Model ECM (Error Correction Model)

OLAH DATA STATISTIK

Terkadang terdapat beberapa kombinasi variabel dependen dengan independen yang data levelnya tidak stationer, namun kombinasi linier antara keduanya menjadi stationer.

Jika 2 variabel ini dipaksakan untuk diregresikan, maka regresi yang dihasilkan kadang kala baik-baik saja.

Akan tetapi interpretasi hasil analisis tidak sesuai dengan kenyataan sesungguhnya. Kedua variabel ini, seringkali disebut berkointegrasi.

Regresi ini seringkali disebut spurious regression (regresi palsu), dikarenakan terdapat kondisi kointegrasi.

Kointegrasi?

Kointegrasi adalah kombinasi linier antar variabel-variabel yang tidak stationer shingga menghasilkan peubah baru yang stationer (U_t)

Sehingga persamaan seimbang hanya untuk jangka panjang saja.

Maka, cara mengatasinya adalah dengan model ECM.

Jika X_t dan Y_t terkointegrasi, maka U_t akan stationer, karena U_t adalah kombinasi linier dari X_t dan Y_t

_.

Model ECM menambah pengaruh U_t-1 ke dalam model sehingga keseimbangan model regresi dari jangka pendek menuju jangka panjang.

dimana

Sehingga menjadi persamaan baru

Keterangan :

 Notasi  θ_t adalah error baru.

Nilai β₂ diharapkan signifikan, maka nilai  diharapkan mampu mengatasi flugtuasi model yang menyimpang dari sebenarnya.

Nilai β₂ diharapkan bernilai -1< β₂<0, maka nilai  akan dapat menyeimbangkan keseimbangan jangka pendek menuju keseimbangan jangka panjang.

Cara mendeteksi kointegrasi:

Mengecek stationeritas nilai residual.

Jika tidak stationer, maka tidak ada kointegrasi

Jika stationer, maka ada kointegrasi.

Untuk pembahasan lebih lanjut, mohon datang ke kantor Statistic Centre atau hubungi langsung contact person SC.

(Ditulis oleh Ivan Setiadi Tanujaya)