Error Correction Model

Tugas Ekonometrika 3 :
Regresi Deret Waktu-Error Correction Model (ECM)

Ikin Sodikin (156090500111001)
Penelitian tentang nilai tukar mata uang dollar kanada terhadap dollar AS (EXC atau Y) sebagai
variabel dependen berdasarkan indeks harga konsumen negara AS (CPI atau X) sebagai
variabel independen.
Data merupakan jenis data deret waktu bulanan dengan rentang waktu 12 tahun yaitu dari tahun
1998-2010 bersumber dari IMF, dipublikasikan oleh Bank Indonesia.
Secara teori diterangkan bahwa EXC berkorelasi terhadap CPI.
Adapun rincian datanya adalah sebagai berikut :
Periode
EXC
CPI
Periode
EXC
CPI
Periode
EXC
CPI
1998M1
1,46
82,75
2002M6
1,52
92,12
2006M11
1,14
103,18
1998M2
1,42
82,90
2002M7
1,58
92,22
2006M12
1,17
103,33
1998M3
1,42
83,06
2002M8
1,56
92,53
2007M1
1,18
103,65
1998M4
1,43
83,21
2002M9
1,59
92,68
2007M2
1,17
104,20
1998M5
1,46
83,36
2002M10
1,56
92,84
2007M3
1,15
105,15
1998M6
1998M7
1998M8
1998M9
1998M10
1998M11
1998M12
1999M1
1999M2
1999M3
1999M4
1999M5
1999M6
1999M7
1999M8
1999M9
1999M10
1999M11
1999M12
2000M1
2000M2
2000M3
2000M4
2000M5
2000M6
2000M7
2000M8
1,47
1,51
1,57
1,53
1,54
1,52
1,53
1,51
1,51
1,51
1,46
1,48
1,47
1,51
1,50
1,47
1,47
1,47
1,44
1,45
1,45
1,45
1,48
1,50
1,48
1,49
1,47
83,46
83,57
83,67
83,77
83,98
83,98
83,93
84,13
84,23
84,49
85,10
85,10
85,10
85,36
85,56
85,97
86,13
86,18
86,18
86,43
86,95
87,66
87,72
87,82
88,28
88,48
88,48
2002M11
2002M12
2003M1
2003M2
2003M3
2003M4
2003M5
2003M6
2003M7
2003M8
2003M9
2003M10
2003M11
2003M12
2004M1
2004M2
2004M3
2004M4
2004M5
2004M6
2004M7
2004M8
2004M9
2004M10
2004M11
2004M12
2005M1
1,57
1,58
1,53
1,49
1,47
1,43
1,37
1,36
1,41
1,39
1,35
1,32
1,30
1,29
1,33
1,34
1,31
1,37
1,37
1,34
1,33
1,32
1,26
1,22
1,19
1,20
1,22
92,84
92,63
93,04
93,76
94,32
94,12
93,96
94,06
94,17
94,53
94,83
94,73
94,47
94,37
94,83
95,34
95,96
96,27
96,83
97,14
96,98
97,03
97,24
97,75
97,80
97,44
97,65
2007M4
2007M5
2007M6
2007M7
2007M8
2007M9
2007M10
2007M11
2007M12
2008M1
2008M2
2008M3
2008M4
2008M5
2008M6
2008M7
2008M8
2008M9
2008M10
2008M11
2008M12
2009M1
2009M2
2009M3
2009M4
2009M5
2009M6
1,12
1,07
1,06
1,07
1,06
1,00
0,95
1,00
0,99
1,00
0,98
1,03
1,01
0,99
1,02
1,03
1,06
1,06
1,22
1,24
1,22
1,24
1,27
1,26
1,19
1,10
1,16
105,84
106,48
106,69
106,66
106,47
106,76
106,99
107,62
107,55
108,08
108,40
109,34
110,00
110,93
112,05
112,63
112,18
112,03
110,90
108,77
107,65
108,12
108,65
108,92
109,19
109,51
110,45
Ikin Sodikin (156090500111001)
Periode
EXC
CPI
Periode
EXC
CPI
Periode
EXC
CPI
2000M9
2000M10
2000M11
2000M12
2001M1
2001M2
2001M3
2001M4
2001M5
2001M6
2001M7
2001M8
2001M9
2001M10
2001M11
2001M12
2002M1
2002M2
2002M3
2002M4
2002M5
1,51
1,53
1,54
1,50
1,50
1,53
1,58
1,54
1,55
1,52
1,53
1,55
1,58
1,59
1,57
1,59
1,59
1,60
1,59
1,57
1,53
88,94
89,10
89,15
89,10
89,66
90,02
90,22
90,58
90,99
91,15
90,89
90,89
91,30
90,99
90,84
90,48
90,68
91,04
91,56
92,07
92,07
2005M2
2005M3
2005M4
2005M5
2005M6
2005M7
2005M8
2005M9
2005M10
2005M11
2005M12
2006M1
2006M2
2006M3
2006M4
2006M5
2006M6
2006M7
2006M8
2006M9
2006M10
1,23
1,21
1,26
1,25
1,23
1,23
1,19
1,16
1,18
1,17
1,16
1,14
1,14
1,17
1,12
1,10
1,12
1,13
1,11
1,12
1,12
98,21
98,98
99,65
99,54
99,59
100,06
100,57
101,80
102,00
101,18
100,77
101,54
101,75
102,31
103,18
103,69
103,90
104,20
104,41
103,90
103,33
2009M7
2009M8
2009M9
2009M10
2009M11
2009M12
2010M1
2010M2
2010M3
2010M4
2010M5
2010M6
2010M7
2010M8
2010M9
2010M10
1,08
1,10
1,07
1,08
1,06
1,05
1,07
1,05
1,02
1,01
1,05
1,06
1,03
1,06
1,03
1,02
110,27
110,52
110,59
110,69
110,77
110,58
110,96
110,98
111,44
111,63
111,72
111,61
111,63
111,79
111,85
111,99
ERROR CORRECTION MODEL (ECM)

