PENGANTAR VAR (VECTOR AUTO REGRESSION) Arif Rahman Hakim
2016
https://independent.academia.edu/ArifRahmanHakim
Vector Auto Regression (1) 2
Vector Auto Regression merupakan hasil pengembangan model univariate dalam model ekonometrika. Model VAR menggabungkan model univariate dengan model struktural simultan. Sims (1980) mengenalkan pertama kali sebagai alternatif model makro ekonometrika yang cenderung menggunakan pendekatan struktural simultan. Hasilnya, terdapat sejumlah variabel endogen sebagai fungsi dari variabel eksogen atau dikenal dengan persamaan reduced form.
Vector Auto Regression (2) 3
Pendekatan Sims (1980) berupaya mengadopsi kritik Lucas (1976) dimana agar reduced form dapat digunakan dalam perumusan kebijakan serta menghasilkan estimator yang tidak bias dan konsisten maka variabel eksogen harus super exogenous tidak hanya strongly exogenous. Asumsi ini sulit dipenuhi karena hubungan variabel ekonomi yang begitu kompleks serta tidak semua teori ekonomi dapat menjelaskan hubungan tersebut. Model VAR dibangun supaya hubungan variabel ekonomi dapat tetap diestimasi tanpa perlu menitikberatkan eksogenitas.
Vector Auto Regression (3) 4
Pendekatan VAR menganggap semua variabel dianggap endogen sehingga estimasi dapat dilakukan serentak atau sekuensial. Dampak pendekatan ini adalah ketidakmampuan dalam memverifikasi teori sehingga model ini sering disebut ateori. Umumnya, model ini sering digunakan sebagai alat prediksi sehingga verifikasi teori yang menjadi pengembangannya menggunakan konsep kointegrasi yang kemudian dikenal dengan VAR terkointegrasi atau Vector Error Correction Model.
Vector Auto Regression (4) 5
Secara sederhana, VAR yang terdiri dari dua variabel dan lag (1) dapat diformulasikan sebagai berikut :
Formulasi model VAR tersebut sebagai bentuk reduced form system terhadap variabel lain dan variabel itu sendiri dengan lag sehingga jika diasumsikan tidak terdapat korelasi silang antar error dan tidak terdapat hubungan kontemporer atau variabel LHR hanya dipengaruhi oleh variabel dalam sistem maka OLS dapat diterapkan.
Bagan Estimasi (VAR & VECM) 6
Langkah Pengujian VAR 7
Stasioneritas Data
Langkah Pengujian VAR 8
Stasioneritas Data.
Langkah Pengujian VAR 9
Kointegrasi
Langkah Pengujian VAR (cont.) 10
Granger Causality.
Langkah Pengujian VAR (cont.) 11
Lag Criteria.
Langkah Pengujian VAR (cont.) 12
Stabilitas VAR.
Langkah Pengujian VAR (cont.) 13
Stabilitas VAR.
Langkah Pengujian VAR (cont.) 14
Output Variance Decomposition
Langkah Pengujian VAR (cont.) 15
Output Impulse Response
Langkah Pengujian VAR (cont.) 16
Terima Kasih
https://independent.academia.edu/ArifRahmanHakim