unrestricted Adjustment Coefficients (alpha):
D(BD_Y)
D(CA_Y)
D(ER_Y)
-0.000749
0.035237
0.000296
1 Cointegrating Equation(s):
0.003204
0.009321
-0.001127
-4.84E-05
-6.82E-05
-0.000336
Log likelihood
566.4350
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.006595
(0.00829)
D(CA_Y)
0.310249
(0.04836)
D(ER_Y)
0.002606
(0.01008)
2 Cointegrating Equation(s):
Log likelihood
574.1642
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
1.000000
0.000000
-0.049768
(0.04746)
0.000000
1.000000
-0.164099
(0.05044)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.317135
0.066565
(0.08178)
(0.04184)
D(CA_Y)
-0.593058
-1.636232
(0.52079)
(0.26647)
D(ER_Y)
0.111870
-0.025006
(0.11044)
(0.05651)
h. Laos
105
Date: 06/19/11 Time: 20:39
Sample (adjusted): 8 68
Included observations: 61 after adjustments
Trend assumption: Quadratic deterministic trend
Series: BD_Y CA_Y ER_Y
Lags interval (in first differences): 1 to 6
BD_Y
274.2679
-0.728068
51.31222
CA_Y
15.08377
62.39625
-16.06612
ER_Y
27539.20
7409.148
-4615.956
Unrestricted Adjustment Coefficients (alpha):
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
None *
At most 1
At most 2
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
0.311337
0.175798
0.035813
36.77157
14.01837
2.224657
35.01090
18.39771
3.841466
0.0321
0.1842
0.1358
D(BD_Y)
D(CA_Y)
D(ER_Y)
-0.003191
0.003003
-1.63E-06
1 Cointegrating Equation(s):
-0.002401
-0.001818
-1.02E-06
-0.000218
-0.000762
4.72E-06
Log likelihood
994.9894
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
1.000000
0.054996
100.4099
(0.05584)
(10.4344)
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None
At most 1
At most 2
0.311337
0.175798
0.035813
22.75320
11.79371
2.224657
24.25202
17.14769
3.841466
0.0779
0.2537
0.1358
Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.875150
(0.32635)
D(CA_Y)
0.823747
(0.32149)
D(ER_Y)
-0.000447
(0.00109)
2 Cointegrating Equation(s):
Log likelihood
1000.886
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
1.000000
0.000000
93.81918
106
0.000000
1.000000
(6.42366)
119.8382
(38.7762)
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.873402
-0.197929
(0.30930)
(0.07239)
D(CA_Y)
0.825070
-0.068126
(0.31167)
(0.07295)
D(ER_Y)
-0.000446
-8.85E-05
(0.00109)
(0.00026)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None
At most 1
At most 2
0.133612
0.105659
0.040778
10.75672
8.375135
3.122489
22.29962
15.89210
9.164546
0.7718
0.5036
0.5581
Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
i. Myanmar
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
Date: 06/19/11 Time: 21:12
Sample (adjusted): 1992Q2 2010Q4
Included observations: 75 after adjustments
Trend assumption: No deterministic trend (restricted constant)
Series: BD CA ER
Lags interval (in first differences): 1 to 4
BD
1.181313
-0.463271
0.442840
CA
-0.271703
-1.695236
2.522523
ER
-3.966478
4.399823
0.295051
C
25.54805
-27.62940
-0.098831
Unrestricted Adjustment Coefficients (alpha):
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
None
At most 1
At most 2
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
0.133612
0.105659
0.040778
22.25434
11.49762
3.122489
35.19275
20.26184
9.164546
0.5783
0.4948
0.5581
Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
D(BD)
D(CA)
D(ER)
-0.005137
0.004487
0.026327
1 Cointegrating Equation(s):
-0.005452
0.004725
-0.026531
-0.014757
-0.000926
2.90E-05
Log likelihood
341.3938
Normalized cointegrating coefficients (standard error in parentheses)
BD
CA
ER
C
1.000000
-0.230001
-3.357686
21.62683
(0.85244)
(0.94456)
(5.68507)
107
Adjustment coefficients (standard error in parentheses)
D(BD)
-0.006068
(0.01142)
D(CA)
0.005301
(0.00286)
D(ER)
0.031100
(0.01585)
2 Cointegrating Equation(s):
Log likelihood
Unrestricted Cointegration Rank Test (Trace)
j. Vietnam
Date: 06/21/11 Time: 17:56
Sample (adjusted): 1992Q2 2010Q4
Included observations: 75 after adjustments
Trend assumption: Linear deterministic trend (restricted)
Series: BD_Y CA_Y ER_Y
Lags interval (in first differences): 1 to 4
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
At most 1
At most 2
0.384780
0.175101
0.110693
59.66868
23.23547
8.798430
42.91525
25.87211
12.51798
0.0005
0.1028
0.1931
345.5814
Normalized cointegrating coefficients (standard error in parentheses)
BD
CA
ER
C
1.000000
0.000000
-3.720765
23.87481
(0.89662)
(5.41508)
0.000000
1.000000
-1.578602
9.773804
(0.74239)
(4.48362)
Adjustment coefficients (standard error in parentheses)
D(BD)
-0.003542
0.010638
(0.01223)
(0.01655)
D(CA)
0.003111
-0.009230
(0.00297)
(0.00402)
D(ER)
0.043391
0.037823
(0.01648)
(0.02229)
Hypothesized
No. of CE(s)
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1
At most 2
0.384780
0.175101
0.110693
36.43321
14.43704
8.798430
25.82321
19.38704
12.51798
0.0014
0.2261
0.1931
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
BD_Y
48.85175
5.515720
-9.815309
CA_Y
-6.575041
-12.70311
-6.626784
ER_Y
132.1544
319.1892
-343.6370
@TREND(91Q2)
0.279840
0.135078
-0.230522
108
Unrestricted Adjustment Coefficients (alpha):
D(BD_Y)
D(CA_Y)
D(ER_Y)
-0.001747
0.000683
4.96E-05
1 Cointegrating Equation(s):
-0.000396
0.001591
-4.40E-05
0.000483
0.000554
4.50E-05
Log likelihood
1183.358
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
@TREND(91Q2)
1.000000
-0.134592
2.705213
0.005728
(0.05106)
(1.49931)
(0.00075)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.085363
(0.01757)
D(CA_Y)
0.033373
(0.02652)
D(ER_Y)
0.002421
(0.00114)
LAMPIRAN 5. HASIL SIMULASI FEVD
a. Brunei Darussalam
Variance Decomposition of BD_Y:
Period
1
S.E.
0.13422
BD_Y
100
CA_Y
ER_Y
0
0
2
0.14325
91.7496
7.04725
1.20311
3
0.16091
77.251
21.79
0.95897
2 Cointegrating Equation(s):
Log likelihood
1190.576
Normalized cointegrating coefficients (standard error in parentheses)
BD_Y
CA_Y
ER_Y
@TREND(91Q2)
1.000000
0.000000
-0.718653
0.004564
(2.04541)
(0.00106)
0.000000
1.000000
-25.43890
-0.008652
(10.1155)
(0.00524)
Adjustment coefficients (standard error in parentheses)
D(BD_Y)
-0.087549
0.016525
(0.01750)
(0.00509)
D(CA_Y)
0.042150
-0.024705
(0.02474)
(0.00720)
D(ER_Y)
0.002179
0.000233
(0.00111)
(0.00032)
4
0.18451
60.7417
38.4775
0.78077
5
0.21123
47.7586
51.4247
0.81673
6
0.23848
38.5709
60.4836
0.94551
7
0.26484
32.1692
66.7374
1.09347
8
0.28984
27.6217
71.1503
1.22806
9
0.31336
24.288
74.3712
1.34086
10
0.33549
21.7664
76.8005
1.43307
11
0.35638
19.8034
78.6885
1.50808
12
0.37617
18.2366
80.194
1.56948
109
13
0.395
16.959
81.4208
1.62026
4
0.2456
31.815
66.8447
1.34036
14
0.41299
15.8981
82.4392
1.66275
5
0.28636
26.4628
71.7231
1.81415
15
0.43023
15.0035
83.2978
1.69874
6
0.32419
23.0447
74.7926
2.1627
16
0.44682
14.2391
84.0314
1.72956
7
0.35917
20.7436
76.832
2.42446
17
0.46281
13.5784
84.6654
1.75623
8
0.39159
19.1186
78.2599
2.62156
18
0.47826
13.0017
85.2188
1.77952
9
0.42179
17.9202
79.3073
2.77254
19
0.49323
12.494
85.706
1.80004
10
0.45011
17.0055
80.104
2.89051
20
0.50777
12.0436
86.1382
1.81824
11
0.47682
16.2866
80.729
2.98448
21
0.52189
11.6412
86.5243
1.8345
12
0.50214
15.7076
81.2317
3.06075
22
0.53565
11.2797
86.8712
1.84911
13
0.52625
15.2317
81.6446
3.12371
23
0.54906
10.953
87.1847
1.86232
14
0.54932
14.8338
81.9897
3.17647
24
0.56215
10.6565
87.4692
1.8743
15
0.57146
14.4964
82.2824
3.22128
25
0.57494
10.386
87.7288
1.88524
16
0.59277
14.2065
82.5337
3.25979
26
0.58745
10.1383
87.9665
1.89525
17
0.61335
13.9549
82.7519
3.29324
27
0.59971
9.91066
88.1849
1.90445
18
0.63325
13.7344
82.9431
3.32256
28
0.61171
9.70072
88.3864
1.91293
19
0.65255
13.5396
83.112
3.34846
29
0.62349
9.50648
88.5727
1.92079
20
0.6713
13.3662
83.2623
3.3715
30
0.63505
9.32626
88.7457
1.92807
21
0.68954
13.211
83.3969
3.39215
31
0.6464
9.15859
88.9066
1.93485
22
0.7073
13.0711
83.5181
3.41074
23
0.72463
12.9445
83.6279
3.42758
24
0.74156
12.8293
83.7278
3.4429
25
0.75811
12.7241
83.819
3.4569
26
0.7743
12.6275
83.9027
3.46973
Variance Decomposition of CA_Y:
Period
S.E.
BD_Y
CA_Y
ER_Y
1
0.12326
80.7765
19.2235
0
27
0.79016
12.5387
83.9798
3.48155
2
0.15801
55.0629
44.8683
0.06887
28
0.80571
12.4566
84.051
3.49246
3
0.20268
40.8919
58.3014
0.80672
29
0.82097
12.3806
84.1169
3.50257
110
30
0.83594
12.3099
84.1781
3.51196
21
0.12263
63.6948
22.6671
13.6381
31
0.85066
12.2442
84.2351
3.52071
22
0.12566
63.6583
22.8091
13.5327
23
0.12861
63.625
22.9382
13.4368
24
0.1315
63.5947
23.0561
13.3492
25
0.13433
63.5668
23.1642
13.269
26
0.1371
63.5412
23.2637
13.1951
Variance Decomposition of ER_Y:
Period
S.E.
