Artikel Sebelumnya🚀
Kriteria Uji Akar Unit
Kenyataannya,
lag bisa lebih dari 1, dan untuk
menentukan banyaknya lag yang
optimal, setelah dilakukan ADF test, selanjutnya dilakukan uji akar unit. Suatu
data runtun waktu dikatakan integrated
of order k atau ditulis dengan I(k), jika setelah didiferensiasi
sebanyak k kali menjadi seri yang stasioner. Berbagai seri I(1), karena seri tersebut menjadi stasioner setelah
dilakukan diferensiasi satu kali. Jika seri xt dan diferensiasi
pertamanya Dxt tidak stasioner, tetapi
diferensiasi kedua Dxt2
= Dxt - Dxt-1 adalah stasioner, maka
dikatakan I(2). Beberapa variabel ekonomi menunjukkan suatu seri yang stasioner
tanpa perlu melakukan diferensiasi, yang disebut dengan I(0). Namun demikian,
suatu seri mungkin saja tidak pernah menjadi stasioner, walaupun telah
dilakukan diferensiasi beberapa kali. Suatu seri semacam ini dikatakan non-integrated.
Suatu shocks yang terjadi pada seri data stasioner bersifat temporer
sepanjang waktu, dan akan segera menghilang dan kembali pada keseimbangan
jangka panjangnya. Oleh karena itu, peramalan jangka panjang terhadap
pergerakan seri stasioner cenderung menuju pada arah unconditional mean. Menurut Enders (2004), suatu seri stasioner
mempunyasi sifat : (1) adanya gejala mean
reversion, dimana nilainya berfluktuasi di sekitar mean jangka panjang yang konstan, (2) mempunyai variance yang
terhingga (finite) dan time-invariant, (3) mempunyai korelogram yang cenderung
menurun dengan bertambahnya lag.
Pengujian unit root
menggunakan Akaike Information Criterion
(AIC) dan Schwarz Bayesian Criterion
(SBC). Pengujian dilakukan pada tingkat (level)
dan perbedaan (difference) pada
variabel. Maksud pengujian ini adalah untuk order integrasi dari variabel.
Uji
diagnostik ini dimaksudkan untuk mengetahui kestasioneran suatu variabel dengan
menggunakan Augmented Dickey Fuller Test
(ADF). Kestasioneran seri data variabel pinjaman investasi dan suku bunga
diidentifikasi dengan cara membandingkan nilai ADF statistic setiap variabel dengan nilai kritis t* pada tingkat signifikansi sebesar 5
persen. Nilai kritis t* pada tingkat
signifikansi sebesar 5 persen dengan jumlah seri sampel waktu sebanyak 156
bulan (2003M1 – 2013M12) diidentifikasi sebesar -3.4478 (tersaji pada Lampiran
2). Hipotesis yang digunakan dalam uji stasioneritas data ini adalah,
Ho : seri
data tidak stasioner
Hi : seri
data stasioner
Ho diterima bila ADF statistic lebih besar dari t* (ADF stat > t*), atau Hi ditolak, yang menunjukkan bahwa suatu seri data memiliki sifat tidak stasioner. Sebaliknya, Ho ditolak bila ADF statistic lebih kecil dari t*, atau Hi diterima, yang menunjukkan bahwa suatu seri data memiliki sifat stasioner. Hasil pengujian selengkapnya disajikan pada lampiran sebagai berikut :
ADF Test
Unit root tests for variable IThe Dickey-Fuller regressions include an intercept but not a trend
*******************************************************************************
119 observations used in the estimation of all ADF regressions.
Sample period from 2003M1 to 2013M12
*******************************************************************************
Test Statistic LL AIC SBC HQC
DF 5.3006 -1180.9 -1182.9 -1185.7 -1184.1
ADF(1) 5.0206 -1180.7 -1183.7 -1187.8 -1185.4
ADF(2) 7.8034 -1164.3 -1168.3 -1173.9 -1170.6
ADF(3) 5.1315 -1161.9 -1166.9 -1173.9 -1169.8
ADF(4) 5.4143 -1160.4 -1166.4 -1174.7 -1169.8
ADF(5) 5.3452 -1159.7 -1166.7 -1176.4 -1170.6
ADF(6) 5.7385 -1157.6 -1165.6 -1176.7 -1170.1
ADF(7) 6.0501 -1155.6 -1164.6 -1177.1 -1169.6
ADF(8) 4.8946 -1155.2 -1165.2 -1179.1 -1170.9
ADF(9) 4.3186 -1155.2 -1166.2 -1181.4 -1172.4
ADF(10) 3.9301 -1155.1 -1167.1 -1183.8 -1173.9
ADF(11) 3.5914 -1155.1 -1168.1 -1186.1 -1175.4
ADF(12) 2.7426 -1151.6 -1165.6 -1185.0 -1173.5
*******************************************************************************
95% critical value for the augmented Dickey-Fuller statistic = -2.8857
LL = Maximized log-likelihood AIC = Akaike Information Criterion
SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion
Unit root tests for variable I
The Dickey-Fuller regressions include an intercept and a linear trend
*******************************************************************************
119 observations used in the estimation of all ADF regressions.
