PEMAHAMAN MENDALAM BAGAIMANA KONSEP DAN TUJUAN PENGGUNAAN ANALISIS TIME SERIES VECTOR AUTO REGRESSION (VAR) DAN VECTOR ERROR CORRECTION MODEL (VECM)

PEMAHAMAN MENDALAM BAGAIMANA KONSEP DAN TUJUAN PENGGUNAAN ANALISIS TIME SERIES VECTOR AUTO REGRESSION (VAR) DAN VECTOR ERROR CORRECTION MODEL (VECM)

Sore sobaat semua.. Wah apa kabarnya neeeh soob? Moga baik, semangat dan sukses selalu aja yaaa hehehe.. Oke deh soob, kalau sebelumnya saya sudah bahas dua buah analisis Time Series yaitu Analisis ARIMA dan Error Correction Model, naaah kali ini saya mau ngebahas analisis Vector Auto Regression (VAR) dan Vector Error Correction Model (ECM).

Konsep analisis time series model VAR ini sudah pernah saya rilis dalam postingan saya sebelumnya. Silahkan cek disini ya sooob.. Nah, penting nih bagi kita buat benar-benar memahami bagaimana sebenarnya konsep dan syarat untuk menggunakan analisis time series seperti mulai dari yang sederhana saja yaitu ARIMA, ARCH/GARCH, ECM, lanjut lagi VAR, analisis restricted VAR (VECM) bahkan sampai Panel VAR. Mengapa pemahaman konsep dan sebagainya itu sangat penting?

Jadi begini.. Saat sobat sudah memegang konsepnya, paham tujuan analisisnya, paham syarat analisisnya dan bahkan di pikiran sobat sudah ada analisis alternatifnya, maka kalau suatu ketika sobat mengalami suatu kasus/permasalahan dalam penelitian, sobat jangan hanya berbicara tanpa konsep yang kuat apalagi mempertahankan diri padahal sudah jelas pemahaman sobat masih keliru. 

Berhati-hatilah karena ketika sobat diperhadapkan dalam suatu debat konsep, bisa jadi itu hanya akan menjatuhkan integritas sobat dan akhirnya terpental. Jadi, sekali lagi sangat penting untuk memahami entitas suatu metode analisis statistik agar ketika muncul problema dalam proses analisis, ayo kita kembalikan ke konsep dasarnya dulu hehehe..

Oke deeh soob, itu baru intermezzo dulu.. Nah, sekarang ayo kita bahas tentang analisis VAR dulu ya.. Ingeeet bahwa analisis VAR ini harus memenuhi syarat bahwa MINIMAL satu variabel stasioner pada level. Pegang saja konsep ini.. Naaaah, pengertian MINIMAL satu ini,  saya jabarkan begini.. 

Jadi jika seluruh variabel stasioner pada level dan memang tujuan analisis kita adalah hanya untuk melihat HUBUNGAN, bukan PENGARUH, maka kita pakailah VAR dengan data level (data asli). Naaah, jika ada salah satu saja variabel yang sudah stasioner di level dan yang lainnya pada different maka pakailah VAR dengan data different (data periode t dikurang data periode t-1). Ingat bahwa dalam VAR ini tidak ada fenomena kointegrasi atau hubungan jangka panjang di dalamnya.. 

Kalau saja ada kointegrasi (hubungan jangka panjang), yang dipakai bukan VAR lagi tetapi VECM. Jadi, penting untuk melakukan uji kointegrasi terlebih dahulu untuk penentuan teknik analisis. Terus pertanyaan saya, kenapa sih muncul yang namanya VECM (mirip dengan ECM)? Apa sih sebenarnya maksud istilah Model Pengoreksi Error alias ECM ini?? Apanya yang mau dikoreksi coba?? Pernahkah sobat harus berpikir sampai kesini? Hehehe..

Naah, kalau sobat jeli dan kritis, maka ada alasan logis yang bisa saya berikan.. Ingat, ECM ataupun VECM HANYA AKAN muncul jika terjadi kointegrasi (model hubungan jangka panjang). Keduanya hanya dibedakan saat uji stasioneritas saja yaa.. Kalau ECM jelas dipakai jika semua variabel tidak stasioner pada level tetapi stasioner pada different yang sama. 

Back to kointergrasi, naaah pemaknaan istilah kointegrasi dikenal dengan istilah ERROR karena peneliti boleh dikatakan terlalu berani mengajukan sebuah model untuk keseimbangan jangka panjang ke depan. Nah, muncul lagi pertanyaan, apa itu maksudnya jangka panjang?? Ada batasan waktunya kah atau bagaimana? Oke kita bahas satu-satu ya sooob.. Begini,, Dalam perjalanan mencapai keseimbangan/ekuilibrium jangka panjang (kointegrasi), tentu akan terjadi beberapa deviasi/penyimpangan/diskrepansi.