BD_Y
CA_Y
ER_Y
1
0.01933
49.449
3.74898
46.8021
27
0.13982
63.5176
23.3554
13.127
2
0.03162
63.6304
4.63648
31.7332
28
0.14248
63.4957
23.4404
13.0638
3
0.04019
65.0964
7.45777
27.4458
29
0.14509
63.4754
23.5194
13.0052
4
0.04819
65.8551
10.1594
23.9855
30
0.14766
63.4565
23.5928
12.9507
5
0.05514
65.8122
12.5467
21.6411
31
0.15019
63.4389
23.6614
12.8997
6
0.06146
65.579
14.4931
19.9279
7
0.06724
65.2999
16.0458
18.6543
8
0.07259
65.0369
17.2778
17.6853
9
0.07758
64.8088
18.26
16.9312
10
0.08228
64.6162
19.0517
16.3322
Variance Decomposition of D(BD_Y):
11
0.08672
64.4549
19.698
15.8472
Period
12
0.09095
64.3195
20.2328
15.4477
13
0.095
64.2051
20.6814
15.1135
1
0.041025
100
0
0
14
0.09887
64.1075
21.0622
14.8302
2
0.046719
83.64668
9.250317
7.102998
15
0.1026
64.0236
21.3893
14.5871
3
0.047935
79.94481
13.07948
6.975709
16
0.1062
63.9506
21.6731
14.3763
4
0.048255
78.90687
14.20934
6.883784
17
0.10969
63.8867
21.9215
14.1918
5
0.048324
78.71721
14.36558
6.917214
18
0.11306
63.8303
22.1407
14.029
6
0.048334
78.70502
14.37693
6.918046
19
0.11634
63.7801
22.3357
13.8842
7
0.048336
78.70418
14.37598
6.919837
20
0.11953
63.7352
22.5101
13.7547
8
0.048336
78.70401
14.37617
6.919822
Cholesky Ordering: BD_Y CA_Y ER_Y
b. Singapura
S.E.
D(BD_Y)
D(CA_Y)
D(ER_Y)
111
9
0.048336
78.70377
14.37643
6.919806
10
0.048336
78.70369
14.37651
6.919801
1
0.041756
13.53526
86.46474
0
11
0.048336
78.70367
14.37653
6.919801
2
0.045675
15.75958
78.53909
5.701334
12
0.048336
78.70367
14.37653
6.919801
3
0.046115
17.07432
77.21508
5.710601
13
0.048336
78.70367
14.37653
6.919802
4
0.04621
17.22723
76.96226
5.810513
14
0.048336
78.70367
14.37653
6.919802
5
0.046231
17.2348
76.96006
5.805138
15
0.048336
78.70367
14.37653
6.919802
6
0.046238
17.2301
76.96635
5.803541
16
0.048336
78.70367
14.37653
6.919802
7
0.046239
17.22931
76.9669
5.803783
17
0.048336
78.70367
14.37653
6.919802
8
0.04624
17.22947
76.96671
5.803824
18
0.048336
78.70367
14.37653
6.919802
9
0.04624
17.22955
76.96659
5.803862
19
0.048336
78.70367
14.37653
6.919802
10
0.04624
17.22956
76.96657
5.803864
20
0.048336
78.70367
14.37653
6.919802
11
0.04624
17.22957
76.96657
5.803864
21
0.048336
78.70367
14.37653
6.919802
12
0.04624
17.22957
76.96657
5.803864
22
0.048336
78.70367
14.37653
6.919802
13
0.04624
17.22957
76.96657
5.803864
23
0.048336
78.70367
14.37653
6.919802
14
0.04624
17.22957
76.96657
5.803864
24
0.048336
78.70367
14.37653
6.919802
15
0.04624
17.22957
76.96657
5.803864
25
0.048336
78.70367
14.37653
6.919802
16
0.04624
17.22957
76.96657
5.803864
26
0.048336
78.70367
14.37653
6.919802
17
0.04624
17.22957
76.96657
5.803864
27
0.048336
78.70367
14.37653
6.919802
18
0.04624
17.22957
76.96657
5.803864
28
0.048336
78.70367
14.37653
6.919802
19
0.04624
17.22957
76.96657
5.803864
29
0.048336
78.70367
14.37653
6.919802
20
0.04624
17.22957
76.96657
5.803864
30
0.048336
78.70367
14.37653
6.919802
21
0.04624
17.22957
76.96657
5.803864
31
0.048336
78.70367
14.37653
6.919802
22
0.04624
17.22957
76.96657
5.803864
23
0.04624
17.22957
76.96657
5.803864
24
0.04624
17.22957
76.96657
5.803864
25
0.04624
17.22957
76.96657
5.803864
Variance Decomposition of D(CA_Y):
Period
S.E.
D(BD_Y)
D(CA_Y)
D(ER_Y)
112
26
0.04624
17.22957
76.96657
5.803864
17
0.001755
3.291757
1.563225
95.14502
27
0.04624
17.22957
76.96657
5.803864
18
0.001755
3.291757
1.563225
95.14502
28
0.04624
17.22957
76.96657
5.803864
19
0.001755
3.291757
1.563225
95.14502
29
0.04624
17.22957
76.96657
5.803864
20
0.001755
3.291757
1.563225
95.14502
30
0.04624
17.22957
76.96657
5.803864
21
0.001755
3.291757
1.563225
95.14502
31
0.04624
17.22957
76.96657
5.803864
22
0.001755
3.291757
1.563225
95.14502
23
0.001755
3.291757
1.563225
95.14502
24
0.001755
3.291757
1.563225
95.14502
25
0.001755
3.291757
1.563225
95.14502
26
0.001755
3.291757
1.563225
95.14502
Variance Decomposition of D(ER_Y):
Period
S.E.
D(BD_Y)
D(CA_Y)
D(ER_Y)
1
0.001634
2.767765
0.479722
96.75251
27
0.001755
3.291757
1.563225
95.14502
2
0.001737
3.32164
1.584551
95.09381
28
0.001755
3.291757
1.563225
95.14502
3
0.001753
3.262205
1.559323
95.17847
29
0.001755
3.291757
1.563225
95.14502
4
0.001754
3.292467
1.560867
95.14667
30
0.001755
3.291757
1.563225
95.14502
5
0.001755
3.291408
1.562593
95.146
31
0.001755
3.291757
1.563225
95.14502
6
0.001755
3.291762
1.562895
95.14534
7
0.001755
3.291755
1.56319
95.14505
8
0.001755
3.291751
1.563219
95.14503
9
0.001755
3.291756
1.563225
95.14502
10
0.001755
3.291756
1.563225
95.14502
11
0.001755
3.291757
1.563225
95.14502
Variance Decomposition of BD_Y:
12
0.001755
3.291757
1.563225
95.14502
Period
13
0.001755
3.291757
1.563225
95.14502
14
0.001755
3.291757
1.563225
95.14502
1
0.009578
100
0
0
0.010664
95.9548
1.402151
2.643052
0.01313
96.6827
1.484327
1.832976
Cholesky Ordering: D(BD_Y) D(CA_Y) D(ER_Y)
c. Indonesia
15
0.001755
3.291757
1.563225
95.14502
2
16
0.001755
3.291757
1.563225
95.14502
3
S.E.
BD_Y
CA_Y
ER_Y
113
4
0.014419
95.44598
2.369319
2.184703
30
0.036712
96.57028
1.056676
2.373041
5
0.016129
95.95534
1.923773
2.120888
31
0.037302
96.57554
1.04987
2.374591
6
0.017253
95.93204
1.81805
2.249905
7
0.018576
96.16777
1.642799
2.189428
Variance Decomposition of CA_Y:
8
0.019668
96.11227
1.618879
2.268854
Period
9
0.020779
96.23623
1.501911
2.261856
10
0.02178
96.25482
1.45966
2.285525
1
0.009635
38.77807
61.22193
0
11
0.022778
96.30786
1.401788
2.290348
2
0.011331
54.20403
45.32527
0.470692
12
0.023706
96.33107
1.361954
2.306975
3
0.015366
68.32228
28.74421
2.933514
13
0.024615
96.36928
1.319983
2.310733
4
0.017414
71.96697
23.03155
5.001482
14
0.025483
96.38807
1.291329
2.320601
5
0.01965
76.2288
18.65103
5.120165
15
0.026328
96.413
1.261026
2.325976
6
0.021757
77.24775
17.01513
5.737119
16
0.027142
96.43087
1.236785
2.332343
7
0.023679
78.78663
15.07886
6.134507
17
0.027936
96.44899
1.214202
2.336809
8
0.025338
79.74673
13.85835
6.394918
18
0.028706
96.46345
1.194751
2.341794
9
0.027013
80.51947
12.92765
6.552878
19
0.029457
96.47785
1.176557
2.345591
10
0.028544
81.03598
12.2134
6.75062
20
0.030188
96.48997
1.160633
2.349402
11
0.029999
81.5639
11.56813
6.86797
21
0.030903
96.50146
1.145875
2.352669
12
0.031388
81.93482
11.09007
6.975114
22
0.031601
96.51168
1.13254
2.355779
13
0.032726
82.26722
10.66734
7.065442
23
0.032284
96.52123
1.120242
2.358526
14
0.034001
82.54634
10.30843
7.145229
24
0.032953
96.52987
1.109002
2.361127
15
0.035236
82.79308
9.99829
7.208626
25
0.033609
96.53794
1.098575
2.363482
16
0.036428
82.99952
9.732616
7.26786
26
0.034252
96.54536
1.088958
2.365686
17
0.037582
83.18729
9.494246
7.318468
27
0.034883
96.55227
1.080014
2.367717
18
0.038701
83.35102
9.285435
7.363545
28
0.035504
96.55868
1.071699
2.369619
19
0.03979
83.49779
9.098695
7.403518
29
0.036113
96.56468
1.063933
2.371384
20
0.040849
83.62901
8.931133
7.439852
S.E.
BD_Y
CA_Y
ER_Y
114
21
0.041881
83.74819
8.779554
7.472253
12
0.002435
36.75748
31.76368
31.47884
22
0.042889
83.85568
8.642488
7.501835
13
0.002544
36.75623
31.83681
31.40696
23
0.043873
83.95395
8.517314
7.528738
14
0.002649
36.75193
31.89595
31.35212
24
0.044836
84.04376
8.40286
7.553383
15
0.00275
36.75211
31.94221
31.30568
25
0.045778
84.1263
8.297719
7.575978
16
0.002848
36.75034
31.98608
31.26358
26
0.046702
84.20232
8.200839
7.596844
17
0.002942
36.74912
32.02369
31.2272
27
0.047607
84.27267
8.11122
7.616114
18
0.003033
36.74805
32.05614
31.19581
28
0.048496
84.33787
8.028141
7.633993
19
0.003122
36.74733
32.08531
31.16736
29
0.049369
84.39851
7.95087
7.650615
20
0.003208
36.74636
32.11164
31.14201
30
0.050226
84.45505
7.878836
7.666116
21
0.003292
36.74569
32.13497
31.11934
31
0.051069
84.50789
7.811516
7.680598
22
0.003374
36.74502
32.1562
31.09878
23
0.003454
36.74442
32.17551
31.08006
24
0.003532
36.74386
32.1931
31.06304
25
0.003608
36.74337
32.20921
31.04742
26
0.003683
36.74291
32.22405
31.03305
Variance Decomposition of ER_Y:
Period
S.E.
