Ekonometrika

Program Studi Statistika, semester Ganjil 2012/2013

Dr. Rahma Fitriani, S.Si., M.Sc
Simultaneous Equation Models
Fenomena ekonomi tidak selalu dapat dimodelkan
dengan hanya satu peubah dependent dan satu
persamaan saja
Fenomena ekonomi lebih sering melibatkan saling
ketergantungan antar peubah
Beberapa peubah dependent lebih sering ditentukan
secara simultan
Suatu peubah dapat berfungsi sebagai peubah
dependent sekaligus explanatory pada beberapa
persamaan

Contoh pada penentuan kesetimbangan
jumlah dan harga pasar
Sebelumnya dipelajari hubungan: jumlah permintaan
dipengaruhi secara negatif oleh harga dan secara
positif oleh pendapatan,
Model dengan satu persamaan
Seharusnya jumlah permintaan dan harga barang
ditentukan secara simultan oleh pasar
Jumlah permintaan dan harga adalah solusi dari
suatu sistem persamaan yang terdiri dari 3
persamaan:
Fungsi demand
Fungsi supply
Kondisi equilibrium
Demand function
t t t
d
t
u Y P Q
1 3 2 1
+ + + = | | |
Supply function
t t
s
t
u P Q
2 2 1
+ + =
Kondisi equilibrium
s
t
d
t
Q Q =
Ketiganya disebut persamaan struktural dari simultaneous
equations model
dan adalah parameter struktural
Jumlah barang dan harga adalah solusi dari sistem persamaan:
ditentukan secara simultan:
Peubah endogen
Pendapatan tidak ditentukan dari sistem persamaan: diketahui
Peubah eksogen
Exogen variable vs Explanatory variable
Tidak ada perbedaan pada model dengan satu
persamaan
Berbeda fungsi pada sistem persamaan simultan
Contoh:
Harga merupakan peubah penjelas pada persamaan
demand maupun supply, karena demand dan supply
adalah fungsi dari harga
Harga bukan peubah eksogen karena harus
ditentukan dari sistem persamaan
Tentukan solusi bagi P dari persamaan tersebut
s
t
d
t
Q Q =
t t t t t
u P u Y P
2 2 1 1 3 2 1
+ + = + + + | | |
( )
t t t t
u u Y P
1 2 3 1 1 2 2
+ + = | | |
( ) ( ) ( )
2 2
1 2
2 2
3
2 2
1 1
| |
|
|
|

=
t t
t t
u u
Y P
(*)
1 2 1 t t t
v Y P + + = t t
Penentuan Q dilakukan dengan substitusi dari fungsi
harga pada fungsi supply
t t t
v Y P
1 2 1
+ + = t t
t t
s
t
u P Q
2 2 1
+ + =
( )
t t t t
u v Y Q
2 1 2 1 2 1
+ + + + = t t
( )
t t t t
v u Y Q
1 2 2 2 2 1 2 1
t t + + + + =
(**)
2 4 3 t t t
v Y Q + + = t t
Persamaan (*) dan (**) adalah persamaan dalam bentuk
tereduksi (reduced form equations)
Permasalahan pada Simultanitas
Galat berkorelasi dengan variabel penjelas.
t t t
d
t
u Y P Q
1 3 2 1
+ + + = | | |
t t
s
t
u P Q
2 2 1
+ + =
s
t
d
t
Q Q =
Terdapat perubahan yang menyebabkan demand meningkat pada
semua harga (mis: perubahan selera)
u
it
naik Q demand naik
Q demand naik Q supply naik
Q supply naik P naik

u
it
berkorelasi dengan P (harga), salah satu variabel penjelas di
persamaan demand

u
it
berkorelasi positif dengan P (harga)
u
it
: semua faktor yang meningkatkan demand
Permasalahan pada Simultanitas
Jika galat berkorelasi dengan peubah penjelas
Penduga OLS menghasilkan penduga yang bias.
Harus diatasi dengan metode lain
Identifikasi dari Simultaneous Equation
Model
Metode yang dipakai dalam menentukan solusi
berdasarkan sifat sistem sistem persamaan
Perlu diketahui: jumlah peubah endogen (G) dan jumlah
variabel yang tidak dipakai di dalam suatu persamaan
(M)

Identified: jika M=G-1
Memungkinkan untuk memperoleh bentuk struktural dari
bentuk tereduksi (satu solusi unik)
Underindentified jika M<G-1:
Tidak memungkinkan untuk memperoleh bentuk struktural dari
bentuk tereduksi (tidak ada solusi)
Overidentified: jika M>G-1
Terdapat lebih dari satu solusi bentuk struktural dari bentuk
tereduksi



Jika terjadi kasus overidentified gunakan Two stage Least
Square (TSLS)
Jika semua persamaan teridentifikasi (identified): metode
Indirect Least Square (ILS)
Tidak dapat dilakukan pendugaan jika terjadi terjadi kasus
underidentified
Pada fungsi demand dan supply terdapat 3 peubah endogen
(Q
d
, Q
s
dan P): G = 3