Error Correction Model (ECM) merupakan analisis data deret waktu yang digunakan untuk
variabel-variabel yang memilki ketergantungan yang sering disebut dengan kointegrasi. Metode
ECM digunakan menyeimbangkan hubungan ekonomi jangka pendek variabel-variabel yang telah
memiliki keseimbangan/hubungan ekonomi jangka panjang.
Langkah 1 Uji Kestasioneran Data :
Stasioneritas dalam data deret waktu merupakan kunci supaya situasi dimasa lalu tetap relevan
dengan situasi dimasa kini maupun masa depan. Situasi paling ideal dalam analisis deret waktu
adalah ketika data bersifat stasioner. Oleh karena itu tahap pertama dalam analisis adalah dengan
menguji kestasioneran data. Uji stasioneritas data dapat dilakukan dengan menggunakan metode
grafik (plot data), Korelogram, dan Uji Akar Unit (unit root test) atau Uji Augmented Dickey
Fuller (ADF). Pengujian ini dilakukan terhadap semua variabel yang digunakan dalam analisis
deret waktu untuk memenuhi keshahihan analisis ECM (dengan kata lain perilaku data yang
stasioner memiliki varians yang tidak terlalu besar dan mempunyai kecenderungan untuk
mendekati nilai rata-ratanya). Uji-uji tersebut diawali dengan mentranformasi logaritma terhadap
setiap variabel menjadi lnEXP dan lnCPI, secara rinci disajikan sebagai berikut :
Ikin Sodikin (156090500111001)
a. Analisis Grafik (plot data) :
0.5
4.75
0.4
4.7
4.65
4.6
lnCPI
lnEXC
0.3
0.2
4.55
0.1
4.5
0
4.45
-0.1
4.4
1998
2000
2002
2004
2006
2008
2010
1998
2000
2002
2004
2006
2008
2010
Berdasarkan grafik tersebut terlihat bahwa adanya indikasi kedua datanya tidak stasioner.
Hal itu terlihat dari grafiknya yang tidak berada disekitar rata-rata atau dengan kata lain
rata-rata dan varians tidak konstan. Oleh karena itu, harus dicek data pada tingkat first
difference, second difference dan seterusnya hingga stasioner. Hal tersebut dilakukan
dengan Uji Akar Unit.
b. ACF dan Korelogram
- Untuk variabel lnEXC :
Autocorrelation function for lnEXC
***, **, * indicate significance at the 1%, 5%, 10% levels
using Bartlett standard errors for ACF
LAG
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
ACF
0.9764
0.9547
0.9344
0.9112
0.8845
0.8581
0.8336
0.8071
0.7841
0.7656
0.7466
0.7256
0.7043
0.6894
0.6761
0.6625
0.6553
0.6465
0.6424
0.6379
0.6351
PACF
***
***
***
***
***
***
***
***
***
**
**
**
**
*
*
*
*
*
Q-stat. [p-value]
0.9764 *** 149.6821 [0.000]

