Feb 11, 2014

[Tutorial Eviews] Error Correction Mechanism (ECM)

Pada postingan sebelumnya suda dijelaskan beberapa hal mengenai Error Correction Mechanism (ECM). Nah, pada post ini akan dipaparkan praktek eviews, tahap-tahap ECM yang sudah dijelaskan sebelumnya di Teori ECM. Untuk tutorial, silahkan download datanya di sini.
Lebih jelas mengenai praktek tahap-tahap ECM tersebut dalam eviews adalah sebagai berikut:

I. Pengecekan Stasioneritas

Hal penting yang harus diingat ketika menganalisis data time series adalah mengutamakan pengecekan stasioneritas datanya sebelum diproses lebih lanjut (lebih detail mengenai uji stasioneritas menggunakan eviews bisa dilihat di postingan ini).
Khusus untuk metode ECM, pastikan seluruh variabel yang digunakan, tidak ada yang stasioner pada Level. Oleh karena itu, tahap pertama dalam tutorial ini adalah menguji stasioneritas seluruh variabel. Supaya lebih memudahkan, stasioneritasnya tidak usah dicek satu-satu tapi secara bersamaan. Caranya, pada Workfile ECM, block semua variabel yg ingin digunakan, klik kanan lalu pilih Open > as Group. Setelah itu akan muncul tampilan seperti gambar di bawah:
data lengkap

Selanjutnya, pada window baru, klik View > Unit Root Test, dan kemudian akan muncul window dengan nama "Group Unit Root Test" seperti gambar di bawah. Untuk tahap awal, set tipe data ke Level.
ecm option

Untuk uji stasioneritas kumpulan variabel ini, yang berbeda dengan 1 variabel adalah Test Type-nya (kotak hijau). Supaya stasioneritas masing-masing variabel bisa dicek, pilih Test Type yang ada kata "Individual..."-nya. Setelah itu klik OK, yang lain tidak usah diubah.
Berikutnya akan muncul window yang berisi output seperti:
philips perron


Bagian yang perlu diperhatikan adalah kolom Probability yang posisinya paling bawah output. Karena hasil pengujian yang diinginkan adalah seluruh variabel tidak stasioner pada Level, nilai probabilitas masing-masing variabel harus lebih besar dari alpha yang ditetapkan.
Misalnya kita pakai alpha=0.05, karena semua nilainya memang lebih besar dari 0.05, semua variabel tidak ada yg stasioner pada Level dan penerapan metode ECM, boleh dilanjutkan.
Agar lain kali bisa langsung dilihat, jangan lupa outputnya disimpan. Caranya, klik Freeze, setelah itu akan muncul window baru yang tampilannya sama. Di window baru, klik Name, terserah teman2 outputnya mau dinamai apa. Output yang disimpan tadi akan muncul sebagai objek baru dengan simbol simbol tabel
Untuk output2 berikutnya, kalau mau disimpan, silahkan pakai cara tersebut.

Kalau sudah dipastikan tidak ada yang stasioner di Level, ulangi langkah uji stasioneritasnya tapi dengan data 1st difference (gambar 2). Untuk contoh yg saya berikan, semua variabelnya stasioner pada tahap ini (difference pertama), sehingga pada output berikutnya, nilai kolom Probability semua variabel berada di bawah 0.05.
philips perron difference

Misalkan saja ada kasus dimana 1 saja variabel tidak stasioner pada difference pertama seperti yg lain, maka kita harus men-difference-kan semua variabel lagi ke 2nd difference dan seterusnya, sampai semuanya stasioner.

II. Estimasi persamaan jangka panjang

Variabel-variabel yang ingin digunakan dan telah memenuhi syarat pada tahap 1, pada tahap ini akan dibuat persamaan regresinya, dengan Y sebagai variabel terikat sedangkan sisanya, semua sebagai variabel bebas. Kembali ke Workfile ECM, block lagi semua variabelnya pilih Open > as Equation..., setelah itu akan akan muncul window tempat kita mengisi persamaan. Tulis persamaannya persis seperti gambar di bawah:

Pilihan yang lain tidak perlu diubah, setelah tulis persamaan langsung klik OK. Berikutnya akan muncul output yang berisi estimasi dari koefisien2 tiap variabel bebas. Perhatikan nilai2 signifikansi yang dilingkari pada gambar di bawah:
output ecm


Cek nilai F-statistic (kotak hijau) lebih dulu, kalau memang sudah lebih kecil dari alpha (0.05), barulah bisa kita cek nilai signifikansi masing2 variabel (kotak biru). Signifikansi masinng2 variabel tidak harus semuanya berada di bawah 0.05, kalau di dalam suatu penelitian, hal tersebut tergantung pada kajian teorinya. Namun, apabila nilai probabilitas suatu variabel bebas berada di bawah 0.05, maka variabel bebas tersebut dikatakan berpengaruh terhadap variabel terikatnya.