BD_Y
CA_Y
ER_Y
1
0.000546
34.55066
29.23644
36.21289
27
0.003756
36.74248
32.23772
31.0198
2
0.000761
36.39205
23.4393
40.16866
28
0.003828
36.74209
32.25038
31.00753
3
0.001018
37.66616
27.43823
34.89561
29
0.003899
36.74172
32.26213
30.99615
4
0.001269
36.51223
30.39199
33.09578
30
0.003968
36.74138
32.27307
30.98555
5
0.001457
36.80747
30.20255
32.98998
31
0.004036
36.74106
32.28328
30.97566
6
0.001627
36.82781
30.66781
32.50437
7
0.001791
36.77824
31.15308
32.06868
8
0.001937
36.74884
31.30883
31.94232
9
0.002071
36.78289
31.42909
31.78803
10
0.0022
36.75936
31.59824
31.6424
11
0.00232
36.75812
31.68951
31.55237
Cholesky Ordering: BD_Y CA_Y ER_Y
d. Malaysia
Variance Decomposition of BD_Y:
Period
S.E.
BD_Y
CA_Y
ER_Y
115
26
0.072439
8.163869
24.81611
67.02002
1
0.009237
100
0
0
27
0.07393
8.073737
24.85154
67.07472
2
0.014382
57.21459
1.924884
40.86052
28
0.075391
7.990528
24.88425
67.12522
3
0.018293
39.43588
8.567061
51.99706
29
0.076825
7.913471
24.91453
67.17199
4
0.021685
31.18
15.71915
53.10085
30
0.078232
7.84191
24.94266
67.21543
5
0.025719
24.07448
18.16553
57.75999
31
0.079615
7.775277
24.96885
67.25587
6
0.029636
19.40735
20.22439
60.36825
7
0.033083
16.75048
21.61091
61.63861
Variance Decomposition of CA_Y:
8
0.036296
14.90051
22.17853
62.92097
Period
9
0.039224
13.58875
22.67592
63.73533
10
0.041905
12.64917
23.07162
64.27921
1
0.031277
0.035366
99.96463
0
11
0.044434
11.90594
23.33865
64.75541
2
0.048252
0.573876
60.15306
39.27306
12
0.046823
11.30791
23.57622
65.11587
3
0.063364
0.719669
48.22361
51.05672
13
0.049094
10.82178
23.77362
65.4046
4
0.07151
1.719932
46.30166
51.97841
14
0.051269
10.41333
23.93078
65.65589
5
0.07814
2.449501
43.07535
54.47515
15
0.053355
10.06725
24.06774
65.86501
6
0.083542
2.853194
41.7185
55.42831
16
0.055362
9.77127
24.18493
66.0438
7
0.088104
3.25843
41.12305
55.61852
17
0.0573
9.514246
24.28516
66.20059
8
0.092617
3.533753
40.3475
56.11874
18
0.059173
9.28932
24.37373
66.33695
9
0.096988
3.73016
39.82616
56.44368
19
0.060989
9.090933
24.45182
66.45725
10
0.101161
3.913505
39.40853
56.67796
20
0.062753
8.914444
24.52104
66.56452
11
0.105222
4.063085
38.98368
56.95324
21
0.064468
8.756498
24.58317
66.66033
12
0.109129
4.19053
38.64121
57.16827
22
0.066139
8.614332
24.63907
66.7466
13
0.112886
4.306136
38.34638
57.34748
23
0.067769
8.485658
24.68962
66.82472
14
0.116527
4.406135
38.07784
57.51603
24
0.069361
8.368662
24.73562
66.89572
15
0.120054
4.494258
37.84665
57.65909
25
0.070916
8.261824
24.77762
66.96056
16
0.123478
4.57341
37.64104
57.78555
S.E.
BD_Y
CA_Y
ER_Y
116
17
0.126812
4.643909
37.45493
57.90116
8
3.25E-06
4.694237
1.703805
93.60196
18
0.13006
4.707414
37.28835
58.00423
9
3.45E-06
4.692132
1.689732
93.61814
19
0.133229
4.765087
37.13728
58.09763
10
3.63E-06
4.685874
1.679244
93.63488
20
0.136324
4.8175
36.99942
58.18308
11
3.81E-06
4.68402
1.672046
93.64393
21
0.139351
4.865419
36.87365
58.26093
12
3.98E-06
4.682876
1.664308
93.65282
22
0.142313
4.909417
36.7582
58.33238
13
4.15E-06
4.681288
1.65788
93.66083
23
0.145215
4.949916
36.65183
58.39825
14
4.31E-06
4.680431
1.652653
93.66692
24
0.14806
4.987334
36.55361
58.45906
15
4.46E-06
4.679595
1.647891
93.67251
25
0.150851
5.022013
36.46258
58.51541
16
4.60E-06
4.678704
1.64382
93.67748
26
0.153592
5.054234
36.37798
58.56778
17
4.75E-06
4.678007
1.640285
93.68171
27
0.156284
5.084256
36.29917
58.61657
18
4.89E-06
4.677366
1.637096
93.68554
28
0.158931
5.112294
36.22557
58.66214
19
5.02E-06
4.676773
1.634261
93.68897
29
0.161535
5.138539
36.15666
58.7048
20
5.15E-06
4.676262
1.631715
93.69202
30
0.164097
5.163157
36.09204
58.74481
21
5.28E-06
4.675795
1.629402
93.6948
31
0.16662
5.186296
36.03129
58.78241
22
5.40E-06
4.675368
1.627304
93.69733
23
5.53E-06
4.674982
1.62539
93.69963
24
5.64E-06
4.674626
1.623634
93.70174
25
5.76E-06
4.674299
1.622021
93.70368
26
5.88E-06
4.673998
1.620532
93.70547
Variance Decomposition of ER_Y:
Period
S.E.
BD_Y
CA_Y
ER_Y
1
9.97E-07
5.612797
0.037097
94.35011
27
5.99E-06
4.673718
1.619153
93.70713
2
1.55E-06
4.262748
2.436976
93.30028
28
6.10E-06
4.673459
1.617873
93.70867
3
1.96E-06
4.549232
2.156231
93.29454
29
6.21E-06
4.673218
1.616682
93.7101
4
2.30E-06
4.557568
1.89507
93.54736
30
6.31E-06
4.672993
1.61557
93.71144
5
2.57E-06
4.64584
1.830876
93.52328
31
6.42E-06
4.672782
1.61453
93.71269
6
2.81E-06
4.703398
1.755855
93.54075
7
3.04E-06
4.695325
1.714965
93.58971
Cholesky Ordering: BD_Y CA_Y ER_Y
117
e. Filipina
Variance Decomposition of D(BD_Y):
Period
S.E.
D(BD_Y)
D(CA_Y)
D(ER_Y)
1
0.211313
100
0
0
2
0.216209
96.3065
1.263548
2.429948
3
0.236073
94.2233
1.088751
4.687952
4
0.242241
93.57606
1.926717
4.497225
5
0.249613
92.64708
1.841262
5.51166
6
0.254996
92.27715
1.849685
5.873164
7
0.257938
92.11666
1.900495
5.982845
8
0.261172
91.90604
1.867199
6.226761
9
0.263436
91.71054
1.865602
6.423853
10
0.265185
91.54016
1.861667
6.598174
11
0.266577
91.4209
1.850822
6.728274
12
0.267669
91.31709
1.84099
6.841925
13
0.268551
91.21791
1.833931
6.948161
14
0.269226
91.13704
1.828511
7.034449
15
0.269754
91.07478
1.822901
7.102321
16
0.270175
91.02271
1.818136
7.159157
17
0.270508
90.97683
1.814587
7.208582
18
0.270767
90.93952
1.811727
7.248753
19
0.270968
90.91053
1.809275
7.280197
20
0.271128
90.88659
1.807284
7.306125
21
0.271254
90.86638
1.805745
7.327875
22
0.271351
90.85019
1.804529
7.345281
23
0.271427
90.8375
1.803544
7.35896
24
0.271488
90.82717
1.802761
7.370071
25
0.271535
90.81868
1.802151
7.379168
26
0.271571
90.81194
1.801673
7.386383
27
0.2716
90.80665
1.801297
7.392052
28
0.271622
90.80239
1.801001
7.396605
29
0.271639
90.79896
1.80077
7.400272
30
0.271653
90.79625
1.800591
7.403162
31
0.271663
90.79412
1.800451
7.40543
32
0.271672
90.79242
1.800342
7.407235
33
0.271678
90.79107
1.800258
7.408672
34
0.271683
90.79001
1.800192
7.4098
35
0.271687
90.78918
1.800141
7.410683
36
0.27169
90.78852
1.800102
7.411381
37
0.271692
90.788
1.800072
7.411933
38
0.271694
90.78759
1.800048
7.412364
39
0.271695
90.78727
1.80003
7.412701
40
0.271697
90.78702
1.800016
7.412966
41
0.271697
90.78682
1.800005
7.413174
42
0.271698
90.78667
1.799997
7.413336
43
0.271699
90.78655
1.79999
7.413462
44
0.271699
90.78645
1.799985
7.413561
45
0.271699
90.78638
1.799981
7.413639
46
0.271699
90.78632
1.799978
7.413699
47
0.2717
90.78628
1.799976
7.413746
48
0.2717
90.78624
1.799974
7.413782
118
49
0.2717
90.78622
1.799973
7.413811
Variance Decomposition of D(CA_Y):
Period
S.E.