Sample period from 2003M1 to 2013M12
*******************************************************************************
Test Statistic LL AIC SBC HQC
DF 1.2494 -1180.8 -1183.8 -1188.0 -1185.5
ADF(1) 1.3639 -1180.6 -1184.6 -1190.1 -1186.8
ADF(2) 2.9053 -1164.3 -1169.3 -1176.3 -1172.1
ADF(3) 2.1058 -1161.9 -1167.9 -1176.3 -1171.3
ADF(4) 2.5353 -1160.4 -1167.4 -1177.1 -1171.3
ADF(5) 2.7597 -1159.7 -1167.7 -1178.8 -1172.2
ADF(6) 3.2925 -1157.6 -1166.6 -1179.1 -1171.6
ADF(7) 3.7967 -1155.5 -1165.5 -1179.4 -1171.1
ADF(8) 3.2566 -1155.2 -1166.2 -1181.4 -1172.4
ADF(9) 2.9504 -1155.1 -1167.1 -1183.8 -1173.9
ADF(10) 2.7448 -1155.1 -1168.1 -1186.1 -1175.4
ADF(11) 2.5185 -1155.0 -1169.0 -1188.5 -1176.9
ADF(12) 1.8259 -1151.6 -1166.6 -1187.4 -1175.0
*******************************************************************************
95% critical value for the augmented Dickey-Fuller statistic = -3.4478
LL = Maximized log-likelihood AIC = Akaike Information Criterion
SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion
Unit root tests for variable R
The Dickey-Fuller regressions include an intercept but not a trend
*******************************************************************************
119 observations used in the estimation of all ADF regressions.
Sample period from 2003M1 to 2013M12
*******************************************************************************
Test Statistic LL AIC SBC HQC
DF -1.7796 10.2762 8.2762 5.4971 7.1477
ADF(1) -1.8036 13.0914 10.0914 5.9227 8.3986
ADF(2) -1.8415 15.9849 11.9849 6.4266 9.7278
ADF(3) -1.9405 17.7776 12.7776 5.8298 9.9563
ADF(4) -2.0058 18.3117 12.3117 3.9743 8.9261
ADF(5) -1.9677 18.3535 11.3535 1.6266 7.4037
ADF(6) -1.9478 18.3548 10.3548 -.76168 5.8408
ADF(7) -1.9141 18.3851 9.3851 -3.1210 4.3068
ADF(8) -1.8605 18.5300 8.5300 -5.3657 2.8874
ADF(9) -1.8799 18.6417 7.6417 -7.6435 1.4349
ADF(10) -1.8450 18.6583 6.6583 -10.0164 -.11275
ADF(11) -1.7085 20.5835 7.5835 -10.4808 .24820
ADF(12) -1.7001 20.5836 6.5836 -12.8703 -1.3160
*******************************************************************************
95% critical value for the augmented Dickey-Fuller statistic = -2.8857
LL = Maximized log-likelihood AIC = Akaike Information Criterion
SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion
Unit root tests for variable R
The Dickey-Fuller regressions include an intercept and a linear trend
*******************************************************************************
119 observations used in the estimation of all ADF regressions.
Sample period from 2003M1 to 2013M12
*******************************************************************************
Test Statistic LL AIC SBC HQC
DF -2.0819 11.2890 8.2890 4.1203 6.5962
ADF(1) -2.4031 14.6727 10.6727 5.1144 8.4156
ADF(2) -2.8220 18.4781 13.4781 6.5303 10.6568
ADF(3) -3.2953 21.4579 15.4579 7.1205 12.0724
ADF(4) -3.6413 23.0222 16.0222 6.2953 12.0724
ADF(5) -3.6349 23.1681 15.1681 4.0516 10.6541
ADF(6) -3.7051 23.5023 14.5023 1.9963 9.4240
ADF(7) -3.7219 23.7122 13.7122 -.18341 8.0696
ADF(8) -3.6538 23.7766 12.7766 -2.5086 6.5698
ADF(9) -3.9011 24.8034 12.8034 -3.8714 6.0323
ADF(10) -3.9693 25.2087 12.2087 -5.8556 4.8733
ADF(11) -3.4837 25.6885 11.6885 -7.7654 3.7889
ADF(12) -3.6342 26.2954 11.2954 -9.5480 2.8315
*******************************************************************************
95% critical value for the augmented Dickey-Fuller statistic = -3.4478
LL = Maximized log-likelihood AIC = Akaike Information Criterion
SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion
Tidak ada komentar:
Posting Komentar
Terimakasih