Uploaded by User96846

Modul-VECM-Stata

advertisement
www.diassatria.com
MODUL LANGKAH-LANGKAH UJI VAR/VECM STATA
Tahapan dalam rencana analisis dalam uji Var/Vecm:
DATA TIME SERIES
UJI STASIONERITAS
Tidak stasioner pada level
Stasioner pada level
-
Uji Lag Optimum
- Uji Kointegrasi
Tidak Terkointegrasi
Terkointegrasi
VAR
VECM
-Impuls Respon Function
-Variance Decomposite
Contoh Data :
Year
1947
1948
1949
1950
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
C
976.4
998.1
1025.3
1090.9
1107.1
1142.4
1197.2
1221.9
1310.4
1348.8
1381.8
1393
1470.7
1510.8
1541.2
1617.3
Yd
1035.2
1090
1095.6
1192.7
1227
1266.8
1327.5
1344
1433.8
1502.3
1539.5
1553.7
1623.8
1664.8
1720
1803.5
Wealth
5166.8
5280.8
5607.4
5759.5
6086.1
6243.9
6355.6
6797
7172.2
7375.2
7315.3
7870
8188.1
8351.8
8971.9
9091.5
Interest
Rate
-10.351
-4.72
1.044
0.407
-5.283
-0.277
0.561
-0.138
0.262
-0.736
-0.261
-0.575
2.296
1.511
1.296
1.396
www.diassatria.com
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
•
1684
1784.8
1897.6
2006.1
2066.2
2184.2
2264.8
2314.5
2405.2
2550.5
2675.9
2653.7
2710.9
2868.9
1871.5
2006.9
2131
2244.6
2340.5
2448.2
2524.3
2630
2745.3
2874.3
3072.3
3051.9
3108.5
3243.5
9436.1
10003.4
10562.8
10522
11312.1
12145.4
11672.3
11650
12312.9
13499.9
13081
11868.8
12634.4
13456.8
2.058
2.027
2.112
2.02
1.213
1.055
1.732
1.166
-0.712
-0.156
1.414
-1.043
-3.534
-0.657
Keterangan :
Year
= periode tahunan 1947-1976
C
= pengeluaran konsumsi rill, dalam miliar dolar
Yd
= pendapatan bersih pribadi riil, dalam miliar dolar
Wealth
= kekayaan riil, dalam miliar dolar
Interest Rate = hasil tahunan nominal pada sekuritas treasury 3 bulan/ tingkat suku
bunga tahunan AS, dalam persen.
Disini kita ingin melihat pengaruh dari Pendapatan Bersih Pribadi Riil (Yd), Kekayaan
Riil (Wealth), dan Tingkat Suku Bunga Tahunan di AS (Interest Rate) terhadap pengeluaran
konsumsi riil (C) di Amerika Seikat.
Persamaan dalam estimasi ini :
Ct = α1 + ∑β1t . Ydt-1 + ∑β1t . Wealtht-1 + ∑β1t . InterestRatet-1 + ∑β1δt . Ct-1+ et
ESTIMASI PERSAMAAN MODEL
penulis akan menguraikan langkah demi langkah dalam uji stasionaritas menggunakan
Augmented Dicky Fuller, pencarian Lag Optimal yang didahului oleh uji VAR, dan uji
kointegrasi menggunakan Johansen Test, serta uji model VECM. Adapun uji stasionaritas
digunakan untuk melihat apakah data yang digunakan bersifat stasioner atau non-stasioner,
dimana apabila data yang digunakan bersifat non-stasioner, maka akan dilakukan proses
derivasi hingga data pada akhirnya bersifat stasioner (maksimal diference kedua(I2)), yang
mana juga berarti model yang akan digunakan adalah model VAR, sementara apabila data
yang digunakan bersifat stasioner pada derajat level, maka model yang akan digunakan
adalah model VAR. Selanjutnya, pencarian lag optimal digunakan untuk mendukung
dilakukannya uji model VECM. Sedangkan uji kointegrasi digunakan untuk melihat adanya
www.diassatria.com
hubungan jangka panjang antarvariabel. Dimana uji kointegrasi dapat memberikan jawaban
mengenai persamaan keberapa yang memuat hubungan kointegrasi dalam jangka panjang.
1. UJI STASIONERITAS
Dalam uji stasioneritas ini untuk melihat apakah data yang digunakan bersifat
stasioner atau non-stasioner, dimana apabila data yang digunakan bersifat nonstasioner, maka akan dilakukan proses derivasi hingga data pada akhirnya bersifat
stasioner (maksimal derevasi derajat kedua(I2)).
Dimana dalam menggunakan aplikasi STATA sebelum kita melakukan uji
apapun dilakukan setting data. Dalam contoh disini yaitu kita ketikkan tsset year.
Setelah itu langsung melakukan uji satsioneritas data. dalam uji ini adalah Test
Statistic lebih besar dari pada Critical Value 5% maka variabel yang ingin diuji
bersifat satsioner dengan nilai probabilitas (Prob*) atau p-value berada di bawah
0.05.
