Upload
others
View
16
Download
0
Embed Size (px)
Citation preview
1 | TUTORIAL UJI KAUSALITAS GRANGER
UJI KAUSALITAS GRANGER Agus Tri Basuki, SE., M.Si
Uji kausalitas Granger adalah uji hipotesis statistik untuk menentukan apakah satu
rangkaian waktu berguna dalam memperkirakan yang lain (Granger, 1969). Biasanya,
regresi mencerminkan hubungan korelasi antar variabel, tetapi Clive Granger berpendapat
bahwa kausalitas dalam ekonomi dapat diuji dengan mengukur kemampuan untuk
memprediksi nilai masa depan dari deret waktu menggunakan nilai sebelumnya dari deret
waktu lain. Ahli ekonometrika menyatakan bahwa uji Granger hanya menemukan
"kausalitas prediktif" . Menggunakan istilah "kausalitas" saja adalah keliru, karena Granger-
kausalitas lebih baik digambarkan sebagai "presedensi" atau, seperti yang diklaim Granger
sendiri pada tahun 1977, "terkait secara temporer". Daripada menguji apakah Y
menyebabkan X, kausalitas Granger menguji apakah Y mampu memperkirakan X.
Misalkan kita akan meneliti hubungan antara Indeks Harga Saham Gabungan
dengan Produk Domestik Bruto dengan menggunakan model regresi. Kita agak kesulitan
untuk menentukan apakah variabel IHSG akan mempengaruhi PDB ataukah PDB yang
akan mempengaruhi IHSG.
Hubungan Matematika :
1. IHSG = f (PDB)
2. PDB = f (IHSG)
Dari persamaan tersebut manakah yang benar ? Untuk dapat mengatasi persoalan
tersebut marilah kita pahami diagram sebagai berikut :
2 | TUTORIAL UJI KAUSALITAS GRANGER
Sumber : Gujarati, D. N., & Porter, D. C. (2003). Granger, C. W. (1969).
Gambar 1. Tahapan Uji Kausalitas Granger
3 | TUTORIAL UJI KAUSALITAS GRANGER
Tabel 1 : IHSG dan PDB tahun 2013-2019
Tahun Bulan IHSG PDB
2013
Januari 604.61 3,524.48
Februari 660.34 3,690.65
Maret 670.94 3,864.94
April 676.58 3,323.53
Mei 660.16 3,306.32
Juni 623.75 3,776.32
Juli 592 3,055.83
Agustus 585.59 3,715.09
September 615.71 2,967.21
Oktober 579.87 2,957.63
November 585.11 3,039.67
Desember 602.87 2,920.47
2014
Januari 626.86 2,902.38
Februari 640.41 2,961.85
Maret 647.67 3,097.91
April 656.83 3,099.93
Mei 655 3,422.23
Juni 690.4 2,850.91
Juli 691.13 3,388.73
Agustus 687.62 2,908.40
September 670.44 2,740.86
Oktober 683.02 2,574.00
November 691.04 2,969.17
Desember 706.68 2,775.61
2015
Januari 722.1 2,771.04
Februari 728.2 3,034.09
Maret 664.8 2,567.22
April 698.07 2,725.24
Mei 656.99 2,979.93
Juni 641.97 2,671.88
Juli 598.28 2,951.35
Agustus 556.09 2,731.87
September 586.1 2,500.68
Oktober 579.8 2,691.83
November 603.35 2,653.91
Desember 612.75 2,760.82
4 | TUTORIAL UJI KAUSALITAS GRANGER
Tahun Bulan IHSG PDB
2016
Januari 641.86 2,768.37
Februari 652.69 2,855.94
Maret 653.26 2,797.27
April 648.85 2,810.93
Mei 694.34 2,909.91
Juni 726.61 2,671.79
Juli 746.87 3,533.32
Agustus 739.69 2,731.07
September 739.91 2,882.21
Oktober 682.71 2,919.21
November 694.13 2,735.37
Desember 689.32 2,853.38
2017
Januari 698.08 2,876.67
Februari 718.35 3,199.51
Maret 738.19 2,772.47
April 733.69 3,411.06
Mei 749.6 3,081.06
Juni 748.37 3,872.69
Juli 746.26 2,955.20
Agustus 733.3 2,831.15
September 728.69 3,303.45
