Welcome to Wajibstat Analysis Jibvela17...

NEW WAJIBSTAT ANALYSIS IS COMING***

Jumat, 31 Mei 2013

PENDEKATAN ANALISIS VECTOR AUTO REGRESSION (VAR) DALAM MENJELASKAN HUBUNGAN ANTARA TINGKAT SUKU BUNGA DAN INFLASI TERHADAP VOLATILITAS NILAI TUKAR (Part I: Uji Stasioneritas, Kapan Uji Cointegration Johansen Test Dipakai dan Bagaimana Menentukan Panjang Lag/Lag Length Criteria)



PENDEKATAN ANALISIS VECTOR AUTO REGRESSION (VAR) DALAM MENJELASKAN HUBUNGAN ANTARA TINGKAT SUKU BUNGA DAN INFLASI TERHADAP VOLATILITAS NILAI TUKAR
(Part I: Uji Stasioneritas, Kapan Uji Cointegration Johansen Test Dipakai dan Bagaimana Menentukan Panjang Lag/Lag Length Criteria)

Siang sobat semua.. Gimana nih kabarnya soob? Moga baik, sehat dan sukses selalu yaa. Amiiinn hehehe..  Wah, udah seminggu lebih belum posting soob,, Maaf yaaa soalnya saya lagi ada kerjaan untuk survei khusus dana pensiun dan perusahaan pembiayaan (SKDPP). Yaap, tapi bersyukur sob kali ini saya sempatkan menulis lagi buat sobat semua hehehe..

Oke deh, sebelumnya saya sudah membahas tentang konsep pemahaman analisis Vector Auto Regression (VAR) dan Vector Error Correction Model (VECM), naaah sekarang saya akan berikan contoh kasusnya.. Heem, sekedar informasi saja, contoh kasus ini saya ambil dari tugas akhir mata kuliah Time Series Analysis saat saya masih kuliah di semester 6..

Silahkan sobat download dulu data penelitiannya disini yaaa.. Periode penelitian dari tahun 1993-2004 secara triwulanan. Sumber data berasal dari International Financial Statistics, IMF-BI.. Okee, silahkan impor/copi data dari file xls ke dalam workfile program Eviews. Lanjut, langkah berikutnya adalah seperti pada analisis biasa, kitauji dulu stasioneritas (unit root) seluruh variabelnya yaaa..

Nah,  berikut tampilan awal workfile pada Eviewsnya:





Sama seperti judul postingan ini, maka ada tiga variabel yang akan muncul pada workfile yaitu variabel inflasi (inf), tingkat suku bunga (rate) dan nilai tukar rupiah terhadap Dolar AS (kurs). Untuk variabel dinf, dkurs dan drate adalah data tiap variabel dalam bentuk differens saja (untuk kepentingan pembentukan model VAR).. 

Cara membuatnya sudah saya pernah bahas dalam beberapa postingan saya sebelumnya seperti ARIMA dan Analisis ECM. Silahkan sobat buka-buka kembali yaaa hehehe.. Berikut saya berikan gambaran uji unit root variabel inflasi: View, Unit Root Test
  

Pertama tetap seperti biasa kita lakukan uji unit root pada data level, berikut gambarannya:


Berikut output pengujian unit root pada data level untuk variabel tingkat inflasi:



Perhatikan bahwa Prob ADF Test Statistics sebesar 0,0013 < Alpha 0,05 sehingga dengan demikian kita menolak hipotesis nol dan menyatakan bahwa secara statistik, data inflasi sudah stasioner pada level.


Nah, silahkan sobat lakukan langkah yang sama untuk variabel kurs/nilai tukar dan tingkat suku bunga. Setelah sobat lakukan prosedur pengujian seperti di atas, maka akan muncul hasil uji unit root level dan difference untuk kedua variabel tersebut. Berikut output uji unit root untuk variabel kurs pada level dan differens pertama.
  