III. Pengecekan Kointegrasi

Pada teori mengenai ECM sebelumnya telah dijelaskan bahwa kointegrasi suatu persamaan regersi dapat dilihat dari residualnya. Apabila residual stasioner, terdapat kointegrasi.
Pada workfile ECM ada variabel dengan nama resid, yang merupakan tempat menyimpan residual persamaan yang baru saja diestimasi, sehingga nilainya berubah-ubah. Padahal residual persamaan jangka panjang, akan diuji stasioneritasnya dan digunakan sebagai variabel pada persamaan berikutnya. Oleh karena itu, langsung setelah estimasi persamaan jangka panjang, kita harus menyimpa residualnya dalam bentuk variabel baru yang tetap. Caranya adalah meng-generate variabel baru yg nilainya sama dengan variabel resid. Misal kita buat variabel baru tersebut dengan nama res menggunakan perintah seperti gambar di bawah lalu klik enter:

kointegrasi
Variabel baru dengan nama res tersebut kemudian kita uji stasioneritasnya seperti pada langkah pertama, klik kanan di variabelnya, Open, di window baru pilih View > Unit root test, pilih tipe data Level  lalu klik OK. Apabila kolom Prob* berisi nilai di bawah alpha (0.05), maka kita bisa lanjut ke estimasi persamaan jangka pendek.
output kointegrasi


Output di atas memberikan informasi bahwa variabel res stasioner pada Level, dan secara tersirat menyatakan bahwa Y, X1, X2, X3, X4, X5, dan X6 sailing berkointegrasi.

IV. Estimasi persamaan jangka pendek

Pada tahap ini, buat lagi persamaan regresi menggunakan variabel-variabel sebelumnya (tapi yg sudah distasionerkan) ditambah variabel res (tahun sebelumnya). Caranya, munculkan lagi window untuk memasukkan persamaan dengan memilih "Estimation Equation..." yang ada pada menu Quick (paling atas). Setelah itu akan muncul tampilan:
estimasi jangka pendek

Karena variabel Y, X1, X2, X3, X4, X5, dan X6 stasioner pada difference pertama, gunakan transformasi variabel-variabel tersebut ke bentuk difference pertama dalam persamaan. Jangan lupa menyertakan variabel res(-1) yg merupakan residual pada tahun sebelumnya. Tuliskan persamaan persis seperti pada kotak merah gambar di atas lalu klik OK. Setelah itu akan muncul output sepert ini:
hasil jangka pendek

Untuk persamaan jangka pendek, pertama-tama pastikan nilai probabilitas F-statistic berada di bawah alpha (0.05). Setelah itu, cek speed of adjustment-nya (koefisien dari res(-1)). Nilai koefisien tersebut harus negatif dan signifikan (probabilitasnya berada di bawah 0.05). Barulah kemudian kita cek probabilitas masing-masing variabel, yg mana saja yang nilainya signifikan atau berada di bawah alpha (0.05), sama seperti pada persamaan jangka panjang.

V. Pengecekan Asumsi

Tahap ini sebenarnya adalah tahap yang harus ada untuk semua metode yang menggunakan regresi dalam proses analisisnya. Pada bagian teori ECM juga hanya disinggung sedikit karena nanti akan dibahas satu-satu beserta tutorialnya pada postingan yang berbeda.

VI. Interpretasi

Setelah seluruh tahap-tahap ECM terpenuhi kita mendapatkan 2 persamaan yang menjadi inti dari digunakan metode ini. Dari sinilah pengaruh variabel-variabel bebas terhadap variabel terikat yang ingin kita teliti, dapat dijelaskan.
Berdasarkan output persamaan jangka panjang, didapatkan:

Yt = -8.0993 + 0.7422 X1t* - 0.3207 X2t* + 0.9738 X3t* + 0.4464 X4t - 0.1172 X5t* - 0.0253 X6t

ket : (*) --> variabel yang signifikan (<0.05)
        (t) --> periode atau tahun 


Persamaan ini hanya dapat memberikan kita informasi bahwa dalam jangka panjang, X1, X2, X3, dan X5 berpengaruh signifikan terhadap Y.
Sedangkan dari output persamaan jangka pendek, didapatkan:

ΔYt = 0.0025 + 0.4157 ΔX1t* - 0.3156 ΔX2t* + 1.0558 ΔX3t* + 0.0816 ΔX4t - 0.0739 ΔX5t* - 0.0741 ΔX6t - 0.6899 RESt-1