D(BD_Y)
D(CA_Y)
D(ER_Y)
23
0.503536
13.65215
75.46539
10.88246
24
0.503587
13.66415
75.45018
10.88567
25
0.503623
13.66938
75.4405
10.89012
26
0.50364
13.67364
75.43529
10.89107
1
0.372719
0.665058
99.33494
0
27
0.503659
13.67874
75.42999
10.89126
2
0.392447
0.599998
98.32149
1.078513
28
0.503677
13.68266
75.42464
10.8927
3
0.433813
3.73114
90.39628
5.872578
29
0.503689
13.68469
75.42109
10.89422
4
0.450574
9.869744
84.03312
6.09714
30
0.503697
13.68636
75.41892
10.89472
5
0.476011
10.1398
80.69348
9.166719
31
0.503703
13.68813
75.41688
10.89499
6
0.478406
10.06101
80.77601
9.162976
32
0.50371
13.68944
75.41498
10.89559
7
0.486215
10.60356
79.21851
10.17793
33
0.503714
13.6902
75.41367
10.89612
8
0.491078
12.30638
77.69886
9.994759
34
0.503717
13.69084
75.41281
10.89636
9
0.496622
12.3992
76.95511
10.64568
35
0.50372
13.69144
75.41204
10.89652
10
0.49711
12.42534
76.93815
10.63651
36
0.503722
13.69189
75.41136
10.89675
11
0.49882
12.7094
76.60042
10.69018
37
0.503724
13.69217
75.41088
10.89695
12
0.500194
13.14899
76.18129
10.66972
38
0.503725
13.69241
75.41054
10.89705
13
0.501539
13.2086
75.96329
10.8281
39
0.503726
13.69262
75.41025
10.89713
14
0.501719
13.24533
75.92605
10.82862
40
0.503727
13.69277
75.41001
10.89722
15
0.502162
13.35802
75.82633
10.81565
41
0.503727
13.69287
75.40984
10.89729
16
0.502599
13.48356
75.6947
10.82175
42
0.503728
13.69296
75.40971
10.89733
17
0.502965
13.51328
75.62056
10.86615
43
0.503728
13.69303
75.4096
10.89737
18
0.50305
13.53497
75.59689
10.86814
44
0.503728
13.69308
75.40952
10.8974
19
0.503189
13.57642
75.56129
10.86228
45
0.503728
13.69312
75.40945
10.89743
20
0.503336
13.61439
75.51732
10.86829
46
0.503729
13.69315
75.4094
10.89744
21
0.503447
13.62732
75.49077
10.88191
47
0.503729
13.69318
75.40937
10.89746
22
0.503487
13.63747
75.47903
10.8835
48
0.503729
13.69319
75.40933
10.89747
119
49
0.503729
13.69321
75.40931
10.89748
22
0.056509
12.4711
7.739118
79.78978
50
0.503729
13.69322
75.40929
10.89749
23
0.056512
12.47244
7.740553
79.78701
24
0.056515
12.47351
7.740287
79.78621
25
0.056517
12.47354
7.739719
79.78674
Variance Decomposition of D(ER_Y):
Period
S.E.
D(BD_Y)
D(CA_Y)
D(ER_Y)
26
0.056519
12.47366
7.739669
79.78667
1
0.043238
11.89428
0.000288
88.10544
27
0.056519
12.47408
7.739937
79.78599
2
0.046436
10.38205
0.437681
89.18026
28
0.05652
12.47438
7.739837
79.78579
3
0.048062
10.2987
5.482938
84.21836
29
0.056521
12.47443
7.739691
79.78588
4
0.051062
13.06389
7.284279
79.65184
30
0.056521
12.4745
7.739678
79.78582
5
0.053346
12.38209
6.850424
80.76748
31
0.056522
12.47463
7.739723
79.78565
6
0.054093
12.08047
6.666677
81.25286
32
0.056522
12.47471
7.73969
79.7856
7
0.054594
12.19814
7.549514
80.25234
33
0.056522
12.47474
7.739652
79.78561
8
0.055175
12.51389
7.722523
79.76359
34
0.056522
12.47477
7.739647
79.78558
9
0.055704
12.41745
7.591849
79.9907
35
0.056522
12.47481
7.739653
79.78553
10
0.055885
12.35841
7.5513
80.09029
36
0.056522
12.47484
7.739642
79.78552
11
0.056025
12.39784
7.730133
79.87202
37
0.056522
12.47485
7.739632
79.78552
12
0.056174
12.46866
7.74932
79.78202
38
0.056522
12.47486
7.73963
79.78551
13
0.056301
12.4491
7.715507
79.8354
39
0.056522
12.47488
7.73963
79.78549
14
0.05635
12.43844
7.70769
79.85387
40
0.056522
12.47488
7.739627
79.78549
15
0.056389
12.45158
7.74387
79.80455
41
0.056522
12.47489
7.739624
79.78549
16
0.056429
12.46807
7.744883
79.78705
42
0.056522
12.47489
7.739624
79.78548
17
0.056461
12.46465
7.73615
79.7992
43
0.056522
12.4749
7.739623
79.78548
18
0.056475
12.46319
7.734752
79.80206
44
0.056522
12.4749
7.739622
79.78548
19
0.056486
12.46744
7.742066
79.79049
45
0.056522
12.4749
7.739621
79.78548
20
0.056497
12.47151
7.741596
79.78689
46
0.056522
12.4749
7.739621
79.78548
21
0.056505
12.47109
7.739365
79.78955
47
0.056522
12.4749
7.739621
79.78547
120
48
0.056522
12.47491
7.739621
79.78547
19
0.0876
83.80189
0.089356
16.10876
49
0.056522
12.47491
7.73962
79.78547
20
0.089525
83.7375
0.08778
16.17472
50
0.056522
12.47491
7.73962
79.78547
21
0.091435
83.66958
0.086437
16.24399
22
0.093296
83.5955
0.085336
16.31917
23
0.095095
83.51822
0.084417
16.39737
24
0.096832
83.44315
0.083606
16.47324
25
0.098523
83.37452
0.082832
16.54265
26
0.100182
83.31404
0.082067
16.60389
f. Thailand
Variance Decomposition of BD_Y:
Period
1
S.E.
0.018546
BD_Y
CA_Y
100
ER_Y
0
0
27
0.10182
83.26112
0.081308
16.65757
0.103444
83.21375
0.080571
16.70568
2
0.033353
94.62393
0.115453
5.260618
28
3
0.045685
92.27091
0.124054
7.605032
29
0.10505
83.1697
0.079875
16.75043
0.106637
83.12736
0.079231
16.7934
0.1082
83.08609
0.078639
16.83528
4
0.053364
90.07801
0.097528
9.824457
30
5
0.05754
87.79397
0.104988
12.10104
31
6
0.059952
86.45032
0.125056
13.42463
7
0.061509
85.58827
0.123929
14.2878
8
0.06301
85.14726
0.123552
14.72919
9
0.064914
85.03071
0.11837
14.85092
10
0.067331
85.02844
0.111219
14.86034
1
0.042395
2.867848
97.13215
0
11
0.070144
85.04312
0.105112
14.85177
2
0.0758
19.34885
42.80168
37.84947
12
0.07301
84.95803
0.10007
14.9419
3
0.104948
41.885
25.38426
32.73075
13
0.075658
84.76489
0.097318
15.1378
4
0.121222
35.87613
25.86742
38.25644
14
0.077999
84.52876
0.096019
15.37522
5
0.131119
31.68068
24.88401
43.43531
0.138371
28.73807
25.61403
45.6479
Variance Decomposition of CA_Y:
Period
S.E.
BD_Y
CA_Y
ER_Y
15
0.080067
84.29756
0.095005
15.60744
6
16
0.081974
84.10856
0.094007
15.79743
7
0.145248
26.105
26.71805
47.17695
0.150731
24.30705
27.55066
48.1423
0.156665
22.86945
28.47373
48.65681
17
0.083827
83.97071
0.092643
15.93665
8
18
0.085694
83.87372
0.091024
16.03525
9
121
10
0.163032
21.90595
28.90273
49.19133
1
0.002068
53.26009
1.553055
45.18685
11
0.169751
21.4258
28.99708
49.57712
2
0.002848
59.17617
1.02781
39.79602
12
0.176514
20.89148
29.01832
50.09019
3
0.003427
62.5719
1.640771
35.78733
13
0.182854
20.28728
29.01344
50.69928
4
0.004073
64.85239
1.600305
33.5473
14
0.188718
19.60659
29.10442
51.28899
5
0.004769
67.9799
1.385315
30.63479
15
0.194167
18.90347
29.26613
51.8304
6
0.00538
69.01022
1.353956
29.63583
16
0.199308
18.26657
29.45887
52.27457
7
0.005911
69.36147
1.270921
29.36761
17
0.2043
17.71226
29.65706
52.63068
8
0.006366
69.438
1.232663
29.32934
18
0.209227
17.2516
29.82271
52.92569
9
0.006754
69.23213
1.226184
29.54168
19
0.214133
16.87439
29.94773
53.17788
10
0.007106
69.11958
1.218954
29.66147
20
0.219009
16.54999
30.03833
53.41168
11
0.007439
69.08338
1.223729
29.69289
21
0.223812
16.25379
30.10732
53.63889
12
0.007765
69.12235
1.225151
29.6525
22
0.228507
15.96801
30.17058
53.86141
13
0.008091
69.23041
1.222203
29.54739
23
0.233076
15.6878
30.23604
54.07616
14
0.008413
69.33699
1.217907
29.44511
24
0.237524
15.41742
30.30559
54.27698
15
0.008726
69.42239
1.211198
29.36642
25
0.241869
15.16241
30.37698
54.46061
16
0.009027
69.47485
1.205237
29.31991
26
0.246131
14.92721
30.44588
54.62691
17
0.009314
69.49641
1.200736
29.30285
27
0.250328
14.71292
30.50912
54.77797
18
0.00959
69.50404
1.197557
29.2984
28
0.254468
14.51745
30.56534
54.91721
19
0.009855
69.50846
1.195704
29.29584
29
0.258553
14.33715
30.61511
55.04774
20
0.010113
69.51744
1.19438
29.28818
30
0.26258
14.16817
30.66015
55.17168
21
0.010365
69.53332
1.193151
29.27353
31
0.266545
14.00776
30.70226
55.28998
22
0.010613
69.55341
1.191791
29.2548
23
0.010856
69.57433
1.190213
29.23546
24
0.011095
69.59296
1.188565
29.21847
25
0.011328
69.60782
1.186987
29.2052
26
0.011556
69.6192
1.185581
29.19522
Variance Decomposition of ER_Y:
Period
S.E.
BD_Y
CA_Y
ER_Y
122
27
0.01178
69.62822
1.184387
29.18739
15
0.01474
90.45526
5.25825
4.286486
28
0.011998
69.63624
1.183372
29.18039
16
0.014789
90.3969
5.244198
4.358903
29
0.012213
69.64419
1.182478
29.17333
17
0.014827
90.3262
5.239872
4.433924
30
0.012424
69.65243
1.181648
29.16593
18
0.01485
90.23033
5.238176
4.53149
31
0.012632
69.66082
1.180843
29.15834
19
0.014864
90.10532
5.233606
4.661071
20
0.014877
89.95079
5.225056
4.824155
21
0.014893
89.76936
5.21456
5.016076
22
0.014912
89.56771
5.204446
5.227844
23
0.014931
89.35604
5.19552
5.448439
24
0.01495
89.14552
5.187161
5.667316
25
0.014966
88.9451
5.178382
5.876518
26
0.014982
88.75943
5.168685
6.071888
5.158246
6.25315
Cholesky Ordering: BD_Y CA_Y ER_Y
g. Kamboja
Variance Decomposition of BD_Y:
Period
S.E.