Dari hasil pengujian diperoleh bahwa untuk data kurs ternyata belum stasioner pada level tetapi pada differens pertama (data periode t dikurangi data pada periode t-1). Berikut output uji unit root untuk variabel tingkat suku bunga pada level dan differens pertama:


Dari pengujian unit root untuk variabel tingkat suku bunga (rate) ternyata diperoleh hasil bahwa data stasioner pada differens pertama yang ditunjukkan dengan nilai probabilitas ADF Test sebesar 0,0007 yang lebih besar dibanding Alpha 0,05. Cara lain bisa kita lihat dengan membandingkan nilai t statistic ADF yang lebih kecil daripada t statistic Mackinnon pada Alpha 5%  yaitu -3,601945 < -1,949856.


Pada dasarnya untuk membuat model VAR, sebenarnya harus dengan syarat bahwa seluruh variabel stasioner pada level (ketika memakai VAR dengan data level) atau salah satu variabel stasioner pada level dan yang lainnya pada different (ketika memakai VAR dengan data different) atau kalaupun semua data stasioner pada different yang sama, mereka harus tidak saling berkointegrasi (sehingga kita pakai VAR dengan data different). Karena jika variabel-variabel tersebut stasioner pada different yang sama dan ternyata saling berkointegrasi maka kita wajib, kudu dan harus menggunakan model VECM (Vector Error Correction Model).



Dari ketiga uji stasioneritas pada ketiga variable inflasi, nilai tukar dan suku bunga, dimana satu variable yaitu inflasi ternyata sudah stasioner pada level sedangkan kedua variable lain stasioner pada different pertama. 

Dengan demikian, kita tidak bisa menggunakan VECM karena syarat  awal (dari uji unit root) peluang menggunakan VECM adalah jika seluruh variable stationer pada different pertama sementara pada hasil uji terbukti bahwa tidak semua variabel stasioner pada differens kaaan hehehe.. Oleh karena itu, kita pasti bisa menggunakan analisis VAR (Vector Auto Regression) dengan menggunakan data differens (VAR in first difference). 


Pertanyaan saya.. Pentingkah kita lakukan uji kointegrasi (analisis hubungan jangka panjang)?? Jawabannya, untuk kasus kita ini sebenarnya tidak perlu. Naaah, terus pada kasus yang gimana dong uji kointegrasi untuk VAR ini dilakukan?? Ingaaaat, jika dan hanya jika seluruh variabel tidak stasioner pada level atau stasionernya semua pada differens (differens yang sama) karena kalau hasilnya ternyata seluruh variabel data stasionernya pada differens yang sama, maka analisis VECM kemungkinan bisa berlaku dooong hehehe.. 

 Uji kointegrasi dengan Johansen Cointegration mutlak diperlukan jika terjadi kondisi sedemikian (seluruh variabel stasioner di differens yang sama) sehingga apabila terdapat kointegrasi berarti kita menggunakan VECM sedangkan jika tidak ada kointegrasi kita menggunakan analisis VAR.


Yaaap, sekarang kita kembali lagi ke workfile dan kita blok ketiga variabel untuk diarahkan ke dalam identifikasi panjang lag (lag length) dan uji kointegrasi. Nah, dalam hal ini ingaaat yang kita pakai adalah data yang masih dalam level (data asli). Caranya blok ketiga variabel, klik kanan dan pilih Open as VAR. Berikut gambarannya:







Silahkan sobat pilih VAR Typenya Unresticted VAR dan pada Bagian Endogenous Variabel, sobat isikan dengan ketiga variabel karena dalam analisis VAR, seluruh variabel diperlakukan sebagai variabel endogen. Panjang lag biarkan saja dulu defaultnya 2. Nanti akan dihasilkan output spesifikasi model VARnya. Berikut output model spesifikasinya untuk kemudian kita lakukan identifikasi panjang length (lag length criteria)



Nah, selanjutnya barulah kita isikan berapa lag yang mau diidentifikasi untuk penentuan panjang lag. Dalam penelitian ini, saya isikan saja lag maksimumnya sampai lag 8: Berikut gambarannya ya sooob hehehe:


Naaah, berikut output identifikasi




Dari hasil yang diperoleh, diketahui bahwa lag optimumnya adalah enam yang ditunjukkan dengan paling banyaknya tanda bintang (*) pada lag enam.