ü Ketik dfuller lalu diikuti variabel contoh : dfuller c
Maka output yang muncul:
Dickey-Fuller test for unit root
Number of obs
=
29
---------- Interpolated Dickey-Fuller --------Test
Statistic
1% Critical
Value
5% Critical
Value
10% Critical
Value
-----------------------------------------------------------------------------Z(t)
2.779
-3.723
-2.989
-2.625
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 1.0000
Dapat kita lihat pada variabel pengeluaran konsumsi ril (C) tidak stasioner pada tingkat
level.karena Test Statistic lebih kecil dari pada Critical Value 5%, maka akan dilakukan
pengujian stasioneritas pada tingkat diferensi pertama.
Ketik dfuller lalu diikuti variabel contoh : gen dc=d.c
(1 missing value generated)
replace dc=0 if dc==.
(1 real change made)
dfuller dc
www.diassatria.com
Maka output yang muncul:
Dickey-Fuller test for unit root
29
Number of obs
=
---------- Interpolated Dickey-Fuller -------Test
1% Critical
5% Critical
10%
Critical
Statistic
Value
Value
Value
----------------------------------------------------------------------------Z(t)
-3.738
-3.723
-2.989
2.625
----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.0036
Kemudian pada tingkat diferensi pertama Test Statistic lebih besar dari pada Critical
Value 5% maka variabel yang diuji bersifat satsioner dengan nilai probabilitas (Prob*) atau
p-value berada di bawah 0.05.
Lalu lakukan tahapan ini pada setiap variabel yang ingin diteliti. Dalam hal ini semua
variabel stasioner pada tingkat diferensi pertama. Sehingga lakukan uji selanjutnya yaitu
pencarian Lag Optimal yang didahului oleh uji VAR.
2. UJI LAG OPTIMAL
Ketik var lalu diikuti variabel contoh : var c yd wealth interestrate untuk uji VAR.
Setelah itu ketik varsoc untuk pencarian Lag Optimal
Maka output yang muncul:
Selection-order criteria
Sample:
1949 - 1976
Number of obs
=
28
+---------------------------------------------------------------------------+
|lag |
LL
LR
df
p
FPE
AIC
HQIC
SBIC
|
|----+----------------------------------------------------------------------|
|
0 | -598.199
|
1 | -495.504
205.39
16
|
2 | -468.966
53.077*
16
5.6e+13
43.0142
43.0724
43.2046
0.000
1.2e+11
36.8217
37.1126
37.7733* |
0.000
6.0e+10*
36.5926*
37.7818
36.069*
|
|
+---------------------------------------------------------------------------+
Endogenous:
Exogenous:
c yd wealth interestrate
_cons
www.diassatria.com
Dapat kita lihat hasilnya berdasarkan pengujian lag optimum dengan
selection order criteria (LL, LR, FPE, AIC, HQIC, dan SBIC), diperoleh hasil
bahwasannya lag optimum adalah lag kedua, yaitu yang memuat paling banyak
tanda bintang.
Setelah diketahui lag optimum, maka langkah selanjutnya adalah pengujian
kointegrasi menggunakan Johansen Test.
3. UJI KOINTEGRASI
Ketik vecrank diikuti semua variabel contoh: vecrank c yd wealth interestrate, lag (2)
Maka output yang keluar:
Johansen tests for cointegration
Trend: constant
Number of obs =
28
Sample: 1949 - 1976
Lags =
2
-----------------------------------------------------------------------------5%
maximum
trace
critical
rank
parms
LL
eigenvalue statistic
value
0
20
-515.85145
.
93.7718
47.21
1
27
-492.11485
0.81649
46.2986
29.68
2
32
-476.41497
0.67418
14.8989*
15.41
3
35
-469.10726
0.40666
0.2835
3.76
4
36
-468.96553
0.01007
Dari hasil diatas dapat kita lihat uji kointegrasi menggunakan Johansen Test,
diperoleh hasil bahwasannya variabel-variabel terkointegrasi dalam jangka panjang,
yang mana ditunjukkan oleh trace statistic > critical value 5%. Jadi dalam jangka
panjang variabel-variabel akan saling mempengaruhi, yang mana ditunjukkan oleh
tanda bintang.
Maka setelah berbagai tahapan dan bahawa data stasioner pada tingkat
diferensi pertama dan terjadi kointegrasi maka estimasi model akhir yang cocok
digunakan adalah Vector Error Correction Model (VECM).
4. UJI MODEL Vector Error Correction Model (VECM)
Langkah terakhir yang dilakukan adalah pengujian model VECM, dengan
menggunakan lag optimum yaitu lah kedua.