BD_Y
CA_Y
ER_Y
1
0.006836
100
0
0
27
0.014998
88.5886
2
0.009863
96.95172
2.233019
0.815256
28
0.015013
88.42941
5.14757
6.42302
3
0.012087
95.69628
3.361819
0.941902
29
0.015029
88.27713
5.137081
6.585789
4
0.01327
94.25716
4.676045
1.066798
30
0.015044
88.12714
5.126928
6.74593
5
0.013639
93.78586
5.144938
1.069204
31
0.015059
87.97588
5.117048
6.907077
6
0.01367
93.60862
5.319458
1.071922
32
0.015073
87.82118
5.10731
7.071514
7
0.01373
93.48718
5.277602
1.23522
33
0.015087
87.66226
5.097632
7.24011
8
0.013938
93.19138
5.172043
1.636582
34
0.015102
87.49946
5.087993
7.412546
9
0.014218
92.66288
5.143371
2.193749
35
0.015116
87.33391
5.078397
7.587694
10
0.014452
92.01901
5.196668
2.784324
36
0.015131
87.16711
5.06884
7.764047
0.015146
87.00059
5.059297
7.940108
11
0.014585
91.4231
5.264471
3.31243
37
12
0.014638
90.96934
5.304351
3.726307
38
0.01516
86.83557
5.049745
8.114682
0.015175
86.67278
5.040171
8.28705
0.01519
86.51242
5.030586
8.456995
13
0.014662
90.68339
5.30592
4.010691
39
14
0.014693
90.53257
5.283086
4.18434
40
123
41
0.015204
86.35426
5.021011
8.624726
67
0.015577
82.44043
4.785703
12.77387
42
0.015219
86.19781
5.01147
8.79072
68
0.015591
82.29708
4.777099
12.92582
43
0.015233
86.04246
5.001978
8.955561
44
0.015248
85.88767
4.992542
9.119783
Variance Decomposition of CA_Y:
45
0.015262
85.73306
4.983162
9.283778
Period
46
0.015277
85.57841
4.973832
9.447756
47
0.015291
85.42371
4.964548
9.611745
1
0.043532
11.1187
88.8813
0
48
0.015306
85.26905
4.955304
9.775641
2
0.045954
17.25349
82.63594
0.110568
49
0.01532
85.11465
4.946094
9.93926
3
0.046873
17.70739
82.18564
0.106969
50
0.015334
84.96069
4.936916
10.1024
4
0.04829
22.21398
77.4764
0.309618
51
0.015349
84.80736
4.927765
10.26488
5
0.049443
24.66084
74.28632
1.052839
52
0.015363
84.65478
4.918641
10.42658
6
0.050152
26.00991
72.40401
1.586079
53
0.015378
84.503
4.909546
10.58745
7
0.050813
26.646
71.28342
2.070577
54
0.015392
84.35202
4.900481
10.7475
8
0.051178
27.08867
70.40389
2.507435
55
0.015406
84.20178
4.891448
10.90677
9
0.051297
27.0526
70.08105
2.866352
56
0.015421
84.05219
4.882449
11.06536
10
0.05138
27.06192
69.85588
3.082194
57
0.015435
83.90319
4.873485
11.22332
11
0.051517
27.31303
69.48753
3.199439
58
0.015449
83.75471
4.864557
11.38074
12
0.051674
27.64891
69.07518
3.275914
59
0.015463
83.6067
4.855664
11.53764
13
0.05182
27.94117
68.71673
3.342099
60
0.015478
83.45914
4.846806
11.69405
14
0.051926
28.12365
68.45998
3.416376
61
0.015492
83.31206
4.837982
11.84996
15
0.051986
28.17766
68.30943
3.512909
62
0.015506
83.16546
4.82919
12.00535
16
0.052026
28.15244
68.20739
3.640165
63
0.01552
83.01936
4.820431
12.16021
17
0.052069
28.10692
68.09471
3.798371
64
0.015535
82.8738
4.811703
12.3145
18
0.052123
28.0646
67.95466
3.980746
65
0.015549
82.72878
4.803005
12.46821
19
0.052184
28.02324
67.79944
4.177324
66
0.015563
82.58433
4.794339
12.62133
20
0.052245
27.97557
67.64649
4.377941
S.E.
BD_Y
CA_Y
ER_Y
124
21
0.052301
27.92087
67.50547
4.573655
47
0.053497
26.90095
64.52729
8.571756
22
0.052352
27.86629
67.37547
4.75824
48
0.053541
26.86136
64.41918
8.719464
23
0.052401
27.82018
67.25048
4.929341
49
0.053586
26.8221
64.31141
8.86649
24
0.05245
27.78562
67.12623
5.088151
50
0.053631
26.78317
64.20402
9.012808
25
0.052498
27.75958
67.00237
5.238048
51
0.053676
26.74453
64.09702
9.158443
26
0.052546
27.73608
66.88073
5.383186
52
0.053721
26.70612
63.99042
9.303455
27
0.052592
27.70979
66.76278
5.527438
53
0.053765
26.66786
63.88422
9.447918
28
0.052638
27.67804
66.64826
5.673699
54
0.05381
26.62971
63.77839
9.591901
29
0.052682
27.64079
66.53563
5.823574
55
0.053855
26.59161
63.67294
9.735454
30
0.052727
27.59938
66.42322
5.977401
56
0.053899
26.55356
63.56783
9.878607
31
0.052772
27.55538
66.31008
6.13454
57
0.053944
26.51557
63.46307
10.02137
32
0.052817
27.51014
66.19611
6.29375
58
0.053988
26.47765
63.35863
10.16372
33
0.052863
27.46471
66.08171
6.453585
59
0.054032
26.43982
63.25453
10.30565
34
0.052909
27.41992
65.96735
6.61273
60
0.054077
26.40212
63.15075
10.44713
35
0.052955
27.37642
65.85335
6.770234
61
0.054121
26.36456
63.0473
10.58814
36
0.053001
27.33452
65.73985
6.925621
62
0.054166
26.32714
62.94419
10.72867
37
0.053046
27.29419
65.62695
7.078863
63
0.05421
26.28987
62.84141
10.86871
38
0.053092
27.25504
65.51469
7.230276
64
0.054254
26.25275
62.73898
11.00827
39
0.053137
27.21652
65.40311
7.380366
65
0.054298
26.21577
62.63688
11.14735
40
0.053182
27.17813
65.2922
7.529669
66
0.054343
26.17891
62.53512
11.28597
41
0.053227
27.13948
65.18188
7.67864
67
0.054387
26.14218
62.43369
11.42413
42
0.053272
27.10038
65.07204
7.827576
68
0.054431
26.10555
62.3326
11.56185
43
0.053317
27.06083
64.96256
7.976602
44
0.053362
27.02094
64.85337
8.125689
Variance Decomposition of ER_Y:
45
0.053407
26.98088
64.74442
8.274701
Period
46
0.053452
26.94083
64.63572
8.423452
S.E.
BD_Y
CA_Y
ER_Y
125
1
0.009231
0.493485
0.035488
99.47103
27
0.068269
3.337038
0.092065
96.5709
2
0.014671
0.414378
0.028891
99.55673
28
0.069561
3.341231
0.090524
96.56825
3
0.019441
0.237675
0.092187
99.67014
29
0.070831
3.343707
0.089168
96.56712
4
0.023511
0.203806
0.279714
99.51648
30
0.072079
3.345814
0.087944
96.56624
5
0.027061
0.328234
0.314185
99.35758
31
0.073306
3.348467
0.086804
96.56473
6
0.030214
0.647946
0.284447
99.06761
32
0.074512
3.352114
0.085715
96.56217
7
0.033074
1.189063
0.249967
98.56097
33
0.0757
3.3568
0.084658
96.55854
8
0.035699
1.810806
0.220602
97.96859
34
0.076869
3.36228
0.083629
96.55409
9
0.038133
2.374413
0.195112
97.43048
35
0.07802
3.368161
0.08263
96.54921
10
0.040407
2.807122
0.174086
97.01879
36
0.079155
3.374031
0.081669
96.5443
11
0.042549
3.093918
0.157304
96.74878
37
0.080273
3.379553
0.080753
96.53969
12
0.04458
3.248349
0.144194
96.60746
38
0.081376
3.384513
0.079888
96.5356
13
0.046521
3.303129
0.134349
96.56252
39
0.082464
3.388835
0.079076
96.53209
14
0.048388
3.297254
0.127293
96.57545
40
0.083538
3.392557
0.078316
96.52913
15
0.050191
3.263403
0.122544
96.61405
41
0.084598
3.395789
0.077605
96.52661
16
0.051936
3.223889
0.11941
96.6567
42
0.085646
3.398675
0.076936
96.52439
17
0.053628
3.19228
0.117034
96.69069
43
0.08668
3.401356
0.076305
96.52234
18
0.055271
3.175697
0.114751
96.70955
44
0.087703
3.403943
0.075705
96.52035
19
0.056866
3.176091
0.112258
96.71165
45
0.088714
3.406509
0.07513
96.51836
20
0.058417
3.19127
0.109516
96.69921
46
0.089713
3.409082
0.074578
96.51634
21
0.059927
3.216397
0.106611
96.67699
47
0.090701
3.411659
0.074047
96.51429
22
0.061398
3.245779
0.10368
96.65054
48
0.091679
3.414213
0.073535
96.51225
23
0.062834
3.274373
0.100858
96.62477
49
0.092646
3.416711
0.073042
96.51025
24
0.064236
3.298691
0.098245
96.60306
50
0.093604
3.419119
0.072567
96.50831
25
0.065608
3.317083
0.095901
96.58702
26
0.066951
3.329514
0.093845
96.57664
h. Laos
126
Variance Decomposition of BD_Y:
Period
S.E.
