Welcome to Wajibstat Analysis Jibvela17...

NEW WAJIBSTAT ANALYSIS IS COMING***

Jumat, 31 Mei 2013

PART II:UJI SIGNIFIKANSI VARIABEL DENGAN PERTIMBANGAN LAG LENGTH CRITERIA, OUTPUT VAR MODEL SUBSTITUTED COEFFICIENT, UJI KAUSALITAS ENGEL GRANGER DAN MODEL VAR YANG DIAJUKAN DALAM PENELITIAN (Terusan Postingan Pendekatan Analisis Model VAR, PART I)



PART II:UJI SIGNIFIKANSI VARIABEL DENGAN PERTIMBANGAN LAG LENGTH CRITERIA, OUTPUT VAR MODEL SUBSTITUTED COEFFICIENT, UJI KAUSALITAS ENGEL GRANGER DAN MODEL VAR YANG DIAJUKAN

(Terusan Pendekatan Analisis Model VAR, PART I)


Siang sobat semua.. Wah gimana nih kabarnya?? Moga baik-baik, aman terkendali dan sehat semua yaa hehehe.. Oke deeh kali ini kita akan masuk ke dalam pembahasan uji signifikansi masing-masing variabel endogen yang sudah mempertimbangkan besarnya lag optimum (dalam penelitian ini diperoleh lag optimum sampai kepada lag enam), selanjutnya adalah output model VAR Substituted Coefficient dan sampai kepada Uji Kausalitas untuk pembentukan model VAR (VAR in difference). Setelah kita melakukan uji lag length criteria, maka akan muncul output signifikansi variabel dengan enam lag sebagai berikut: 





Naaah, perhatikan baik-baik penjelasannya nih sooob hehehe.. Untuk tiap-tiap variabel ada berjejer tiga nilai yaitu koefisien variabel, standar error dalam kurung biasa (  ) dan nilai statistik t parsial dalam kurung siku [  ]m. Dalam hal ini kita akan  membandingkan nilai t-statistic parsial yang ada pada kurung siku dengan nilai pada table (Alpha/2, n-1) = 2,02108
  
Hipotesis akan kita gunakan :

            H0: variable dependen tidak secara signifikan dipengaruhi oleh variable independen

            H1: variable dependen secara signifikan dipengaruhi oleh variable independen

            Wilayah tolak H0 : nilai stat > +2.02108 atau < -2.02108


Catatan: Nilai yang diberi highlight berwarna kuning menunjukkan hasil kita menolak H0 yang mengindikasikan bahwa variable dependen akan secara signifikan dipengaruhi oleh variable independen.


·         Dari output table tersebut terlihat bahwa untuk variable dependen inflasi (INF) secara statistic secara signifikan dipengaruhi oleh INF(-5), INF(-6) dan KURS(-3) yang ditunjukkan oleh nilai statisticnya > +2.02108 atau <-2.02108. Sedangkan konstanta C tidak berpengaruh secara signifikan terhadap inflasi (INF).


·         Sedangkan hal yang sama juga terjadi untuk variable dependen nilai tukar (KURS) yang secara statistic secara signifikan hanya dipengaruhi oleh nilai inflasi dan nilai tukar masa lalu. Konstanta C secara statistic signifikan mempengaruhi KURS sehingga dengan demikian KURS dipengaruhi oleh konstanta C, KURS(-3),INF(-4), INF(-5) dan INF(-6).


·         Untuk variable dependen tingkat suku bunga (RATE) justru sedikit berbeda karena dipengaruhi oleh ketiga variabel yaitu nilai tukar, inflasi dan tingkat suku bunga pada masa lalu. RATE dipengaruhi oleh KURS(-3), INF(2) dan RATE(-1). Akan tetapi, konstanta C tidak berpengaruh secara signifikan terhadap variable tingkat suku bunga (RATE).


Kemudian silahkan klik lagi View dan Representation, maka akan tampil output var model substituted coefficient sebagai berikut:



Output pada VAR Model Substituted Coefficients meringkaskan kompilasi pemodelan secara keseluruhan baik variabel yang signifikan maupun yang tidak signifikan tetapi di dalam pemodelan dan intepretasi nanti, kita cukup menggunakan variabel yang signifikan secara statistik.



Naaah, selanjutnya kita akan masuk ke dalam uji Engel Granger Causality atau biasa kita kenal dengan uji kausalitas Granger sooob hehehe.. Nah, dalam uji kausalitas ini kita mengenal kausalitas searah dan kausalitas dua arah (bolak balik). Contoh, kausalitas searah, katakanlah variabel kurs memengaruhi inflasi tetapi variabel inflasi tidak memengaruhi kurs atau sebaliknya. Contoh, kausalitas dua arah, katakanlah variabel kurs memengaruhi inflasi dan variabel inflasi pun memengaruhi kurs (saling mempengaruhi). 
Yap oke deh kita coba langsung pengujiannya ya sooob hehehe.. Nah, caranya, silahkan sobat kembali ke tampilan workfile Eviews lalu silahkan blok ketiga variabel(Kurs, Rate dan Inflasi) dalam level kemudian klik kanan dan Open As Group. Berikut gambarannya:
 



Kemudian akan muncul spreadsheet data ketiga variabelnya. Next, klik View, Granger Causality. Berikut gambarannya sooob hehehe..