0.0301
293.7318 [0.000]
0.0209
432.6442 [0.000]
-0.0715
565.6154 [0.000]
-0.0909
691.7497 [0.000]
-0.0187
811.2641 [0.000]
0.0278
924.8315 [0.000]
-0.0438
1032.0298 [0.000]
0.0645
1133.8919 [0.000]
0.0870
1231.6920 [0.000]
-0.0113
1325.3478 [0.000]
-0.0548
1414.4321 [0.000]
-0.0465
1498.9536 [0.000]
0.1075
1580.5205 [0.000]
0.0491
1659.5177 [0.000]
0.0087
1735.9277 [0.000]
0.1220
1811.2405 [0.000]
-0.0437
1885.0663 [0.000]
0.1028
1958.4953 [0.000]
-0.0207
2031.4515 [0.000]
0.0054
2104.3121 [0.000]
Dari korelogram tersebut memperlihatkan bahwa koefisien autokorelasi dimulai dari nilai
yang sangat tinggi pada lag 1 ( yaitu 0.9764) dan menurun secara lambat.Hal tersebut
menunjukan bahwa variabel EXC tidak stasioner.
Ikin Sodikin (156090500111001)
-
Untuk variabel lnCPI :

Autocorrelation function for lnCPI
***, **, * indicate significance at the 1%, 5%, 10% levels
using standard error 1/T^0.5
LAG
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
ACF
0.9828
0.9646
0.9463
0.9281
0.9100
0.8918
0.8737
0.8558
0.8383
0.8210
0.8034
0.7847
0.7657
0.7463
0.7268
0.7079
0.6886
0.6699
0.6517
0.6337
0.6164
PACF
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
0.9828 ***
-0.0345
-0.0148
-0.0050
-0.0082
-0.0108
-0.0065
-0.0054
0.0031
-0.0069
-0.0157
-0.0414
-0.0213
-0.0185
-0.0141
0.0075
-0.0251
0.0071
0.0005
-0.0037
0.0073
Q-stat. [p-value]
151.6534 [0.000]
298.7284 [0.000]
441.2048 [0.000]
579.1706 [0.000]
712.6862 [0.000]
841.7867 [0.000]
966.5501 [0.000]
1087.0669 [0.000]
1203.5085 [0.000]
1315.9512 [0.000]
1424.3862 [0.000]
1528.5718 [0.000]
1628.4550 [0.000]
1724.0246 [0.000]
1815.3197 [0.000]
1902.5666 [0.000]
1985.7215 [0.000]
2065.0028 [0.000]
2140.5779 [0.000]
2212.5819 [0.000]
2281.2233 [0.000]
Dari korelogram tersebut memperlihatkan hal yang sama bahwa koefisien autokorelasi
dimulai dari nilai yang sangat tinggi pada lag 1 ( yaitu 0.9828) dan menurun secara lambat.
Hal tersebut menunjukan bahwa variabel CPI juga tidak stasioner.
c. Uji Akar Unit (ADF test) :
Teknik pengujiannya berupa regresi antara nilai Y t dan Y t1 yang menghasilkan
sebagai koefisien regresinya. Tingkat signifikansi tidak dapat diperoleh dengan melakukan uji
t karena hipotesis tidak mengikuti distribusi t melainkan mengikuti statistik (tau) dan
pengujiannya dilakukan dengan Augmented Dickey-Fuller test yang dikembangkan oleh
McKinnon. Model yang digunakan adalah model dengan asumsi tanpa pergeseran (random
walk without drift) sebagai berikut (Gujarati, 2004) :
Y t =1 Y t 1 +ut
atau
( 11)Y t1+ ut = Y t 1 +ut

Y t =
Hipotesis yang diuji sebagai berikut :
H 0 : =0 (berarti bahwa 11 random walk) artinya data deret waktu
mengandung unit root ( data tidak stasioner )
H 1 : 0 artinya data deret waktu tidak mengandung unit root ( data stasioner )
Kriteria keputusan :
Ikin Sodikin (156090500111001)
H 0 ditolak jika nilai t-statistik ADF (dalam hal ini = ) < Nilai kritis McKinnon atau
nilai-p < taraf nyata tertentu (biasanya 5%).
Berikut ini ringkasan hasil uji akar unit untuk masing-masing variabel dependen dan
independen dengan menggunakan aplikasi GRETL :
Tingk
at
Level
1st
Diff
2nd
Diff
variabel lnEXC
variabel lnCPI
Augmented Dickey-Fuller test for lnEXC