Oke deeh soob, selanjutnya kita akan masuk ke dalam uji signifikansi yang sudah memasukkan enam lag dalam uji signifikansi variabel sampai enam lag, Output VAR Model Substituted Coefficient dan uji kausalitas Engel Granger. Ketiga hal ini akan dirilis pada Part II Lanjutan Pendekatan Analisis VAR Dalam Menjelaskan Hubungan Antara Tingkat Suku Bunga dan Inflasi Terhadap Volatilitas Nilai Tukar.

Yaaap, semoga postingan ini memberikan manfaat buat sobat semua.. Tetap tongkrongin terus wajibstat.blogspot.com. Blog pure statistics milik orang biasa yang terus akan berbagi konsep pemahaman metode analisis, prosedur bahkan sampai ke penerapan contoh kasus. Semangat terus belajarnya.. Harus ada semangat untuk bisa.. Salam damai.. salam sukses dan salam hangat terdahsyat dari saya :-)

19 komentar:

  1. Blog yang sangat membantu. Terima kasih mas...

    BalasHapus
  2. sangat membantu. uji kointergrasinya ga jadi dibahas ya? terima kasih sebelumnya...

    BalasHapus
  3. terimakasih banyak, sangat membantu.

    BalasHapus
  4. Akhirnya dapat juga blog yg bahas ini. Makasih mas...

    BalasHapus
  5. Terimakasih banyak, postingan ini sangat membantu saya

    BalasHapus
  6. Makasih buat smua yang udah kunjungin blog ini.. senang bisa membantu

    BalasHapus
  7. terimakasih sangat membantu. alangkah lebih bagus kalau dicantumin juga link part 2 dst nya hehe

    BalasHapus
  8. Terima kasih banyak mas, mas mau nanya kalo semua data ternyata stasioner di level gmana ya mas? Dan berarti Ndak perlu uji kointegrasi dong mas? Mohon bantuannya mas, terima kasih

    BalasHapus
  9. Terima kasih banyak mas, mas mau nanya kalo semua data ternyata stasioner di level gmana ya mas? Dan berarti Ndak perlu uji kointegrasi dong mas? Mohon bantuannya mas, terima kasih

    BalasHapus
  10. @mas saka: mas bisa gunakan analisis VAR in level mas..

    BalasHapus
  11. Terima kasih sebelumnya atas tulisan blog yg bermanfaatnya mas. Perkenalkan saya Linggar dan saya ingin bertanya. Pertanyaan saya adalah apakah dalam melakukan uji kointegrasi dan run vecm data yang digunakan adalah data asli atau data yang sudah melalui penyesuaian pada first difference mas? Mohon bantuannya mas, terima kasih.

    BalasHapus
  12. selamat sore, pertanyaan saya mengenai ECM.bagaimana jika hasil resid nya melebihi angka 1? yaitu 1.029241.mohon penjelasannya. terimakasih

    BalasHapus
  13. mas mau nnya dong, analisisnya kok pake data asli bukan yg di differencing? kan kalo pake VAR harus stationer bukan?

    BalasHapus
  14. saya setuju harus diubah ke d_different baru VAR tidak bisa langsung saja

    BalasHapus
  15. Mas klo uji lag nya gak bisa ? Itu gmna yah ?

    BalasHapus
  16. Bg saya mau nanya, klo satu variabelnya stationer pada first difference, dan dua variabel sudah stationer pada level,, jadi kita harus pakai var/vecm bg? Dan uji kointegrasinya apakah harus bg?

    BalasHapus
  17. Saya sangat terbantu dalam memahami VAR ini. Thanks bro...

    BalasHapus