Professional Documents
Culture Documents
Tugas 5 Asistensi Ekonometrika Ii
Tugas 5 Asistensi Ekonometrika Ii
SOAL 1
Jelaskan hubungan antara uji kausalitas granger terhadap permodelan VAR?
Jawab :
Uji kausalitas pada permodelan VAR bertujuan untuk melihat pengaruh antara peubah baik
jangka panjang maupun jangka pendek. Adanya hubungan antara peubah tidak membuktikan
adanya kausalitas atau pengaruh. sehingga untuk mengetahui apakah terdapat pengaruh satu
arah maupun dua arah perlu dilakukan uji kausalitas. Jika sebuah kejadian 𝑥 terjadi sebelum 𝑦,
maka terdapat kemungkinan bahwa 𝑥 mempengaruhi y namun tidak mungkin sebaliknya. Jika
peubah X menyebabkan peubah Y yang berarti nilai Y pada periode sekarang dapat dijelaskan
oleh nilai Y pada periode sebelumnya dan nilai X pada periode sebelumnya. Kausalitas
Granger hanya menguji hubungan antar peubah dan tidak melakukan estimasi terhadap model.
Engle dan Granger menunjukkan bahwa walaupun data time series seringkali tidak stasioner
pada tingkat level atau nonstasioneritas data, tetapi kombinasi liner antara dua atau lebih data
nonstasioner menjadi stasioner. Menurutnya data time series yang tidak stasioner ini dikatakan
terkointegrasi. Model VECM digunakan didalam model VAR nonstruktural apabila data time
series tidak stasioner pada level, tetapi stasioner pada data diferensi dan terkointegrasi sehingga
menunjukkan adanya hubungan teoritis antara variabel. Adanya kointegrasi ini maka model
VECM yang merupakan model VAR nonstruktural ini disebut model VAR yang teristriksi.
Spesifikasi VECM merestriksi hubungan perilaku jangka panjang antar variabel yang ada agar
konvergen ke dalam hubungan kointegrasi namun tetap membiarkan perubahan-perubahan
dinamis didalam jangka pendek. Terminologi kointegrasi ini dikenal sebagai koreksi kesalahan
(error correction) karena bila terjadi deviasi terhadap keseimbangan jangka panjang akan
dikoreksi secara bertahap melalui penyesuaian parsial jangka pendek secara bertahap.
SOAL 4
Tabel di atas menunjukkan perkembangan mengenai data tingkat bunga obligasi di Amerika
yang terdiri atas tenor 3 bulan dan 6 bulan. Periode observasi berdasarkan bulanan dan dalam
kurun waktu 1988 - 2007.
Year Month TB3M TB6M
Pertanyaan
a. Lakukan Uji Stasioneritas dari kedua variabel tersebut!
b. Apakah terdapat adanya pengaruh kointegrasi? jika ada, jelaskan arti ekonominya dan
begitu sebaliknya jika tidak ada.
c. Analisis dan interpretasikan hasil model tersebut dengan IRF dan Variance
Decomposition!
Jawab :
a. Uji stasioneritas
TB3M
Null Hypothesis: D(TB3M) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 2 (Automatic - based on SIC, maxlag=14)
t-Statistic Prob.*
t-Statistic Prob.*
Jadi lag optimum adalah lag 4 karena kriteria memiliki paling banyak bintang (*).
Cek stabilitas dari estimasi
Roots of Characteristic Polynomial
Endogenous variables: TB3M TB6M
Exogenous variables: C
Lag specification: 1 2
Date: 06/27/22 Time: 04:31
Root Modulus
0.944899 0.944899
0.903685 0.903685
0.172329 - 0.076849i 0.188688
0.172329 + 0.076849i 0.188688
Jika modulus < 1 maka data sudah stabil dan siap untuk dipakai ke tahap selanjutnya.
b. Uji kointegrasi
Date: 06/27/22 Time: 04:35
Sample (adjusted): 1988M04 2007M12
Included observations: 237 after adjustments
Trend assumption: Linear deterministic trend
Series: TB3M TB6M
Lags interval (in first differences): 1 to 2
Hipotesis :
H0 : Tidak ada kointegrasi
Ha : Terdapat dua kointegrasi
Kesimpulan : Trace statistic > 0,05 critical value maka H0 ditolak dan Ha diterima
sehingga terdapat dua kointegrasi.
c. Hasil model
Hasil estimasi VAR
Vector Autoregression Estimates
Date: 06/27/22 Time: 04:56
Sample (adjusted): 1988M05 2007M12
Included observations: 236 after adjustments
Standard errors in ( ) & t-statistics in [ ]
TB3M TB6M
C -0.029076 0.017825
(0.03389) (0.03610)
[-0.85787] [ 0.49377]
Interpretasi VAR :
TB3M
Variabel yang paling memiliki pengaruh kuat terhadap TB3M adalah variabel TB6M(-3)
dengan nilai t-statistic -0.62720 dan nilai coefficient -0.136960 dalam jangka pendek
TB6M
Variabel yang paling memiliki pengaruh kuat terhadap TB6M adalah variabel TB3M(-4)
dengan nilai t-statistic -1.80189 dan nilai coefficient -0.300964 dalam jangka pendek
TB3M(-1) 1.000000
TB6M(-1) -1.013792
(0.00994)
[-102.017]
C 0.157497
C -0.009274 -0.009098
(0.01052) (0.01124)
[-0.88193] [-0.80914]
Interpretasi VECM :
TB3M
Variabel yang paling memiliki pengaruh kuat terhadap TB3M adalah variabel TB6M(-4)
dengan nilai t-statistic -1.08060 dan nilai coefficient -0.172154 dalam jangka panjang
TB6M
Variabel yang paling memiliki pengaruh kuat terhadap TB6M adalah variabel TB3M(-2)
dengan nilai t-statistic 0.23126 dan nilai coefficient 0.041969 dalam jangka Panja
IMPLUSE RESPONSE
Choles
ky
Orderin
g:
TB3M
TB6M
.3 .3
.2 .2
.1 .1
.0 .0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
.30 .30
.25 .25
.20 .20
.15 .15
.10 .10
.05 .05
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Variance Decomposition
Varian
ce
Decom
positio
n of
TB6M: Pada periode 1, TB6M dijelaskan
Period S.E. TB3M TB6M oleh variabel itu sendiri sebesar
1 0.171597 85.70958 14.29042 85.71% dan dan sisanya dijelaskan
2 0.299383 85.58798 14.41202 oleh TB6M sebesar 14.29%.
3 0.405329 83.94559 16.05441
4 0.519252 83.25235 16.74765 Pada periode 2, TB3M dijelaskan
5 0.624066 82.25461 17.74539
6 0.719542 80.55054 19.44946
oleh variabel itu sendiri sebesar
7 0.814016 78.76374 21.23626 85.59% dan sisanya dijelaskan
8 0.905326 76.95391 23.04609 oleh TB6M sebesar 14.41%.
9 0.992964 75.06452 24.93548
10 1.078621 73.24530 26.75470
Choles
ky
Orderin
g:
TB3M
TB6M
Variance Decomposition
Percent TB3M variance due to TB3M Percent TB3M variance due to TB6M
100 100
80 80
60 60
40 40
20 20
0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Percent TB6M variance due to TB3M Percent TB6M variance due to TB6M
100 100
80 80
60 60
40 40
20 20
0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10