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