Pada Demand function terdapat satu peubah yang tidak
digunakan (Q
s
), M=1
M<G-1: 1<2
Demand function is underidentified


t t t
d
t
u Y P Q
1 3 2 1
+ + + = | | |
t t
s
t
u P Q
2 2 1
+ + =
Pada Supply function
Terdapat 2 peubah yang tidak digunakan (Q
d
dan Y), M=2
M=G-1
Supply function is indentified
t t
s
t
u P Q
2 2 1
+ + =
Dari Reduced Form Equation
( )
t t t t
v u Y Q
1 2 2 2 2 1 2 1
t t + + + + =
t t t
v Y Q
2 4 3
+ + = t t
( ) ( ) ( )
2 2
1 2
2 2
3
2 2
1 1
| |
|
|
|

=
t t
t t
u u
Y P
t t t
v Y P
1 2 1
+ + = t t
t t
Y Q
4 3

t t + =
t t
Y P
2 1

t t + =
2
4
2

t
t
=
t t
s
t
u P Q
2 2 1
+ + =
Penduga diperoleh dari dua bentuk tereduksi tsb.
Penduga digunakan untuk mengidentifikasi Supply function
Menggunakan penduga dari reduced form equation untuk
menentukan penduga parameter bentuk struktural supply function:
metode ILS
1 2 3 1
t t =
Fungsi demand: underindentified
Walaupun penduga parameter bentuk tereduksi dapat
dikembalikan ke bentuk struktural, akan tetapi tidak
dapat diperoleh solusi unik
t t t
d
t
u Y P Q
1 3 2 1
+ + + = | | |
( ) ( ) ( )
2 2
1 2
2 2
3
2 2
1 1
| |
|
|
|

=
t t
t t
u u
Y P
t t t
v Y P
1 2 1
+ + = t t
t t
Y P
2 1

t t + =
2 2
1 1
1

|
|
t

=
2 2
3
2

|
|
t

=
Sama-sama belum
diketahui
Sama-sama belum
diketahui
Penduga bentuk
tereduksi
Dibutuhkan bentuk struktural
Ilustrasi Metode ILS
Dua persamaan tersebut menyatakan setiap peubah endogen
(harga dan jumlah) sebagai fungsi dari peubah eksogen
(pendapatan)
Reduced form equations dengan reduced form parameters
t t t
v Y P
1 2 1
+ + = t t
t t t
v Y Q
2 4 3
+ + = t t
^Qprod = 100 + 0.00203*Y
(2.65)(0.00149)

T = 22, R-squared = 0.085
(standard errors in parentheses)
^Price = 108 + 0.00314*Y
(5.45)(0.00305)

T = 22, R-squared = 0.050
(standard errors in parentheses)
t t
Y P 00314 . 0 108

+ =
t t
Y Q 00203 . 0 100

+ =
6444 . 0
00314 . 0
00203 . 0

2
4
2
= = =
t
t

Supply function teridentifikasi

Penduga dari reduced form equation dapat diolah untuk
menentukan penduga parameter bentuk struktural supply
function dengan metode ILS
4 . 30 108 * 6444 . 0 100
1 2 3 1
= = = t t
t t t
Y Y P 00314 . 0 108

2 1
+ = + = t t
t t t
Y Y Q 00203 . 0 100

4 3
+ = + = t t
t
s
t
P Q 6444 . 0 4 . 30

+ =
1 unit kenaikan harga menaikkan jumlah penawaran sebesar
0.6444
Permasalahan
Demand sebagai fungsi dari harga dan pendapatan belum
teridentifikasi
Koefisien marjinal harga terhadap demand
2
belum
teridentifikasi
Koefisien marjinal pendapatan terhadap demand
3
belum
teridentifikasi
t t t
d
t
u Y P Q
1 3 2 1
+ + + = | | |
Contoh Terapan Simultaneous Equation
Models Pada IS/LM Model
Memodelkan suku bunga sebagai fungsi dari jumlah
uang beredar dan pendapatan (PDB), di mana:
Pendapatan (PDB) merupakan fungsi dari suku bunga
dan laju inflasi
Merupakan sistem persamaan simultan
R: suku bunga
M: jumlah uang beredar
Y: PDB
I: tingkat investasi

t t t t t
u M Y M R LM
1 1 14 13 12 11
: + + + + =

| | | |
t t t t
u I R Y IS
2 33 22 21
: + + + = | | |
Terdapat 2 peubah endogen Y dan R (G=2),
dan 2 peubah eksogen M dan I
Secara keseluruhan terdapat 5 peubah di mana 2 di antaranya
adalah peubah endogen (G=2)
Pada LM terdapat 1 peubah yang tidak digunakan (M=1 I):
M = G-1 identified
Pada IS terdapat 2 peubah yang tidak digunakan ((M=2 M
t