including 13 lags of (1-L)lnEXC
(max was 13, criterion t-statistic)
sample size 140
unit-root null hypothesis: a = 1
Augmented Dickey-Fuller test for lnCPI

including 8 lags of (1-L)lnCPI
sample size 145
test without constant

model: (1-L)y = (a-1)*y(-1) + ... + e
estimated value of (a - 1): -0.0116724
test statistic: tau_nc(1) = -1.52808
asymptotic p-value 0.1189
1st-order autocorrelation coeff. for e:
-0.010
lagged differences: F(13, 126) = 1.743
[0.0597]

model: (1-L)y = (a-1)*y(-1) + ... + e
estimated value of (a - 1): 0.000501321
test statistic: tau_nc(1) = 4.87804
asymptotic p-value 1
-0.006
[0.0000]
Augmented Dickey-Fuller test for d_lnEXC

including 12 lags of (1-L)d_lnEXC
sample size 140
Augmented Dickey-Fuller test for d_lnCPI

including 13 lags of (1-L)d_lnCPI
sample size 139

model: (1-L)y = (a-1)*y(-1) + ... + e
-0.008
[0.0446]
Augmented Dickey-Fuller test for
d_d_lnEXC
including 11 lags of (1-L)d_d_lnEXC
sample size 140

model: (1-L)y = (a-1)*y(-1) + ... + e
-0.005
[0.0253]
Augmented Dickey-Fuller test for d_d_lnCPI
including 12 lags of (1-L)d_d_lnCPI
sample size 139

model: (1-L)y = (a-1)*y(-1) + ... + e
asymptotic p-value 1.109e-006
0.011
[0.0000]

model: (1-L)y = (a-1)*y(-1) + ... + e
asymptotic p-value 1.486e-010
-0.007
[0.0000]
Dari hasil tersebut memperlihatkan bahwa pada taraf signifikansi 5% :
Ikin Sodikin (156090500111001)
- Nilai-p untuk variabel lnEXC dan lnCPI < 5%, signifikan pada tingkat second difference
variabel lnEXC dan lnCPI stasioner pada data tingkat beda kedua.
Dengan demikian dapat dikatakan bahwa seluruh data yang digunakan dalam penelitian ini
secara bersama-sama terintegrasi pada derajat dua (second difference) dilambangkan dengan
I(2). Oleh karenanya uji kointegrasi dapat dilakukan.
Langkah 3 Pengujian Kointegrasi :
Pengujian ini dilakukan untuk mengetahui kemungkinan terjadinya keseimbangan atau kestabilan
jangka panjang diantara variabel-variabel yang diamati. Salah satu metodenya adalah EngelGranger untuk menguji kointegrasi variabel-variabel yang diamati dengan memanfaatkan uji
statistik ADF untuk melihat apakah nilai residual regresi kointegrasi stasioner atau tidak. Jika nilai
residual stasioner maka dapat dikatakan regresi terkointegrasi artinya bahwa variabel-variabel
pembentuk regresi berada dalam keseimbangan jangka panjang. Lebih jauh dapat dikatakan bahwa
jika model dinamis tersebut dikembangkan, maka interpretasinya tidak akan menyesatkan untuk
analisis jangka panjang.
Secara rinci Uji Kointegrasi Engle-Granger dilakukan dengan tahapan sebagai berikut :
a) Estimasi Persamaan Jangka Panjang :
Persamaan jangka panjang yang dimaksud merupakan persamaan regresi klasik dengan
variabel dependen dan independen, yang tidak stasioner pada tingkat level. Metode
pendugaan parameternya dilakukan dengan metode kuadrat terkecil/ ordinary Least
Square (OLS). Persamaan yang akan dibentuk adalah :
lnEXC t = 0 + 1 lnCPI t +ut
Berikut ini hasil analisis regresi OLS dan model yang terbentuk :
Model 3: OLS, using observations 1998:01-2010:10 (T = 154)
Dependent variable: lnEXC
Coefficient
6.91914
1.45615
const
lnCPI
Mean dependent var
Sum squared resid
R-squared
F(1, 152)
Log-likelihood
Schwarz criterion
rho
Std. Error
0.266078
0.0581244
0.254767
0.729661
0.805032
627.6158
193.5973
377.1207
0.920000
^lnEXC = 6.92 - 1.46*lnCPI