Oktober 713.66 2,816.13
November 759.07 2,825.92
Desember 787.12 3,280.69
2018
Januari 765.957 3,170.18
Februari 770.0181 3,184.82
Maret 774.0793 3,199.45
April 778.1404 3,214.08
Mei 782.2016 3,228.71
Juni 786.2627 3,243.35
Juli 790.3239 3,257.98
Agustus 794.3851 3,272.61
September 798.4462 3,287.24
Oktober 802.5074 3,301.87
November 806.5685 3,316.51
Desember 810.6297 3,331.14
2019 Januari 814.6908 3,345.77
Februari 818.752 3,360.40
5 | TUTORIAL UJI KAUSALITAS GRANGER
Tahun Bulan IHSG PDB
Maret 822.8131 3,375.03
April 826.8743 3,389.67
Mei 830.9355 3,404.30
Juni 834.9966 3,418.93
Juli 839.0578 3,433.56
Agustus 843.1189 3,448.20
September 847.1801 3,462.83
Oktober 851.2412 3,477.46
November 855.3024 3,492.09
Desember 859.3636 3,506.72
Tahapan Melakukan Uji Kausalitas Granger
1. Penentuan Nilai Lag
Jumlah kelambatan untuk dimasukkan biasanya dipilih dengan menggunakan kriteria
informasi, seperti kriteria informasi Akaike (AIC) atau kriteria informasi Schwarz .
Nilai lagged tertentu dari salah satu variabel dipertahankan dalam regresi jika (1)
signifikan menurut uji-t, dan (2) nilai lagged lain dari variabel secara bersama-sama
menambahkan daya penjelas ke model sesuai dengan sebuah uji-F. Maka hipotesis nol
dari kausalitas Granger tidak ditolak jika dan hanya jika tidak ada nilai lagging dari
variabel penjelas telah dipertahankan dalam regresi.
Dengan melakukan regresi
a. IHSG IHSG(-1) pdb(-1) c
Diperoleh Hasil Sebagai Berikut
6 | TUTORIAL UJI KAUSALITAS GRANGER
Dependent Variable: IHSG Method: Least Squares Date: 07/12/20 Time: 15:22 Sample (adjusted): 2013M02 2019M12 Included observations: 83 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. IHSG(-1) 0.972894 0.032565 29.87500 0.0000
PDB(-1) 0.001072 0.008033 0.133463 0.8942 C 19.00333 25.92675 0.732962 0.4657 R-squared 0.931736 Mean dependent var 713.4577
Adjusted R-squared 0.930029 S.D. dependent var 80.25870 S.E. of regression 21.22998 Akaike info criterion 8.984181 Sum squared resid 36056.97 Schwarz criterion 9.071609 Log likelihood -369.8435 Hannan-Quinn criter. 9.019305 F-statistic 545.9611 Durbin-Watson stat 1.774767 Prob(F-statistic) 0.000000
Nilai AIC sebesar 8.98
b. IHSG IHSG(-1) IHSG(-2) pdb(-1) pdb(-2) c
Diperoleh Hasil Sebagai Berikut
7 | TUTORIAL UJI KAUSALITAS GRANGER
Dependent Variable: IHSG Method: Least Squares Date: 07/12/20 Time: 15:23 Sample (adjusted): 2013M03 2019M12 Included observations: 82 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. IHSG(-1) 1.053760 0.109540 9.619902 0.0000
JII(-2) -0.062289 0.111137 -0.560466 0.5768 PDB(-1) -0.001970 0.008726 -0.225743 0.8220 PDB(-2) -0.003340 0.008473 -0.394196 0.6945
C 24.73302 27.50283 0.899290 0.3713 R-squared 0.936855 Mean dependent var 714.1054
Adjusted R-squared 0.933575 S.D. dependent var 80.53400 S.E. of regression 20.75613 Akaike info criterion 8.962598 Sum squared resid 33172.90 Schwarz criterion 9.109349 Log likelihood -362.4665 Hannan-Quinn criter. 9.021516 F-statistic 285.6032 Durbin-Watson stat 2.049981 Prob(F-statistic) 0.000000
Nilai AIC sebesar 8.96