BD_Y
CA_Y
ER_Y
24
0.023574
30.57026
16.50997
52.91977
25
0.023906
29.76113
16.73916
53.49972
26
0.024259
28.92347
16.9793
54.09723
1
0.009293
100
0
0
27
0.024625
28.10079
17.15597
54.74324
2
0.011175
98.73305
0.217067
1.049887
28
0.024973
27.36936
17.25235
55.37828
3
0.011591
94.76464
1.807473
3.427891
29
0.025312
26.65992
17.35165
55.98843
4
0.011837
93.69842
2.924998
3.376578
30
0.025655
25.95436
17.46774
56.57791
5
0.012731
91.53511
2.60402
5.860871
31
0.025997
25.28177
17.57652
57.14172
6
0.013065
87.05696
2.614839
10.3282
32
0.026335
24.64149
17.68324
57.67526
7
0.013363
83.80883
4.000896
12.19027
33
0.026667
24.03519
17.79318
58.17163
8
0.014093
78.80377
6.515217
14.68101
34
0.026994
23.46244
17.91067
58.62689
9
0.015057
71.50423
8.72112
19.77465
35
0.027323
22.90523
18.03825
59.05652
10
0.015823
64.763
9.718186
25.51881
36
0.027653
22.3718
18.15273
59.47547
11
0.016605
58.96557
11.24436
29.79007
37
0.027975
21.8774
18.24549
59.87711
12
0.017619
53.39325
13.50052
33.10623
38
0.02829
21.40774
18.33118
60.26108
13
0.01849
48.4897
14.95603
36.55427
39
0.028602
20.95686
18.41075
60.63239
14
0.019296
44.8797
15.2596
39.86069
40
0.028908
20.52873
18.48018
60.99109
15
0.019985
42.03015
15.29499
42.67486
41
0.02921
20.11973
18.54363
61.33664
16
0.020547
39.92981
15.3539
44.71629
42
0.029505
19.72919
18.60439
61.66642
17
0.021059
38.04125
15.49876
46.45999
43
0.029795
19.35557
18.66703
61.97741
18
0.021533
36.4132
15.54094
48.04586
44
0.030083
18.99329
18.7344
62.27231
19
0.021913
35.29568
15.45367
49.25065
45
0.03037
18.64336
18.80181
62.55482
20
0.022232
34.2984
15.51859
50.18302
46
0.030654
18.30784
18.86726
62.8249
21
0.022571
33.28549
15.76514
50.94937
47
0.030936
17.98363
18.93265
63.08372
22
0.022907
32.32155
16.03632
51.64213
48
0.031217
17.66979
18.99622
63.33398
23
0.023241
31.42537
16.27692
52.29772
49
0.031496
17.367
19.0557
63.5773
127
50
0.031774
17.0744
19.11085
63.81474
4
0.034333
35.52367
49.78281
14.69352
51
0.032049
16.79205
19.16178
64.04617
5
0.043443
46.97554
42.18886
10.8356
52
0.03232
16.51942
19.20999
64.27059
6
0.052393
54.96734
36.44703
8.58563
53
0.03259
16.25504
19.25687
64.48809
7
0.060052
60.35555
32.55252
7.091934
54
0.032857
15.99906
19.3021
64.69884
8
0.065863
63.62579
29.9864
6.38781
55
0.033122
15.75162
19.34612
64.90227
9
0.069978
65.54088
28.39823
6.06089
56
0.033384
15.51177
19.38996
65.09826
10
0.072929
65.87567
28.31772
5.806604
57
0.033645
15.27918
19.43347
65.28734
11
0.075154
65.42608
28.9962
5.57772
58
0.033904
15.05375
19.47615
65.4701
12
0.077163
64.53804
30.01463
5.447329
59
0.034161
14.83509
19.51764
65.64727
13
0.079215
63.21418
31.49531
5.290514
60
0.034416
14.62309
19.55755
65.81935
14
0.081426
61.73699
33.2053
5.057711
61
0.034669
14.41746
19.59595
65.98659
15
0.083988
60.3738
34.85785
4.768346
62
0.034921
14.21766
19.63295
66.14939
16
0.086867
59.31423
36.22824
4.457535
63
0.03517
14.02356
19.66839
66.30805
17
0.089892
58.73793
37.09452
4.167544
64
0.035418
13.83499
19.70249
66.46252
18
0.092914
58.60976
37.48107
3.909166
65
0.035664
13.65156
19.73568
66.61277
19
0.095808
58.63186
37.67818
3.689967
66
0.035908
13.47303
19.76814
66.75883
20
0.098474
58.75016
37.7425
3.50734
67
0.03615
13.29925
19.79997
66.90078
21
0.100908
58.90311
37.75198
3.344905
68
0.036391
13.12999
19.83121
67.0388
22
0.103096
58.96805
37.82726
3.204689
23
0.105106
58.92564
37.98978
3.084579
24
0.10705
58.80625
38.21442
2.979333
25
0.108993
58.62802
38.48918
2.882799
26
0.110973
58.44998
38.75855
2.791471
Variance Decomposition of CA_Y:
Period
S.E.
BD_Y
CA_Y
ER_Y
1
0.009155
2.195004
97.805
0
27
0.113007
58.30763
38.98925
2.703117
2
0.016832
9.683684
87.939
2.377316
28
0.115078
58.19818
39.18662
2.615198
3
0.02442
23.34592
63.17983
13.47425
29
0.117163
58.14246
39.32932
2.528221
128
30
0.119235
58.13875
39.41659
2.444658
56
0.161751
57.40465
41.22971
1.365639
31
0.121249
58.15374
39.47968
2.366574
57
0.163164
57.38978
41.26676
1.343458
32
0.123183
58.16663
39.53847
2.294892
58
0.164563
57.37395
41.30394
1.322106
33
0.125041
58.16424
39.60647
2.229288
59
0.165948
57.35729
41.34119
1.30152
34
0.12683
58.13474
39.69629
2.168967
60
0.167321
57.34016
41.37821
1.28163
35
0.12857
58.08377
39.80318
2.113056
61
0.168685
57.32308
41.41455
1.262369
36
0.130282
58.01691
39.92241
2.060676
62
0.17004
57.30672
41.4496
1.243684
37
0.13198
57.93839
40.05085
2.010763
63
0.171385
57.29145
41.48301
1.225543
38
0.133679
57.86208
40.17541
1.962512
64
0.172722
57.27736
41.51472
1.207923
39
0.135384
57.7983
40.28608
1.915628
65
0.174049
57.26443
41.54476
1.190813
40
0.137088
57.74882
40.38101
1.870166
66
0.175366
57.25243
41.57336
1.174207
41
0.138782
57.71461
40.45904
1.826352
67
0.176673
57.241
41.60091
1.158098
42
0.14046
57.69278
40.5228
1.784411
68
0.177968
57.22984
41.62769
1.142475
43
0.142111
57.67733
40.57816
1.74451
44
0.143732
57.66448
40.62878
1.706747
Variance Decomposition of ER_Y:
45
0.145323
57.64977
40.67912
1.671114
Period
46
0.146885
57.62962
40.73294
1.637441
47
0.148425
57.60468
40.78985
1.605469
1
3.11E-05
0.029623
29.44669
70.52369
48
0.149948
57.57662
40.84845
1.574937
2
5.78E-05
0.144818
55.8112
44.04398
49
0.15146
57.54695
40.90745
1.545602
3
6.42E-05
0.46562
49.03769
50.49669
50
0.152962
57.51819
40.96453
1.517281
4
7.25E-05
1.347262
55.65338
42.99935
51
0.154457
57.49208
41.01807
1.489852
5
8.74E-05
2.355344
46.93167
50.71299
52
0.155942
57.46931
41.06743
1.463261
6
9.98E-05
3.153552
46.13292
50.71353
53
0.157416
57.45025
41.11224
1.437517
7
0.000112
4.035545
43.38983
52.57463
54
0.158877
57.43401
41.15333
1.412656
8
0.000123
4.574377
42.33301
53.09261
55
0.160322
57.41912
41.19218
1.388697
9
0.00013
5.111888
40.30932
54.57879
S.E.
BD_Y
CA_Y
ER_Y
129
10
0.000139
5.109646
39.40869
55.48166
36
0.000277
5.783353
35.24163
58.97501
11
0.000148
4.863595
38.51663
56.61978
37
0.000281
5.789096
35.21033
59.00057
12
0.000155
4.852972
37.77989
57.36714
38
0.000285
5.794542
35.18257
59.02289
13
0.000162
4.857566
37.62019
57.52225
39
0.000289
5.804427
35.15536
59.04021
14
0.000168
4.767381
37.28751
57.9451
40
0.000293
5.815392
35.1285
59.0561
15
0.000175
4.77325
37.21971
58.00704
41
0.000296
5.826982
35.10166
59.07136
16
0.000181
4.847534
37.05212
58.10035
42
0.0003
5.839503
35.0742
59.0863
17
0.000188
4.974746
36.93709
58.08816
43
0.000304
5.850722
35.04713
59.10215
18
0.000193
5.186125
36.67991
58.13396
44
0.000307
5.861231
35.01956
59.11921
19
0.000199
5.322939
36.55326
58.1238
45
0.000311
5.871024
34.99295
59.13603
20
0.000205
5.403373
36.35857
58.23806
46
0.000314
5.878371
34.96891
59.15272
21
0.00021
5.514851
36.17261
58.31254
47
0.000318
5.88432
34.94689
59.16879
22
0.000215
5.585721
36.02221
58.39207
48
0.000321
5.890109
34.92642
59.18347
23
0.00022
5.600076
35.91206
58.48786
49
0.000325
5.895384
34.9076
59.19702
24
0.000225
5.607282
35.83846
58.55425
5.900659
34.88992
59.20943
25
0.000229
5.601804
35.78719
58.611
50
0.000328
i. Myanmar
26
0.000234
5.600951
35.74387
58.65518
27
0.000239
5.620412
35.69427
58.68532
28
0.000243
5.633471
35.66431
58.70222
29
0.000248
5.647759
35.61946
58.73278
30
0.000252
5.679583
35.56279
58.75763
31
0.000257
5.709681
35.49962
58.79069
32
0.000261
5.732098
35.43888
58.82903
33
0.000265
5.751957
35.38052
58.86752
34
0.000269
5.76404
35.3298
58.90616
35
0.000273
5.77327
35.28274
58.94399
Variance Decomposition of D(BD):
Period
S.E.