(0.266)(0.0581)
T = 154, R-squared = 0.805
t-ratio
26.0042
25.0523
S.D. dependent var

S.E. of regression
Adjusted R-squared
P-value(F)
Akaike criterion
Hannan-Quinn
Durbin-Watson
p-value
<0.0001
<0.0001
***
***
0.156399
0.069285
0.803749
7.83e-56
383.1946
380.7274
0.144162
Ikin Sodikin (156090500111001)
(standard errors in parentheses)
o Uji Parsial t dan Uji Serempak F
Berdasarkan hasil diatas, baik secara parsial atau secara serempak variabel lnCPI
berpengaruh signifikan terhadap variabel lnEXC pada taraf kesalahan 5%. Hal
tersebut ditunjukkan dengan nilai-p untuk t-hitung dan F-Hitung < 5%.
o Kebaikan Model : Model estimasi persamaan regresi jangka panjang yang terbentuk
cukup baik. Sekitar 80,5% model EXC dapat dijelaskan oleh variabel
independennya yaitu CPI, sisanya (19,5%) dijelaskan oleh variabel lain diluar
persamaan.
o Interpretasi Jangka Panjang :
Jika CPI naik sebesar 1 persen maka EXC akan turun sebesar 1,46 persen,
asumsi variabel lain tetap. Dalam jangka panjang, peningkatan indeks harga
konsumen luar negeri (dalam hal ini AS) akan mengurangi nilai tukar dolar
kanada terhadap dolar AS.
b) Dari
regresi
pada
point
a)
diperoleh
nilai
residual,
ê t=Y tY^ t =lnEXC t( ^ 0+ ^1 lnCPI t ) . Nilai residual tersebut kemudian diuji
menggunakan metode yang sama yaitu uji unit akar (ADF test) untuk melihat apakah nilai
residual tersebut stasioner atau tidak.
c) Selanjutnya dari nilai residual pada point b), akan diduga persamaan autoregressive
berdasarkan persamaan berikut :
m
e^ t = e^ t1 + i e^ t i
i=1
dimana
e^ t1= ( e^ t1ê t2 ) , e^ t2= ( e^ t2ê t 3 ) , dst , dan
m : panjang lag yang digunakan.
Hipotesis yang diuji sebagai berikut :
H 0 : e^ t=I (1) artinya data residual mengandung unit root ( data residual tidak
stasioner )
atau tidak terjadi kointegrasi
H 1 : e^ t I (1) artinya data residual tidak mengandung unit root ( data residual
stasioner )
atau terjadi kointegrasi. Dengan kata lain, nilai residual dari meregresikan
lnEXC terhadap lnCPI terintegrasi pada tingkat level (I(0))
Kriteria keputusan :
H 0 ditolak jika nilai t-statistik ADF (dalam hal ini = ) < Nilai kritis McKinnon atau
nilai-p < taraf nyata tertentu (biasanya 5%) terjadi kointegrasi diantara semua variabel
yang disertakan dalam pemodelan EXC. Makna lainnya adalah regresi yang diperoleh pada
poin a) merupakan regresi terkointegrasi dan bukan spurious regression. Selain itu,
regresi tersebut dapat dikatakan sebagai fungsi statis atau jangka panjang dan
Ikin Sodikin (156090500111001)
menginterpretasikan parameter-parameternya sebagai parameter jangka panjang (Gujarati,
2004).
Berikut ini ringkasan hasil ADF test untuk persamaan residual dengan menggunakan
aplikasi GRETL :
Augmented Dickey-Fuller test for res1
including 13 lags of (1-L)res1
sample size 140
model: (1-L)y = (a-1)*y(-1) + ... + e
1st-order autocorrelation coeff. for e: -0.001
lagged differences: F(13, 126) = 1.473 [0.1365]
Dari hasil tersebut memperlihatkan bahwa pada pada taraf signifikansi 5% nilai p untuk
variabel residual < 5% variabel residual stasioner pada tingkat level (I(0)). Sehingga
dapat disimpulkan terjadi kointegrasi diantara variabel yang disertakan dalam pemodelan
EXC. Hal ini juga bermakna bahwa dalam jangka panjang akan terjadi keseimbangan atau
kestabilan pada variabel yang diamati.
Langkah 3 Analisis Error Correction Mechanism (ECM) :
Langkah ini dilakukan untuk mengoreksi ketidakseimbangan jangka pendek menuju pada
keseimbangan jangka panjang. ECM dibentuk dengan meregresikan variabel dependen diferensi
pertama (first difference) dengan semua variabel independen diferensi pertama juga serta selisih
dari prediksi equilibrium/jangka panjang dengan realisasi variabel dependen periode sebelumnya.
Secara matematis, modelnya ditulis sebagai :
Y t = 0 X t +(1 )( 0+ 1 X t 1Y t1 )+ ut
Langkah rincinya :
a) Menduga parameter model sebagai berikut :
Y t = 0 + 1 Y t1 + 0 X t + 1 X t1 +ut
Atau
lnEXC t = 0 + 1 lnEXCt 1+ 0 lnCPI t + 1 lnCPI t1 +ut
Berikut ini hasil analisis regresi OLS dan model yang terbentuk :
Model 1: OLS, using observations 1998:02-2010:10 (T = 153)
Dependent variable: lnEXC
const
lnCPI
d_lnEXC
d_lnCPI
Coefficient
6.97654
1.46738
0.485714
2.07648
Std. Error
0.261878
0.0571744
0.209189
1.38579
t-ratio
26.6405
25.6650
2.3219
1.4984
p-value
<0.0001
<0.0001
0.0216
0.1361
***
***
**
Ikin Sodikin (156090500111001)
Mean dependent var
Sum squared resid
R-squared
F(3, 149)
Log-likelihood
Schwarz criterion
rho
0.253959
0.677938
0.818105
223.3839
197.4664
374.8110
0.945443
S.D. dependent var