ü Ketik vec dc dyd dwealth dinterestrate, lag (2)
Maka output yang keluar
Vector error-correction model
Sample:
1949 - 1976
No. of obs
=
28
www.diassatria.com
AIC
=
38.55035
Log likelihood = -512.7049
HQIC
=
38.94307
Det(Sigma_ml)
SBIC
=
39.83498
=
Equation
9.43e+10
Parms
RMSE
R-sq
chi2
P>chi2
---------------------------------------------------------------D_dc
6
20.9502
0.8686
145.393
0.0000
D_dyd
6
32.6733
0.7689
73.20006
0.0000
D_dwealth
6
514.021
0.5233
24.15492
0.0005
D_dinterestrate
6
2.94689
0.3373
11.1955
0.0825
--------------------------------------------------------------------------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------D_dc
|
_ce1 |
L1. |
-.6136616
.3092351
-1.98
0.047
-1.219751
-.007572
.1389198
.261772
0.53
0.596
-.3741437
.6519834
-.5952483
.16891
-3.52
0.000
-.9263059
-.2641907
.0707451
.0066771
10.60
0.000
.0576581
.083832
LD. |
2.194167
1.337971
1.64
0.101
-.4282077
4.816543
_cons |
3.580815
3.993263
0.90
0.370
-4.245836
11.40747
dc |
LD. |
dyd |
LD. |
dwealth |
LD. |
dinterestr~e |
-------------+---------------------------------------------------------------D_dyd
|
_ce1 |
L1. |
.9914373
.4822728
2.06
0.040
.0462
1.936675
-.2309815
.4082508
-0.57
0.572
-1.031138
.5691755
-.5320258
.2634265
-2.02
0.043
-1.048332
-.0157193
.0514751
.0104134
4.94
0.000
.0310652
.0718851
dc |
LD. |
dyd |
LD. |
dwealth |
LD. |
dinterestr~e |
www.diassatria.com
LD. |
1.874012
2.086655
0.90
0.369
-2.215758
5.963781
_cons |
3.925869
6.22776
0.63
0.528
-8.280316
16.13205
-------------+---------------------------------------------------------------D_dwealth
|
_ce1 |
L1. |
-25.2562
7.587196
-3.33
0.001
-40.12683
-10.38557
12.71795
6.42267
1.98
0.048
.1297458
25.30615
-11.88007
4.14427
-2.87
0.004
-20.00269
-3.757454
.0648922
.163826
0.40
0.692
-.2562008
.3859851
LD. |
-25.38644
32.82761
-0.77
0.439
-89.72737
38.95449
_cons |
.0671456
97.97616
0.00
0.999
-191.9626
192.0969
dc |
LD. |
dyd |
LD. |
dwealth |
LD. |
dinterestr~e |
-------------+---------------------------------------------------------------D_dinteres~e |
_ce1 |
L1. |
-.0062149
.0434974
-0.14
0.886
-.0914682
.0790385
-.0013946
.0368212
-0.04
0.970
-.0735628
.0707736
-.0124066
.0237591
-0.52
0.602
-.0589736
.0341604
.0024731
.0009392
2.63
0.008
.0006323
.0043139
LD. |
-.2059824
.1882008
-1.09
0.274
-.5748491
.1628843
_cons |
-.1611087
.5616976
-0.29
0.774
-1.262016
.9397983
dc |
LD. |
dyd |
LD. |
dwealth |
LD. |
dinterestr~e |
------------------------------------------------------------------------------
Cointegrating equations
Equation
Parms
chi2
P>chi2
------------------------------------------_ce1
3
265.2132
0.0000
-------------------------------------------
www.diassatria.com
Identification:
beta is exactly identified
Johansen normalization restriction imposed
-----------------------------------------------------------------------------beta |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------_ce1
|
dc |
1
.
.
.
.
.
dyd |
-.8256322
.0571345
-14.45
0.000
-.9376138
-.7136507
dwealth |
.0230654
.0067912
3.40
0.001
.0097549
.0363758
dinterestr~e |
.5640724
1.085871
0.52
0.603
-1.564195
2.69234
_cons |
-7.861724
.
.
.
.
.
------------------------------------------------------------------------------
dimana dalam pengujian model VECM, terdapat syarat mutlak, yaitu ECTt-1 yang
ditunjukkan oleh simbol Ce_1 dalam persamaan pertama adalah negatif dan signifikan, yang
mana dalam pengujian VECM yang telah dilakukan, syarat tersebut telah terpenuhi.
5. STEP IRF DAN FEVD
ü IRF
ü Untuk melakukan uji ini ketik kan : irf create vec1, set(my vec1) terdahulu. Tapi
sebelumnya ketikan uji VAR
Disini contohnya kita ingin melihat apa yang terjadi pada variabel konsumsi rii (C)
karena adanya shock dari variabel pendapatan bersih pribadi riil (Yd). Apa efek yang
disebabkan menaikan attau menurunkan konsumsi rii.
Maka ketik: irf graph irf, irf(vec1) impulse(yd) response(c)
www.diassatria.com
vec1, yd, c
2
1
0
-1
0
2
4
6
8
step
95% CI
impulse response function (irf)
Graphs by irfname, impulse variable, and response variable
ü FEVD
ü Untuk melakukan uji ini ketik: irf graph fevd, irf(vec1) impulse(yd) response(c)
Disini kita dapat melihat seberapa besar variabel yd menjelaskan c
vec1, yd, c
.2
.1
0
-.1
0
2
4
6
step
95% CI
fraction of mse due to impulse
Graphs by irfname, impulse variable, and response variable
8
www.diassatria.com
Download