D(BD)
D(CA)
D(ER)
1
0.083752
100
0
0
2
0.180726
99.81922
0.030259
0.150519
3
0.275086
99.73659
0.19441
0.068997
4
0.34137
99.32892
0.54009
0.130992
5
0.372082
98.39911
1.245648
0.355237
6
0.379177
97.15678
2.244592
0.598623
7
0.381368
96.28281
3.029201
0.687987
130
8
0.387066
96.14879
3.183326
0.667884
34
0.415627
92.04355
6.612155
1.344291
9
0.392787
96.19199
3.096477
0.711534
35
0.415776
92.04747
6.609193
1.343341
10
0.395335
95.76441
3.41968
0.815907
36
0.415843
92.04806
6.607452
1.344492
11
0.397159
94.92099
4.215623
0.863384
37
0.41585
92.04543
6.60746
1.347108
12
0.400832
94.23597
4.916311
0.847724
38
0.415885
92.04373
6.608017
1.348256
13
0.404937
94.00184
5.120263
0.877899
39
0.415963
92.04475
6.607454
1.347799
14
0.40719
93.94815
5.067543
0.984304
40
0.416025
92.04608
6.606012
1.347903
15
0.407991
93.71565
5.206104
1.078242
41
0.416041
92.0452
6.605608
1.34919
16
0.409063
93.28252
5.62037
1.097112
42
0.416049
92.0428
6.606987
1.350213
17
0.410617
92.89214
6.016723
1.091141
43
0.416078
92.0412
6.608602
1.350196
18
0.411621
92.69866
6.172022
1.12932
44
0.416114
92.04104
6.608895
1.35007
19
0.411848
92.631
6.172291
1.196708
45
0.416132
92.04091
6.608428
1.35066
20
0.412117
92.54815
6.217381
1.234468
46
0.416135
92.03976
6.608784
1.351455
21
0.412839
92.40812
6.358233
1.23365
47
0.416144
92.03811
6.610192
1.351695
22
0.413533
92.26939
6.493668
1.23694
48
0.416161
92.037
6.611422
1.351581
23
0.413795
92.18749
6.546357
1.266151
49
0.416174
92.03654
6.611692
1.351764
24
0.413893
92.15755
6.54492
1.297529
50
0.416177
92.03614
6.611596
1.352264
25
0.414194
92.14027
6.552549
1.30718
51
0.416179
92.03543
6.611986
1.352588
26
0.414585
92.11119
6.584088
1.304718
52
0.416187
92.03463
6.612789
1.35258
27
0.414786
92.07677
6.612568
1.310666
53
0.416195
92.03408
6.613343
1.352577
28
0.414836
92.05465
6.620297
1.325052
54
0.416198
92.03377
6.613432
1.3528
29
0.414979
92.0503
6.615765
1.333933
55
0.416199
92.03351
6.613432
1.353059
30
0.415241
92.05344
6.612891
1.333665
56
0.416201
92.03322
6.613651
1.353134
31
0.415429
92.0523
6.614382
1.333313
57
0.416206
92.03294
6.613959
1.353105
32
0.415471
92.046
6.615888
1.338115
58
0.416209
92.03273
6.614112
1.353162
33
0.415502
92.04175
6.614912
1.343334
59
0.416209
92.03258
6.614115
1.353304
131
60
0.41621
92.03248
6.614132
1.353392
2
0.045076
0.214954
99.67708
0.107966
61
0.416212
92.03239
6.614217
1.353389
3
0.06904
0.20609
99.14988
0.64403
62
0.416214
92.03232
6.614292
1.353387
4
0.087327
0.480594
97.7703
1.749103
63
0.416215
92.03225
6.614308
1.353443
5
0.098412
1.344574
95.31546
3.339967
64
0.416215
92.03219
6.614304
1.353505
6
0.103424
2.924881
92.29455
4.78057
65
0.416216
92.03216
6.614319
1.35352
7
0.105079
4.550355
89.92453
5.525112
66
0.416217
92.03215
6.614341
1.353511
8
0.105707
5.166767
89.20965
5.623579
67
0.416218
92.03213
6.614346
1.353526
9
0.106564
5.088842
89.36716
5.543993
68
0.416218
92.0321
6.614343
1.353559
10
0.108128
5.962852
88.48652
5.550627
69
0.416218
92.03207
6.61435
1.353577
11
0.110142
8.32812
86.12084
5.551045
70
0.416219
92.03207
6.61436
1.353574
12
0.111761
10.72734
83.79712
5.475537
71
0.41622
92.03206
6.614361
1.353574
13
0.112412
11.75047
82.83461
5.41492
72
0.41622
92.03205
6.614358
1.353589
14
0.112518
11.75555
82.81708
5.427369
73
0.41622
92.03204
6.614361
1.353603
15
0.112993
12.19894
82.36276
5.438292
74
0.41622
92.03202
6.614371
1.353605
16
0.114088
13.60698
81.01823
5.374792
75
0.416221
92.03202
6.614376
1.353603
17
0.115165
15.048
79.66908
5.282918
76
0.416221
92.03202
6.614374
1.353608
18
0.115643
15.65899
79.10116
5.239851
77
0.416221
92.03201
6.614374
1.353616
19
0.115684
15.67605
79.08059
5.243359
78
0.416221
92.032
6.614381
1.35362
20
0.115823
15.86789
78.89528
5.236829
79
0.416221
92.03199
6.614388
1.353619
21
0.11624
16.46477
78.33548
5.199747
80
0.416221
92.03199
6.61439
1.35362
22
0.116669
17.03687
77.7997
5.16343
23
0.116879
17.24461
77.60447
5.150926
24
0.116938
17.23271
77.61764
5.14965
25
0.117023
17.29949
77.55822
5.142282
26
0.117165
17.489
77.37871
5.132289
27
0.117282
17.64033
77.23018
5.129493
Variance Decomposition of D(CA):
Period
1
S.E.
0.021464
D(BD)
0.350293
D(CA)
99.64971
D(ER)
0
132
28
0.117341
17.67309
77.19591
5.130991
54
0.117636
17.7912
77.068
5.140802
29
0.117384
17.66051
77.21071
5.128778
55
0.117636
17.79119
77.06791
5.140907
30
0.117437
17.68015
77.19532
5.124529
56
0.117637
17.79218
77.06695
5.140869
31
0.117481
17.72021
77.15441
5.125379
57
0.117638
17.79388
77.06536
5.14076
32
0.1175
17.73923
77.12985
5.130915
58
0.117639
17.7949
77.06436
5.140741
33
0.117512
17.73653
77.12941
5.134053
59
0.117639
17.795
77.0642
5.140802
34
0.117534
17.73556
77.13199
5.132449
60
0.11764
17.79509
77.06409
5.14082
35
0.117559
17.74149
77.12739
5.131121
61
0.11764
17.79566
77.06356
5.140775
36
0.117571
17.74446
77.12181
5.133735
62
0.117641
17.79627
77.06298
5.140751
37
0.117573
17.74373
77.11871
5.137557
63
0.117641
17.79646
77.06275
5.140783
38
0.117579
17.74641
77.11492
5.138677
64
0.117641
17.79645
77.06274
5.140815
39
0.117591
17.75187
77.11041
5.137719
65
0.117641
17.79658
77.06261
5.140805
40
0.117599
17.75379
77.10843
5.137783
66
0.117641
17.79684
77.06237
5.140785
41
0.117602
17.75289
77.10766
5.139452
67
0.117641
17.79698
77.06222
5.140796
42
0.117605
17.75577
77.10352
5.140711
68
0.117641
17.79699
77.06219
5.140823
43
0.117611
17.76303
77.09642
5.140547
69
0.117642
17.79702
77.06215
5.140831
44
0.117616
17.76827
77.09161
5.140117
70
0.117642
17.79713
77.06205
5.14082
45
0.117618
17.76876
77.09076
5.140484
71
0.117642
17.79722
77.06196
5.140818
46
0.117619
17.76931
77.08956
5.141133
72
0.117642
17.79723
77.06194
5.140831
47
0.117623
17.77398
77.08483
5.141192
73
0.117642
17.79724
77.06192
5.140842
48
0.117627
17.77996
77.07921
5.140826
74
0.117642
17.79729
77.06187
5.14084
49
0.11763
17.78268
77.07659
5.140734
75
0.117642
17.79736
77.06181
5.140835
50
0.11763
17.78269
77.07632
5.140991
76
0.117642
17.79738
77.06178
5.140839
51
0.117631
17.78389
77.075
5.141115
77
0.117642
17.79738
77.06178
5.140846
52
0.117633
17.78733
77.07174
5.140932
78
0.117642
17.7974
77.06175
5.140847
53
0.117636
17.79036
77.06889
5.140755
79
0.117642
17.79745
77.06171
5.140844
133
80
0.117642
17.79747
77.06168
5.140844
Variance Decomposition of D(ER):
Period
S.E.
D(BD)
D(CA)
D(ER)
22
0.144262
15.24412
7.308236
77.44765
23
0.144267
15.24843
7.308981
77.44259
24
0.144274
15.25579
7.308343
77.43586
25
0.144278
15.26081
7.308151
77.43104
26
0.144279
15.26157
7.308606
77.42982
1
0.119291
0.135899
2.183324
97.68078
27
0.14428
15.26185
7.308964
77.42918
2
0.120035
0.145206
2.728488
97.12631
28
0.144283
15.26502
7.308834
77.42614
3
0.13768
9.98762
5.538023
84.47436
29
0.144287
15.26952
7.30848
77.422
4
0.140075
11.8706
6.514395
81.615
30
0.144289
15.27195
7.308279
77.41977
5
0.140619
12.23029
6.784092
80.98562
31
0.14429
15.27213
7.308265
77.41961
6
0.142163
13.25211
7.132423
79.61547
32
0.14429
15.27265
7.308225
77.41913
7
0.143067
14.14835
7.207294
78.64436
33
0.144292
15.27476
7.308044
77.41719
8
0.143536
14.68339
7.167942
78.14867
34
0.144294
15.27704
7.307853
77.4151
9
0.143898
15.053
7.135894
77.8111
35
0.144295
15.27797
7.307834
77.4142
10
0.144064
15.19999
7.154803
77.64521
36
0.144295
15.27796
7.307973
77.41407
11
0.14413
15.22564
7.199814
77.57454
37
0.144295
15.27828
7.308085
77.41364
12
0.144153
15.22926
7.221106
77.54963
38
0.144296
15.27916
7.308064
77.41278
13
0.144158
15.23199
7.221954
77.54605
39
0.144297
15.27986
7.308001
77.41214
14
0.144168
15.23557
7.226936
77.5375
40
0.144297
15.28002
7.308043
77.41194
15
0.144193
15.24044
7.248614
77.51095
41
0.144297
15.28
7.308193
77.41181
16
0.144222
15.244
7.275895
77.4801
42
0.144297
15.28019
7.308326
77.41149
17
0.14424
15.24393
7.292604
77.46347
43
0.144298
15.28047
7.30836
77.41117
18
0.144246
15.24274
7.296441
77.46082
44
0.144298
15.2806
7.308347
77.41106
19
0.144249
15.24347
7.296231
77.4603
45
0.144298
15.28059
7.308377
77.41103
20
0.144253
15.24474
7.299117
77.45614
46
0.144298
15.28062
7.308461
77.41092
21
0.144257
15.24419
7.304457
77.45136
47
0.144298
15.28071
7.308535
77.41075
134
48
0.144298
15.28077
7.30856
77.41067
19
1.918062
84.49705
0.944866
14.55809
49
0.144298
15.28077
7.308559
77.41067
20
1.955458
84.32124
1.016465
14.6623
50
0.144298
15.28078
7.308571
77.41064
21
1.981786
84.23009
1.174185
14.59572
22
2.004356
84.15603
1.495871
14.3481
23
2.030014
83.95373
2.058373
13.9879
24
2.061634
83.52181
2.881206
13.59699
25
2.096089
82.85231
3.902308
13.24538
26
2.12673
81.98937
5.018119
12.99251
0
27
2.149339
80.99836
6.133649
12.86799
2.165318
79.96173
7.177732
12.86054
j. Vietnam
Variance Decomposition of BD:
Period
1
S.E.
