Vector Auto Regression dan Uji Kausalitas Granger

Analisis Vector Auto Regression

click to edit

Model ARIMA(p, d, q) berguna untuk analisis univariate time series (hanya satu variable).

Jika ada beberapa variable time series yang dianalisis dalam satu model, maka kita tidak bisa menggunakan model ARIMA (p, d, q).

Ketika ada beberapa variable time series, kita perlu memperhatikan interdependensi antar variable karena bisa menimbulkan endogeneity.

Endogeneity muncul ketika beberapa variable independen dalam sebuah regresi berkorelasi dengan the error term

Endogeneity dapat menyebabkan bias kesalahan spesifikasi.

cov( Xt , ut )  0

MODEL VAR

Contoh :variabel time series yt yang dipengaruhi oleh nilai variable time series xt pada periode sekarang dan periode sebelumnya dan,
secara simultan, variabel the time series xt juga dipengaruhi oleh nilai variable series yt pada periode sekarang dan periode sebelumnya.

Dalam hal ini, model bivariate (dua variable) sederhana adalah:
yt = β10 − β12xt + γ11yt−1 + γ12xt−1 + uyt xt = β20 − β21yt + γ21yt−1 + γ22xt−1 + uxt

KELEBIHAN MODEL VAR

click to edit

Sangat sederhana (tidak perlu khawatir tentang variabel mana yang endogen atau eksogen)

Estimasi sangat sederhana (OLS biasa)

Prakiraan dari model VAR lebih baik daripada yang diperoleh dari model persamaan simultan yang jauh lebih kompleks

Selain itu, model VAR bisa digunakan untuk:

Uji kausalitas Granger

Analisis Impulse Response.

Kekurangan Model VAR

click to edit

A-teoretis karena tidak didasarkan pada teori ekonomi apa pun 'semuanya menyebabkan segalanya' (diselesaikan dengan uji statistik inferensial dan kausalitas).

Hilangnya derajat kebebasan (degree of freedom).

Koefisien yang diperoleh dari model VAR sulit untuk ditafsirkan karena mereka tidak memiliki latar belakang teoritis (di atasi dengan analisis impulse response)

Causality Tests

VAR

VAR (2)

VAR (3)

VAR (4)