dan M
t-1
):
M > G-1 overidentified

t t t t t
u M Y M R LM
1 1 14 13 12 11
: + + + + =

| | | |
t t t t
u I R Y IS
2 33 22 21
: + + + = | | |
Menggunakan
metode TSLS
Two Stage Least Square (TSLS)
Tahap satu:
Duga masing-masing variabel endogen berdasarkan
peubah eksogen
Tahap dua:
Gunakan penduga variabel endogen yang diperoleh di
tahap 1 jika diperlukan pada persamaan struktural
Tahap 1: Model LM, R fungsi dari peubah
eksogen saja
Model 1: OLS, using observations 1970-1997 (T = 28)
Dependent variable: R

coefficient std. error t-ratio p-value
----------------------------------------------------------
const 18.8581 3.79758 4.966 4.53e-05 ***
I -7.61094e-05 6.20485e-05 -1.227 0.2319
M 0.00129061 0.00162341 0.7950 0.4344
M_1 -0.00151052 0.00165897 -0.9105 0.3716


1
5
0015 . 0 0013 . 0 10 61 . 7 86 . 18

+ =
t t t t
M M I R
Tahap 1: Y fungsi dari peubah eksogen saja
Model 2: OLS, using observations 1970-1997 (T = 28)
Dependent variable: Y

coefficient std. error t-ratio p-value
-----------------------------------------------------------
const 32.7519 1.47018 22.28 1.53e-017 ***
I 0.000287531 2.40212e-05 11.97 1.32e-011 ***
M 0.00219250 0.000628480 3.489 0.0019 ***
M_1 -0.000824774 0.000642247 -1.284 0.2113


1
00082 . 0 0022 . 0 00029 . 0 75 . 32

+ + =
t t t t
M M I Y
Tahap 2: Menduga Y (IS) dengan
menggunakan fitted value dari R
Model 2: OLS, using observations 1970-1997 (T = 28)
Dependent variable: Y

coefficient std. error t-ratio p-value
-----------------------------------------------------------
const 98.7996 19.1793 5.151 2.52e-05 ***
Rhat -4.04296 0.873897 -4.626 9.81e-05 ***
I 0.000217952 0.000114163 1.909 0.0678 *

t t t
I R Y IS
33 22 21

: | | | + + =
t t t
I R Y IS 00022 . 0

04 . 4 8 . 98

: + =
Tahap 2: Menduga R menggunakan fitted
value dari Y
Model 3: OLS, using observations 1970-1997 (T = 28)
Dependent variable: R

coefficient std. error t-ratio p-value
--------------------------------------------------------
const 27.5275 10.7201 2.568 0.0169 **
M 0.00187096 0.00178500 1.048 0.3050
M_1 -0.00172884 0.00168899 -1.024 0.3162
Yhat -0.264700 0.215798 -1.227 0.2319
1 14 13 12 11

:

+ + + =
t t t t
M Y M R LM | | | |
1
0017 . 0

26 . 0 0019 . 0 53 . 27

:

+ =
t t t t
M Y M R LM
Menggunakan option TSLS pada software
Masukkan semua peubah ekspanatori yang dibutuhkan
pada persamaan yang ingin diduga sebagai independent
variables
Masukkan semua peubah eksogen sebagai instrument
variables
1 14 13 12 11

:

+ + + =
t t t t
M Y M R LM | | | |
Pada LM,
R dependent,
Y
t
, M
t
dan M
t-1
independent
I
t
, M
t
dan M
t-1
instrument
Pada IS,
Y dependent,
R
t
, dan I
t
independent
I
t
, M
t
dan M
t-1
instrument
t t t
I R Y IS
33 22 21

: | | | + + =
TSLS, untuk menduga Y (LM)
Model 5: TSLS, using observations 1970-1997 (T = 28)
Dependent variable: Y
Instrumented: R
Instruments: const M I M_1

coefficient std. error z p-value
----------------------------------------------------------
const 98.7996 68.7067 1.438 0.1504
R -4.04296 3.13059 -1.291 0.1966
I 0.000217952 0.000408970 0.5329 0.5941

Mean dependent var 79.16429 S.D. dependent var 14.07352
Sum squared resid 3191.649 S.E. of regression 11.29894
R-squared 0.596911 Adjusted R-squared 0.564664
F(2, 25) 19.97017 P-value(F) 6.57e-06
rho 0.354478 Durbin-Watson 1.283596

t t t
I R Y IS 00022 . 0

04 . 4 8 . 98

: + =
Ingat hasil
sebelumnya!
TSLS untuk menduga R
Model 6: TSLS, using observations 1970-1997 (T = 28)
Dependent variable: R
Instrumented: Y
Instruments: const M I M_1

coefficient std. error z p-value
--------------------------------------------------------
const 27.5275 11.1348 2.472 0.0134 **
M 0.00187096 0.00185405 1.009 0.3129
Y -0.264700 0.224145 -1.181 0.2376
M_1 -0.00172884 0.00175432 -0.9855 0.3244


1
0017 . 0

26 . 0 0019 . 0 53 . 27

:

+ =
t t t t
M Y M R LM
Ingat hasil
sebelumnya!