0.104554
BD
CA
100
ER
0
2
0.31145
99.48337
0.026295
0.490333
28
3
0.609128
99.01824
0.05622
0.925536
29
2.179141
78.95121
8.10437
12.94442
2.193911
77.99207
8.898892
13.10903
4
0.938448
98.19288
0.081518
1.725606
30
5
1.231552
96.97192
0.104731
2.923348
31
2.209857
77.08237
9.572453
13.34518
6
1.442627
95.40397
0.120989
4.475036
32
2.225807
76.24615
10.14007
13.61379
7
1.562067
93.90868
0.127822
5.963503
33
2.240913
75.54598
10.60364
13.85038
8
1.61314
92.93559
0.127298
6.937108
34
2.255556
75.05039
10.95072
13.99889
9
1.627903
92.67523
0.125116
7.19965
35
2.271524
74.80521
11.16336
14.03143
10
1.631194
92.69968
0.128906
7.171413
36
2.290899
74.8159
11.23507
13.94903
11
1.636405
92.31218
0.149094
7.538726
37
2.313849
75.02755
11.18996
13.78249
12
1.647721
91.2063
0.199718
8.593986
38
2.337597
75.33095
11.08286
13.58619
13
1.662716
89.60332
0.295433
10.10125
39
2.358121
75.6162
10.97278
13.41102
14
1.67961
87.9121
0.440414
11.64748
40
2.372927
75.82707
10.89438
13.27854
2.382165
75.96345
10.85173
13.18482
15
1.704454
86.47473
0.611978
12.91329
41
16
1.746154
85.51456
0.762361
13.72308
42
2.387648
76.04353
10.83172
13.12474
2.391305
76.07472
10.82025
13.10503
2.394305
76.05448
10.81053
13.135
17
1.804185
85.00576
0.857023
14.13722
43
18
1.865981
84.72382
0.905603
14.37058
44
135
45
2.396954
75.98279
10.80396
13.21324
71
2.618995
71.3605
15.56107
13.07843
46
2.399191
75.86819
10.80594
13.32587
72
2.626098
71.36108
15.60559
13.03333
47
2.401417
75.72927
10.81875
13.45198
73
2.631966
71.36684
15.6444
12.98876
48
2.404884
75.59322
10.83754
13.56924
74
2.636514
71.36925
15.68252
12.94823
49
2.411031
75.48468
10.85453
13.66079
75
2.639936
71.36428
15.72095
12.91476
50
2.420352
75.41008
10.86821
13.72171
76
2.642527
71.34895
15.75941
12.89164
51
2.432004
75.35595
10.88768
13.75636
77
2.644541
71.32017
15.79839
12.88145
52
2.44454
75.30441
10.92822
13.76738
78
2.646147
71.27563
15.83962
12.88475
53
2.456914
75.24665
11.00408
13.74927
79
2.647506
71.21533
15.88513
12.89954
54
2.468913
75.18131
11.12476
13.69393
80
2.648863
71.14247
15.93579
12.92174
55
2.480918
75.10523
11.29468
13.60009
56
2.49334
75.00884
11.51422
13.47693
Variance Decomposition of CA:
57
2.506092
74.87784
11.78101
13.34114
Period
58
2.518445
74.69738
12.09097
13.21165
59
2.529448
74.45791
12.43774
13.10435
1
0.299464
0.199409
99.80059
0
S.E.
BD
CA
ER
60
2.5386
74.1608
12.81111
13.02809
2
0.893432
0.047729
99.94673
0.005545
61
2.546172
73.81873
13.19683
12.98444
3
1.759907
0.01362
99.97025
0.016134
62
2.55292
73.44954
13.57953
12.97093
4
2.782932
0.034569
99.94979
0.01564
63
2.559545
73.06978
13.94629
12.98393
5
3.821592
0.071724
99.90736
0.020916
64
2.566372
72.694
14.28803
13.01797
6
4.757398
0.12435
99.84601
0.029642
65
2.57339
72.33814
14.59804
13.06382
7
5.524477
0.206355
99.75196
0.04169
66
2.580495
72.02056
14.87019
13.10925
8
6.113802
0.368453
99.57946
0.052082
67
2.587691
71.75903
15.09848
13.14249
9
6.558773
0.695473
99.24627
0.058253
68
2.595139
71.56573
15.27856
13.15572
10
6.912868
1.302026
98.64099
0.056987
69
2.602978
71.4429
15.41041
13.14669
11
7.227981
2.229341
97.71853
0.052128
70
2.611086
71.38081
15.50054
13.11865
12
7.541131
3.344875
96.60047
0.054657
136
13
7.869774
4.343829
95.58334
0.072833
39
13.79806
2.405006
97.08598
0.509014
14
8.215656
4.947413
94.95197
0.100618
40
13.96973
2.391554
97.10941
0.499036
15
8.571181
5.08248
94.79795
0.119567
41
14.14068
2.383629
97.12756
0.488808
16
8.925237
4.891742
94.98945
0.118808
42
14.31035
2.381229
97.14058
0.478189
17
9.266121
4.580565
95.3088
0.110631
43
14.47912
2.385742
97.14691
0.467352
18
9.583915
4.283141
95.59186
0.125
44
14.64783
2.397829
97.14552
0.456649
19
9.872895
4.038266
95.77613
0.185607
45
14.81722
2.415275
97.13833
0.446394
20
10.13302
3.837961
95.87166
0.290382
46
14.98743
2.43232
97.13091
0.43677
21
10.3693
3.668684
95.91765
0.413667
47
15.15808
2.441596
97.13049
0.427918
22
10.58965
3.521703
95.95398
0.524313
48
15.3284
2.437695
97.14224
0.420068
23
10.8029
3.393097
96.00341
0.60349
49
15.49765
2.419547
97.16683
0.41362
24
11.01692
3.284747
96.06643
0.648818
50
15.66523
2.389932
97.20095
0.409119
25
11.23659
3.200104
96.13184
0.668053
51
15.83066
2.353103
97.23983
0.407067
26
11.46222
3.135463
96.1937
0.670836
52
15.99351
2.3127
97.27968
0.407625
27
11.6896
3.078908
96.25659
0.664502
53
16.15341
2.27101
97.31859
0.410398
28
11.91206
3.019027
96.32767
0.653304
54
16.31009
2.229256
97.35622
0.414524
29
12.12335
2.952449
96.40823
0.639318
55
16.46349
2.188246
97.39274
0.419011
30
12.31975
2.88255
96.49378
0.623669
56
16.61372
2.148884
97.42803
0.423084
31
12.50074
2.81375
96.57883
0.607416
57
16.76109
2.112165
97.46151
0.426328
32
12.6687
2.747897
96.66045
0.591654
58
16.90593
2.078679
97.49272
0.428605
33
12.82775
2.684236
96.73865
0.577111
59
17.04841
2.048172
97.52194
0.429886
34
12.98262
2.621433
96.81465
0.563915
60
17.18855
2.019696
97.55019
0.430119
35
13.13766
2.560186
96.88803
0.55178
61
17.32624
1.992219
97.57857
0.429208
36
13.29606
2.50436
96.95527
0.540365
62
17.46131
1.965121
97.60779
0.427086
37
13.45935
2.458926
97.01159
0.529485
63
17.59371
1.938239
97.63795
0.423807
38
13.62724
2.426319
97.05461
0.519073
64
17.7235
1.911628
97.66879
0.419579
137
65
17.85093
1.885341
97.69996
0.414701
7
457.5229
2.587655
41.97205
55.4403
66
17.97643
1.859412
97.73112
0.409465
8
473.9923
2.738252
45.60052
51.66123
67
18.10051
1.83401
97.7619
0.404092
9
488.819
2.597835
48.81952
48.58265
68
18.2237
1.80962
97.79167
0.398712
10
507.0854
2.96366
51.7056
45.33074
69
18.34653
1.787049
97.81955
0.393398
11
537.0535
5.7036
53.81696
40.47944
70
18.46937
1.767157
97.84466
0.388187
12
582.381
10.19616
55.37005
34.43379
71
18.59245
1.750467
97.86644
0.383097
13
643.3468
15.32858
56.39394
28.27748
72
18.71588
1.736987
97.88489
0.378126
14
709.5869
18.70627
57.89944
23.3943
73
18.83968
1.726343
97.90041
0.37325
15
774.7529
20.39206
59.71944
19.8885
74
18.96385
1.718073
97.91349
0.368432
16
832.0841
20.6543
61.88523
17.46047
75
19.08843
1.711827
97.92452
0.363655
17
880.6721
20.34098
63.93829
15.72074
76
19.21346
1.70734
97.93372
0.358938
18
920.4478
19.83601
65.74525
14.41874
77
19.33896
1.704253
97.94141
0.354338
19
953.5296
19.39413
67.16997
13.4359
78
19.46486
1.701919
97.94815
0.349928
20
981.5
18.98371
68.29807
12.71822
79
19.59099
1.699377
97.95484
0.345787
21
1005.852
18.54072
69.25528
12.20399
80
19.71714
1.695555
97.96246
0.341989
22
1027.655
17.96553
70.19017
11.8443
23
1048.33
17.28864
71.13936
11.572
24
1069.611
16.63705
72.01737
11.34558
25
1092.753
16.14703
72.71852
11.13445
Variance Decomposition of ER:
Period
S.E.
BD
CA
ER
26
1117.887
15.85541
73.2044
10.94019
1
222.0591
2.612014
4.689159
92.69883
27
1143.836
15.69424
73.54194
10.76382
2
285.7994
2.894202
9.099047
88.00675
28
1169.071
15.59087
73.80752
10.60161
3
330.6353
2.239815
14.15427
83.60592
29
1192.32
15.51309
74.0524
10.4345
4
365.5443
2.512366
22.56894
74.9187
30
1213.074
15.47369
74.27727
10.24905
5
408.3639
2.051244
30.44842
67.50033
31
1231.409
15.48716
74.47055
10.04229
6
437.144
2.539115
37.14865
60.31224
32
1247.773
15.54988
74.62568
9.824447
138
33
1262.585
15.62458
74.76617
9.609254
42
1366.853
14.14306
77.40012
8.45682
34
1276.118
15.65653
74.93512
9.40835
43
1379.11
14.02681
77.61988
8.353309
35
1288.555
15.60059
75.17138
9.228029
44
1392.425
13.97856
77.79018
8.231265
36
1300.159
15.44979
75.48053
9.069677
45
1406.99
13.99985
77.90932
8.090835
37
1311.279
15.23207
75.83545
8.932485
46
1422.699
14.06787
77.99637
7.935756
38
1322.219
14.98685
76.19794
8.815212
47
1439.196
14.14236
78.08617
7.771461
39
1333.149
14.74293
76.54124
8.715824
48
1456.053
14.18513
78.21197
7.602904
40
1344.145
14.51494
76.85604
8.62902
49
1472.947
14.17598
78.39015
7.433869
41
1355.309
14.31132
77.14264
8.546041
50
1489.725
14.11407
78.61806
7.26787
139
LAMPIRAN 6. PERBANDINGAM PERTUMBUHAN GDP DAN SUKU BUNGA
PADA NEGARA-NEGARA MIDDLE INCOME DI ASEAN
Sumber: IMF, 2010
Keterangan: a. Indonesia, b. Malaysia, c. Filipina, d. Thailand
LAMPIRAN 7. PERBANDINGAM PERTUMBUHAN GDP DAN KONSUMSI
PADA NEGARA-NEGARA LOW INCOME DI ASEAN
Sumber: IMF, 2010
Keterangan: a. Kamboja, b. Laos, c. Myanmar, d. Vietnam