c. IHSG IHSG(-1) IHSG(-2) IHSG(-3) pdb(-1) pdb(-2) pdb(-3) c
Diperoleh Hasil Sebagai Berikut
8 | TUTORIAL UJI KAUSALITAS GRANGER
Dependent Variable: IHSG Method: Least Squares Date: 07/12/20 Time: 15:24 Sample (adjusted): 2013M04 2019M12 Included observations: 81 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. IHSG(-1) 1.027434 0.114256 8.992401 0.0000
IHSG(-2) 0.098279 0.168309 0.583919 0.5611 IHSG(-3) -0.133770 0.116272 -1.150489 0.2536 PDB(-1) -0.001008 0.010634 -0.094818 0.9247 PDB(-2) -0.000491 0.008891 -0.055227 0.9561 PDB(-3) -0.008176 0.009806 -0.833808 0.4071
C 37.45737 28.84014 1.298793 0.1980 R-squared 0.938827 Mean dependent var 714.6383
Adjusted R-squared 0.933867 S.D. dependent var 80.89016 S.E. of regression 20.80203 Akaike info criterion 8.990434 Sum squared resid 32021.61 Schwarz criterion 9.197361 Log likelihood -357.1126 Hannan-Quinn criter. 9.073456 F-statistic 189.2798 Durbin-Watson stat 1.987767 Prob(F-statistic) 0.000000
Nilai AIC sebesar 8.99
Dari hasil regresi tersebut dapat kita cari AIC nya
No Lag Persamaan Nilai AIC Kesimpulan
1 1 IHSG IHSG(-1) pdb(-1) c
8.98
2 2 IHSG IHSG(-1) IHSG(-2) pdb(-1) pdb(-2) c
8.96 Terkecil
3 3 IHSG IHSG(-1) IHSG(-2) IHSG(-3) pdb(-1) pdb(-2) pdb(-3) c
8.99
Lag terpilih adalah 2
9 | TUTORIAL UJI KAUSALITAS GRANGER
Buka Eviews
Masukan data IHSG dan PDB
Klik View Klik Granger Causality …
Klik Ok
10 | TUTORIAL UJI KAUSALITAS GRANGER
Hasil Uji Kauslaitas Granger
Pairwise Granger Causality Tests Date: 07/12/20 Time: 15:25 Sample: 2013M01 2019M12 Lags: 2
Null Hypothesis: Obs F-Statistic Prob. PDB does not Granger Cause IHSG 82 0.15804 0.8541
IHSG does not Granger Cause PDB 8.03999 0.0007
Null Hypothesis: Obs F-Statistic Probability
1. PDB = f (IHSG)
IHSG does not Granger Cause PDB
Ho = IHSG tidak Mepengaruhi PDB
H1 = IHSG Mempengaruhi PDB
Karena Nilai F Statistik < F tabel maka Ho diterima dan H1 ditolak, artinya IHSG
tidak mempengaruhi PDB
2. IHSG = f (PDB)
PDB does not Granger Cause IHSG
Ho = PDB tidak Mepengaruhi IHSG
Ho = PDB Mempengaruhi IHSG
Karena Nilai F Statistik > F tabel maka Ho ditolak dan H1 diterima, artinya PDB
mempengaruhi IHSG
Kesimpulan :
IHSG tidak mempengaruhi PDB
PDB mempengaruhi IHSG
Terjadi Hubungan satu arah antara PDB terhadap IHSG
11 | TUTORIAL UJI KAUSALITAS GRANGER
Dari hasil Uji Kausalitas Granger, sekarang kita bisa membuat persamaan regresi sebagai
berikut :
Model Regresi : LS IHSG C PDB(-1)
Dependent Variable: IHSG Method: Least Squares Date: 07/12/20 Time: 16:24 Sample (adjusted): 2013M02 2019M12 Included observations: 83 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 395.0931 78.53598 5.030727 0.0000
PDB(-1) 0.102744 0.025211 4.075338 0.0001 R-squared 0.170153 Mean dependent var 713.4577
Adjusted R-squared 0.159908 S.D. dependent var 80.25870 S.E. of regression 73.56233 Akaike info criterion 11.45794 Sum squared resid 438324.7 Schwarz criterion 11.51623 Log likelihood -473.5047 Hannan-Quinn criter. 11.48136 F-statistic 16.60838 Durbin-Watson stat 0.280483 Prob(F-statistic) 0.000107
Interpretasi :