Naaah, terusss akan muncul output seperti ini:


Dari hasil yang diperoleh di atas, diketahui bahwa yang memiliki hubungan kausalitas adalah yang memiliki nilai probabilitas yang lebih kecil daripada alpha 0.05 sehingga nanti Ho akan ditolak yang berarti suatu variabel akan mempengaruhi variable lain. Dari pengujian Granger diatas, kita mengetahui  hubungan timbal-balik/ kausalitas sebagai berikut:
Oiya sekedar mengingatkan ya sooob, cara baca output Granger Causalitinya dibalik yaaa hehehe (JANGAN LUPA)


· Variabel inflasi (INF) secara statistik tidak signifikan mempengaruhi nilai tukar (KURS) dan begitu pula sebaliknya variabel nilai tukar (KURS) secara statistik tidak signifikan memengaruhi variabel inflasi (INF) yang dibuktikan dengan nilai Prob masing-masing lebih besar dari 0,05 yaitu 0,8655 dan 0,6728 (hasil keduanya adalah terima hipotesis nol) sehingga disimpulkan bahwa hanya tidak terjadi kausalitas apapun untuk kedua variabel INF dan KURS.



·  Variabel INF secara statistik tidak secara signifikan memengaruhi RATE (0,3718) sehingga kita menerima hipotesis nol sedangkan RATE secara statistik signifikan memengaruhi INF (0,003) sehingga kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel INF dan RATE yaitu hanya RATE yang secara statistik signifikan memengaruhi INF dan tidak berlaku sebaliknya.

·  Variabel KURS secara statistik tidak signifikan memengaruhi RATE (0,8009) sehingga kita menerima hipotesis nol sedangkan RATE  secara statistik signifikan memengaruhi KURS (0,0058) sehingga kita menolak hipotesis nol. Dengan demikian disimpulkan bahwa terjadi kausalitas searah antara variabel KURS dan RATE yaitu hanya RATE yang secara statistik signifikan memengaruhi KURS dan tidak berlaku sebaliknya.

MODEL YANG DIAJUKAN (DENGAN VARIABEL YANG SIGNIFIKAN)


dINF  = 2.26888dKURS(-3) – 2.60041dINF(-5) – 2.20406dINF(-6)

dKURS= -2.64767 + 2.43173dKURS(-3) – 2.71987dINF(-4) – 2.33354dINF(-5) – 2.39936dINF(-6)
dRATE    = 2.88239dKURS(-3) + 2.09427dINF(-2) + 4.25194dRATE(-1)

Yaaaap oke deeh sooob untuk interpretasi model VAR yang diajukan dalam penelitian, Impulse Response Function (analisis respon terhadap gejolak/shock) dan Variance Decomposition (analisis kontribusi) akan kita lanjutkan dalam postingan part III yang akan segera dirilis.. Waaaah, begitu dulu ya sooob yang bisa sampaikan untuk uji signifikansi variabel dengan pertimbangan lag length criteria, output var model substituted coefficient, uji kausalitas Engel Grangernya dan model VAR yang diajukan dalam penelitian.

Hemmh, saya mohon maaf jika ada kekurangan dan kesalahan dalam penyampaian maupun pengetikannya.. Okeee deeh,, selamat belajar sooob,, Isilah masa muda dengan terus berkarya dan tetap be calm down okeee hehehe.. Yaaap, semoga jaya dan sukses buat sobat semua.. Salam damai.. Salam hangat terdahsyat dari saya :-)


Description: PART II:UJI SIGNIFIKANSI VARIABEL DENGAN PERTIMBANGAN LAG LENGTH CRITERIA, OUTPUT VAR MODEL SUBSTITUTED COEFFICIENT, UJI KAUSALITAS ENGEL GRANGER DAN MODEL VAR YANG DIAJUKAN DALAM PENELITIAN (Terusan Postingan Pendekatan Analisis Model VAR, PART I) Rating: 4.5 Reviewer: wajibman sitopu - ItemReviewed: PART II:UJI SIGNIFIKANSI VARIABEL DENGAN PERTIMBANGAN LAG LENGTH CRITERIA, OUTPUT VAR MODEL SUBSTITUTED COEFFICIENT, UJI KAUSALITAS ENGEL GRANGER DAN MODEL VAR YANG DIAJUKAN DALAM PENELITIAN (Terusan Postingan Pendekatan Analisis Model VAR, PART I)