Nah, deviasi ekuilibrium model jangka panjang inilah yang HARUS dikoreksi secara tahap demi tahap melalui model series parsial penyesuaian jangka pendeknya. Saya ibaratkan koreksi model itu begini.. Bayangkan ketika sobat diminta membuat garis lurus dengan pensil bukan dengan penggaris yaa (pensil=model yang sobat pakai sedangkan penggaris=parameter 100% true value yang hanya Tuhan yang tahu hahaha), katakanlah garisnya sepanjang kurang lebih 50 cm. Nah, tentu dalam menarik garis dari 0-50 cm pasti ada dong setidaknya mencong sedikit ke kiri dan ke kanan. Padahal ekspektasi kita’kan selalu mendekati parameter yaitu garis lurus (180 derajat).

Nah, kemencongan-kemencongan inilah yang dinamakan deviasi. Jadi, perlu kita koreksi kemencongannya tahap demi tahap misalnya kita pilah per 5 cm. Jadi, kita akan koreksi dari titik 0-5, 6-10, 11-15.... s/d 45-50 (cm). Naaah, begitulah pola pikirnya sooob.. Penerapan koreksi ini akan sangat menarik saat penerapan analisis jangka panjang dan pendeknya. 

Misalnya, suatu kasus, dalam jangka pendek impor memiliki pengaruh yang positif terhadap PDB tetapi dalam jangka panjang  tenyata impor punya pengaruh yang negatif terhadap PDB. Inilah nanti yang menarik buat sobat gali dalam penelitian hehehe..

Nah, sekarang berbicara tujuan,, Analisis VAR dipakai jika tujuan sobat hanya ingin melihat hubungan saja karena seperti yang kita tahu, dalam VAR kan tidak ada istilah kointegrasi yang bisa menurunkan pengoreksi untuk kointegrasinya..Oleh karena itu jugalah hasil analisis VAR ini KURANG TEPAT jika dipakai untuk membuat sebuah KEBIJAKAN yang paralel dengan model hubungan jangka panjang (long term for policy).. Jadi sudah terjawab ya apa itu hubungan jangka panjang hahaha.. Sekali lagi saya tekankan model VAR itu hanya untuk melihat hubungan. 

Hubungan dalam analisis VAR ini jika ada hubungan dua arah antara kedua variabel yaitu jika variabel pertama signifikan memengaruhi variabel kedua dan sebaliknya (kausalitas). Uji kausalitas dalam VAR nanti akan menggunakan uji kausalitas Granger. Oleh karena tujuannya untuk melihat hubungan, maka analisis VAR tampaknya lebih cocok saya sebut sebagai sebuah pendekatan sehingga peneliti yang menggunakan analisis VAR biasanya menggunakan kata “PENDEKATAN” misalnya “Pendekatan Analisis VAR untuk bla bla bla bla bla” hahaha...

Kendati model VAR kurang tepat untuk kebijakan, tapi ada dooong kelebihannya VAR ini hehehe,, Tapi memang kelebihannnya ini ya buat keduanya yaa (VAR dan VECM).. Yaa, VAR dan VECM dipersenjatai fitur Impulse Response dan Variance Decomposition. Naaah, impulse response ini gunanya untuk melihat bagaimana perubahan suatu variabel dalam merespons adanya shock/goncangan variabel lain. 

Heeemm itulah memang unggulnya analisis VAR sekaligus VECM ini.. Tapiiii kita memang gak tahu lhooo mana yang goncang karena prinsipnya kalau si ini goyang bagaimana respon si itu, kalau si itu goyang bagaimana respon si ini. Jadi, memang semacam studi kasus juga sooob untuk VAR.. Tapi kalau VECM enggak karena kan ada model hubungan jangka panjangnya hehehe.. Naah, sebagai pengetahuan saja dulu, analisis yang memang bisa untuk melihat siapa yang dikasi shock ya pakainya analisis Simultan atau Simultan Panel.

Okeee next yang kedua, fitur Variance Decomposition yang berguna untuk melihat besarnya kontribusi setiap variabel untuk sebuah variabel tertentu hehehe.. Naaah, oke deeeh sob, begitu dulu yang bisa saya sampaikan terkait analisis VAR dan VECM ini yaaa.. Kurang lebihnya saya minta maaf yaaa hehehe.. 

Oke deh, sebentar kita akan masuk ke penerapan analisis VAR dengan contoh kasus.. So, sering-seringlah mampir di blog kita ini.. Tongkrongin terus wajibstat.blogspot.com hahaha.. Hemmh sambil ngopi boleeeh, ngeteh boleeeh dan online sambil browsing yang lain pasti boleeeh donh hehe.. Yaaap, semangat terus belajarnya.. Salam damai.. salam semangat.. salam sukses selalu.. :-)