Persamaan tersebut memberikan kita informasi bahwa dalam jangka pendek, X1, X2, X3, dan X5 berpengaruh signifikan terhadap Y.
  1. Kenaikan perubahan X1 sebesar 1 unit akan menyebabkan kenaikan perubahan Y sebesar 0.42 unit,
  2. Kenaikan perubahan X2 sebesar 1 unit akan menyebabkan penurunan perubahan Y sebesar 0.32 unit,
  3. Kenaikan perubahan X3 sebesar 1 unit akan menyebabkan kenaikan perubahan Y sebesar 1.06 unit, dan
  4. Kenaikan perubahan X5 sebesar 1 unit akan menyebabkan penurunan perubahan Y sebesar 0.07 unit
Berdasarkan nilai speed of adjustment, ada sebesar 69% ketidakseimbangan, pada pengaruh jangka pendek X1, X2, X3, X4, X5, dan X6 terhadap Y, yg terkoreksi setiap periodenya.
Written by: Nasrul Setiawan
STATISTIK CERIA, Updated at: 12:44 AM

45 comments :

  1. pantesan jorok bgt...

    yudha

    ReplyDelete
  2. Mas/Mba,

    dari persamaan jangka pendek Prob F=0.109. Koefisien Res(-1)= -0.19 dengan Std error=0.124 , t-stat= -1,60 dan Prob=0.1172. Apakah ECM dengan hasil ini sah? Jika tidak lalu bagaimana?.

    Makasih

    ReplyDelete
    Replies
    1. kalau seperti itu, speed of adjustment/koefisien res(-1) nya memang negatif tapi tidak signifikan. Prob nya harus lebih kecil dari alfa, sedangkan nilai alfa itu hanya 0,01, 0,05, dan 0,10 saja.
      Artinya ECM nya tidak sah. Saran saya, coba bapak cek lagi stasioneritasnya, semuanya harus distasionerkan pada orde yg sama di persamaan jangka pendeknya, tapi difference nya juga jangan terlalu banyak. cukup sekali saja. kalau harus 2 kali, coba datanya ditransformasi ke bentuk logaritma natural.

      Delete
  3. Hasil uji stasioner tuk res dengan tingkat level , nilai prob nya diatas alpha, dan pada tingkat 1st diff barulah di bawah alpha. Apa bisa lanjut ke prsamaan jangka pendek?

    ReplyDelete
    Replies
    1. maaf mas, ralat, kalo res nya gak stasioner pada level, berarti gak bisa

      Delete
  4. Karena res nya stasioner pd tingkat 1st diff bukan level dan var x1 dan x2 nya stasioner pd 1st diff. Bagaimana persamaan jangka pendeknya?. Apakah (y) c d(x1) d(x2) d(res-1)) dgn hasil koef res nya positif dg prob nya di atas alpha, ATAU d(y,2) c d(x1,2) d(x2,2) d(res(-1)) dgn hasil koef res nya negatif dan prob nya di bawah alpha?. Thx

    ReplyDelete
    Replies
    1. d(y) c d(x1) d(x2) res-1.
      seperti contoh di atas.
      nilai koef res nya harus negatif dan signifkan (di bawah alpha)

      Delete
  5. Untuk langkah no V. Pengecekan Asumsi. Dilakukan untuk persamaan jangka panjang atau jangka pendek atau keduanya?

    ReplyDelete
    Replies
    1. persamaan regresi jangka pendek dan jangka panjang, koefisiennya diestimasi dengan (Ordinary Least Square) OLS, dan OLS wajib uji asumsi klasik. Tapi memang di banyak penelitian mengenai ECM, jarang ada uji asumsi klasik di persamaan jangka panjang.

      Delete
  6. terima kasih, postingan nya membantu dalam menyelesaikan tugas :)

    ReplyDelete
  7. kok ada analisis jangka pendek dan jangka panjang nya, itu mksudnya bagaimana ya???
    perbedaan membaca datanya bgaimana???
    terimksih
    dody

    ReplyDelete
  8. itu salah stu kelebihan dari ECM. jangka pendek mksdnya tuh analisisnya berlaku untuk jangka pendek. dan begitu pun yang jangka panjang.

    Kalau cara membaca datanya mngkn sudah jelas diatas.

    ReplyDelete
  9. boleh saya minta referensi buku postingan diatas?

    ReplyDelete
  10. kalau prob (f-stat) model ECM nya jelek apa artinya ga bisa dipakai gan? long run sih oke...

    ReplyDelete
  11. gan cara meng-generate variabel baru yg nilainya sama dengan variabel resid gmn??

    ReplyDelete
    Replies
    1. ketik "genr namavariabel=resid" trus enter, gan

      Delete
  12. yang mempengaruhi residual nya stasioner atau tidak itu apanya ya min?