1. IHSG dipengaruhi oleh lag satu PDB, hal ini ditunjukan dengan nilai t statistic > t tabel.
Koefisien 0.10 menunjukan jika PDB bulan lalu meningkat sebesar 10 maka IHSG akan
menigkat sebesar 1 dengan variabel diluar PDB dianggap tetap
2. R2 sebesar 0.17 menunjukan bahwa 17 persen variabel lag PDB dapat menjelaskan
IHSG, dan sisanya (87persen) dijelaskan diluar model. lag PDB bukan Variabel
utama yang mempengaruhi IHSG
12 | TUTORIAL UJI KAUSALITAS GRANGER
Model Regresi : LS IHSG C PDB(-1) PDB(-2)
Dependent Variable: IHSG Method: Least Squares Date: 07/12/20 Time: 16:23 Sample (adjusted): 2013M03 2019M12 Included observations: 82 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 297.8955 89.91411 3.313112 0.0014
PDB(-1) 0.082108 0.028643 2.866610 0.0053 PDB(-2) 0.052432 0.028597 1.833489 0.0705
R-squared 0.217423 Mean dependent var 714.1054
Adjusted R-squared 0.197610 S.D. dependent var 80.53400 S.E. of regression 72.13929 Akaike info criterion 11.43097 Sum squared resid 411122.1 Schwarz criterion 11.51902 Log likelihood -465.6699 Hannan-Quinn criter. 11.46633 F-statistic 10.97424 Durbin-Watson stat 0.154736 Prob(F-statistic) 0.000062
Interpretasi :
1. IHSG dipengaruhi oleh lag satu PDB dan lag dua PDB, hal ini ditunjukan dengan nilai t
statistic > t tabel. Koefisien 0.08 menunjukan jika PDB bulan lalu meningkat sebesar 10
maka IHSG akan menigkat sebesar 0.08 dengan variabel diluar PDB bulan lalu
dianggap tetap. Sedangan Koefisien 0.05 menunjukan jika PDB 2 bulan lalu meningkat
sebesar 10 maka IHSG akan menigkat sebesar 0.05 dengan variabel diluar PDB 2
bulan lalu dianggap tetap.
2. R2 sebesar 0.217 menunjukan bahwa 21,7 persen variabel PDB bulan lalu dan PDB
dua bulan lalu dapat menjelaskan IHSG, dan sisanya (78,3 persen) dijelaskan diluar
model.
13 | TUTORIAL UJI KAUSALITAS GRANGER
Model Regresi : LS IHSG C PDB(-1) PDB(-2) PDB(-3)
Dependent Variable: IHSC Method: Least Squares Date: 07/12/20 Time: 16:23 Sample (adjusted): 2013M04 2019M12 Included observations: 81 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 273.0304 94.75796 2.881345 0.0051
PDB(-1) 0.092781 0.033437 2.774847 0.0069 PDB(-2) 0.056615 0.029605 1.912327 0.0596 PDB(-3) -0.006337 0.033067 -0.191628 0.8485
R-squared 0.241684 Mean dependent var 714.6383
Adjusted R-squared 0.212140 S.D. dependent var 80.89016 S.E. of regression 71.79932 Akaike info criterion 11.43375 Sum squared resid 396945.9 Schwarz criterion 11.55199 Log likelihood -459.0668 Hannan-Quinn criter. 11.48119 F-statistic 8.180279 Durbin-Watson stat 0.188377 Prob(F-statistic) 0.000085
Keterangan :
Untuk Lag 3 untuk model ini nilai AIC meningkat dibandingkan lag 1 dan lag 2. Dan
koefisien untuk lag 3 berubah tanda. Sehingga lag yang digunakan maksimal lag 2 dengan
AIC paling rendah.
14 | TUTORIAL UJI KAUSALITAS GRANGER
Referensi
Gujarati, D. N., & Porter, D. C. (2003). Basic econometrics (ed.). Singapore: McGrew Hill
Book Co.
Granger, C. W. (1969). Investigating causal relations by econometric models and cross-
spectral methods. Econometrica: journal of the Econometric Society, 424-438.