S.E. of regression
Adjusted R-squared
P-value(F)
Akaike criterion
Hannan-Quinn
Durbin-Watson
0.156589
0.067453
0.814442
6.38e-55
386.9328
382.0087
0.086505
Dari hasil tersebut diperoleh nilai-nilai : ^ 0=6.97654 , ^ 1=0.4857 , ^ 0=1.4674 ,

dan ^ 1=2.0765 .
b) ^ 0=1.4674 menunjukkan laju perubahan marginal CPI terhadap EXC secara jangka
pendek Secara jangka pendek, jika indeks harga konsumen luar negeri (AS) naik
sebesar 1% maka nilai tukar dolar kanada terhadap dolar AS akan menurun sebesar 1.4674
%.
^ 1= ^ 0 + ^ 1 = 1.46742.0765 = 3.5439 =6.8907 menunjukkan laju perubahan
c)
1^ 1
10.4857
0.5143
marjinal CPI terhadap EXC secara jangka panjang Secara jangka panjang, jika indeks
harga konsumen luar negeri (AS) naik sebesar 1% maka nilai tukar dolar kanada terhadap
dolar AS akan menurun sebesar 6.8907 %.
d) ECM yang terbentuk layak untuk digunakan karena memenuhi hipotesis berikut :
0<1 ^ 1 <1=0< ( 10.4857=0.5143 ) <1
0< ^ 1 <1=0< ( 0.4857 ) <1
1^ 1=( 10.4857=0.5143 ) 1 artinya bahwa dari periode waktu t-1 (bulan
sebelumnya) ke periode t (bulan ini) penyesuaian terhadap variabel EXC dan CPI terjadi
sebesar 51.43%.
f) Nilai R2 juga menunjukkan sekitar 81,81% model EXC dapat dijelaskan oleh variabel CPI t
(bulan ini) dan variabel EXCt-1 (periode bulan sebelumnya), sisanya dijelaskan oleh
variabel lain diluar persamaan.
e)

Error Correction Model

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Error Correction Model

Uploaded by

Copyright:

Available Formats

Tugas Ekonometrika 3 :

Regresi Deret Waktu-Error Correction Model (ECM)

ERROR CORRECTION MODEL (ECM)

0.9764 *** 149.6821 [0.000]

Untuk variabel lnCPI :

( 11)Y t1+ ut = Y t 1 +ut

Augmented Dickey-Fuller test for lnEXC

Augmented Dickey-Fuller test for lnCPI

test without constant

test without constant

Augmented Dickey-Fuller test for d_lnEXC

Augmented Dickey-Fuller test for d_lnCPI

test without constant

test without constant

test without constant

test without constant

Dari hasil tersebut memperlihatkan bahwa pada taraf signifikansi 5% :

^lnEXC = 6.92 - 1.46*lnCPI

S.D. dependent var

S.D. dependent var

Dari hasil tersebut diperoleh nilai-nilai : ^ 0=6.97654 , ^ 1=0.4857 , ^ 0=1.4674 ,

You might also like