    ReplyDelete
    Replies
    1. pola pergerakan variabel endogen dan eksogennya dalam persamaanya pak, Salah satu contonya kalau selisih variabel endogen (biasanya y) dan eksogen hampir sama tiap tahun. Tapi sekali lagi, ECM khusus digunakan untuk variabel-variabel yang tidak stasioner (pada level)

      Delete
  13. Data saya kena auto. Nilai chi square nya > 0.05 . Bgmn cara mengatasinya?? Langkah langkah nya?? Kalo bisa tolong tutorialkan. Lalu dibagian ect sudah stasioner pd level yakni 0.02xx. Namun pada saat diestimasikan kedalam persamaan jangka pendek (ect(-1)) itu nilai prob >0.05. Itu bagaimana?? Jika berkenan mohon dibalas via email pratiwie_susan@yahoo.com . Trimakasih

    ReplyDelete
    Replies
    1. Maksudnya kurang dari 0.05 chi square nya

      Delete
    2. kalo koef ect(-1) tidak signifikan berarti ECM nya tidak bisa digunakan. Biasanya masalah-masalah dalam persamaan regresi seperti ini bisa diatasi dengan transformasi data mbak

      Delete
  14. itu make eviews versi berapa ya?

    ReplyDelete
  15. setelah ketauan stasioner di 1st difference efeknya kemana ya? d regresi jangka panjang memang gk dirubah ya? maaf, awam nih

    ReplyDelete
  16. mau tanya kalau masih ada 1 data yg belum stationer di difference 1 tapi di difference ke 2 baru stationer semua apa bisa dilanjutkan untuk ecm?

    ReplyDelete
  17. maksudnya speed of adjustment yg sebesar 69% itu gimana nyarinya? ajarin donk...

    ReplyDelete
  18. bagaimana dg asumsi klasik? apa metode ecm perlu menggunakan asumsi klasik? mohon bantuan dan penjelasannya.

    ReplyDelete
  19. ya ampun untung ada yg nulis ini :) catetan time seriesku udah ke tukang loak hahaha
    makasiiiih lo :)

    ReplyDelete
  20. kak tanya dong,, itu kalo analisis pake ecm itu asumsi klasik mesti diuji ga kak? dari jurnal2 yang aku baca pada di skip semua soalnya,, mohon pencerahannya kak

    ReplyDelete
  21. seandainya res nya gak stasioner pada level apa yang harus dilakukan ya mas

    ReplyDelete
  22. kalau difference nya sampai 2 kali baru stationer, padahal sudah di "Ln" kan, terus bagaimana?

    ReplyDelete
  23. nice info gan, sangan membantu sekali..
    terima kasih :D

    tpi permisi gan, mau nanyak,,
    kalau dalam jangka panjang OLS dan janka pendek ECM masih ada yg tidak signifikan gmn ya?
    terima kasih

    ReplyDelete
  24. Selamat pagi
    residual ecm saya pada second difference. Apakah bisa lanjut uji ecm ?terima kasih

    ReplyDelete
  25. Mas, saya sedang menulis skrisps. Pada saat uji stasioner pda tingkat level 1 data variabel saya sudah stasioner smentara yg lainnya tidak stasioner. Kmudian pda dif 1 semua data baru stasioner. Kmudian saat uji kointegrasi nilai prob nya lebih besar dari 0.05. Apakah pnelitian saya tidak bisa menggunakan ECM? Kemudian apa solusinya?
    Terima kasih

    ReplyDelete
  26. gimana perintah d eviews untuk second differens?
    klo first differens --> D(x1) c D(X2)
    klo second differens nya piye ya pak?? mohon bantuanx..

    ReplyDelete
  27. kalo ECM short run exist but no short run coefficient found to be significant, do we still present the Equation, but explain the ECM only. Thanks.

    ReplyDelete
  28. kalau data saya stationer pada 2nd difference, apakah residu yang saya pakai menjadi "Res(-2)" atau tetap "Res(-1)". terimakasih mas

    ReplyDelete
  29. Instagram @olahdatasemarang WA 085227746673 PIN BB D04EBECB melayani jasa olah data SPSS, EVIEWS, AMOS, LISREL, SMARTPLS, WDEA (Warwick DEA), WINDEAP (DEAP 2.1 For Window), NCSS, STATA, MINITAB, WARPPLS, EXPERT CHOICE

    ReplyDelete
  30. Pak sy ingin tny. sy menggunakan 6 variabel,1 variabel stasioner di dif 2 sdgkn yg lainnya di dif 1. ketika di uji residual regresiny sdh stasioner di level.
    ketika dibuat pers jgk pdk hasil dr resreg(-2) tdk sig namun negatif sdgkn 3 var sig dan 3 var lainnya tdk.
    jd bgmn kesimpulan utk pers jgk pdkny? apkh ada pengaruh atau tidak?
    trima ksh.

    ReplyDelete

 

Copyright @ 2013 Statistik Ceria

close