ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI UTANG LUAR NEGERI INDONESIA PERIODE (1984-2013)
Pembimbing : Agus Tri Basuki, SE., M.Si.
Disusun oleh: Septiyanti Ristuningsih 20130430356
JURUSAN ILMU EKONOMI FAKULTAS EKONOMI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA YOGYAKARTA 2016
1
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI UTANG LUAR NEGERIINDONESIAPERIODE 1984-2013 Septiyanti Ristuningsih Fakultas Ekonomi Universitas Muhammadiyah Yogyakarta E-mail:
[email protected]
ABSTRAK Penelitian ini bertujuan untuk mengetahui hubungan keterkaitan antara tingkat ekspor, tingkat impor, nilai kurs dan tingkat inflasi terhadap uatng luar negeri Indonesia. Teknik analisis yang digunakan adalah Vector Error Correction Model (VECM) dengan periode penelitian tahun 1984 sampai tahun 2013. Hasil pengujian menunjukkan bahwa kurs memiliki hubungan keterkaitan dengan utang luar negeri dalam jangka pendek secara signifikan. Ekspor, impor dan inflsi memiliki keterkaitan dengan utang luar negeri secara signifikan dalam jangka panjang, keterkaitan dalam jangka pendeknya menunjukkan keterkaitan yang kurang signifikan.
Kata kunci: Utang Luar Negeri, Ekspor, Impor, Kurs, Inflasi, VECM
A.
PENDAHULUAN Utang luar negeri merupakan kegiatan ekonomi yang terinspirasi dari Marshall Plan yang mengalirkan dana modal dari Negara maju ke Negara berkembang. Pengaliran modal ini dimaksudkan untuk mencapai pertumbuhan ekonomi pada Negara berkembang. Namun pada faktanya sekarang, utang luar negeri ini memberikan fenomena tersendiri. Di Negara berkembang sudah barang pasti meningkatkan taraf hidup masyarakat dan pembangunan ekonomi menjadi sebuah kewajiban.Keharusan membangun merupakan suatu tuntutan hidup bagi Negara-negara berkembang. Dalam upaya mencapai pembangunan dan kesejahteraan, maka yang diperlukan adalah dana atau modal yang banyak untuk terlaksananya pembangunan. Hal ini dapat dilakukan dengan meningkatkan pendapatan nasional yang dapat digunakan sebagai biaya 2
pembangunan. Namun, dalam upaya peningkatan pendapatan nasional, Indonesia selalu dihadapkan oleh beberapa kendala diantaranya kurangnya modal. Untuk mencukupi kekurangan modal, Indonesia mendatangkan sejumlah dana dari luar negeri melalui utang luar negeri. Pada umumnya Negara berkembang banyak yang tergantung pada utang luar negeri sebagai modal dalam pembangunannya, yang sudah tentu utang ini akan berpengaruh
pada
neraca
pembayaran
nasional
dalam
jangka
panjang.
Ketergantungan dan terlalu seringnya peminjaman dana dengan jumlah yang cukup besar dari Negara lain akan mengarahkan pada terjadinya krisis utang luar negeri. Krisis utang luar negeri di Negara berkembang mempengaruhi kondisi ekonomi dan politik dunia. Di Indonesia, pokok persoalan yang menyangkut utang luar negeri telah menduduki persoalan utama dalam perekonomian( Sritua Arif, 1999 : 73 ). Beban utang luar negeri Indonesia menumpuk dari tahun ke tahun yang terus meningkat. Kini Indonesia terperangkap dalam utang luar negeri, dimana jumlah cicilannya sudah melebihi jumlah pinjaman baru yang dapat kita terima.Jika melihat jumlah pinjamannya, Indonesia menjadi Negara berkembang yang berada pada urutan pertama yang memiliki jumlah pinjaman terbanyak di kawasan Asian Tenggara.
Tabel 1. Total Utang Luar Negeri Negara Penghutang Luar Negeri Negeri Tertinggi yang Tergabung dalam Kawasan Asia Tenggara 2008-2013 (dalam US$)
Negara Indonesia Philipina Malaysia Thailand
2008 2,718E+09 2,865E+09 1,058E+09 255185000
2009 2,802E+09 2,841E+09 876386000 230585000
Total Utang 2010 2011 3,034E+09 3,484E+09 2,977E+09 2,85E+09 1,024E+09 1,017E+09 230340000 262643000
2012 2013 3474505000 3,966E+09 2844486000 2,66E+09 1292925000 1,251E+09 409140000 332596000
Sumber: data.worldbank.org
Di dalam neraca pembayaran, sumber pendapatan nasional salah satunya berasal dari surplus transaksi berjalan, yaitu perbandingan antara jumlah pembayaran yang diterima dari luar negeri dan jumlah pembayaran ke luar negeri. Dengan kata lain, menunjukkan operasi total perdagangan luar negeri, neraca perdagangan, dan keseimbangan antara ekspor dan impor. Ketika neraca pembayaran mengalami defisit, 3
maka utang luar negeri digunakan untuk menyeimbangkan neraca pembayaran.Defisit neraca pembayaran salah satunya diakibatkan karena nilai impor lebih besar jika dibandingkan jumlah ekspornya. Defisit sebagai akibat impor yang berlebihan akan mengakibatkan penurunan produksi dalam negeri. Impor yang terlalu besar mengakibatkan nilai kurs akan semakin melemah dan menyebabkan harga-harga barang impor bertambah mahal. Kegiatan ekonomi dalam negeri yang menurun mengurangi kegairahan pengusahapengusaha untuk melakukan penanaman modal dan membangun kegiatan usaha baru. Kenaikan harga-harga dalam negeri yang berlangsung secara terus menerus akan mengakibatkan adanya inflasi. Inflasi akan mempengaruhi tingkat suku bunga dan memaksa BI memangkas suku bungan. Dengan rendahnya suku bunga maka minat para investor untu berinvestasi menjadi rendah. Hal ini mengakibatkan pendapatan rill nasional menurun, sehingga untuk memenuhi kebutuhan akan pembangunan Negara akan memenuhi belanja Negara melalui utang luar negeri.(I Ktut Nama: 2004) Utang luar negeri yang dimaksudkan untuk menutupi modal atau biaya pembangunan menyebabkan sebuah beban pengembalian kepada Negara pendonor hutang dengan tingkat bunga tertentu.Utang luar negeri Indonesia saat ini tidak hanya digunakan untuk biaya pembangunan saja, melainkan sebagai biaya untuk mengembalikan utang luar negeri sebelumnya.Konsep utang Indonesia seperti gali lubang tutup lubang. Jika pengembalian utang luar negeri atau pembayaran cicilan pokok utang ditambah dengan bunganya menggunakan utang luar negeri yang baru, padahal utang luar negeri yang baru juga memiliki tingkat bunga tertentu, maka hal ini akan mengakibatkan penumpukan utang luar negeri Indonesia karena penumpukan bunga akibat utang luar negeri yang berlapis. Hal inilah yang menyebakan utang luar negeri di Indonesia terus meningkat dari tahun ke tahun.(Aulia:2014) Pengembalian utang luar negeri dimasukkan pada APBN. Sekarang anggaran pengeluaran Negara tidak lagi berfokus pada pembangunan dan belanja untuk kebutuhan dalam negeri saja, melainkan juga berfokus terhadap pembayaran hutang. Akibatnya anggaran dana menjadi terbagi-bagi, dana pembangunan dari pendapatan rill justru berkurang karena pengalihaanya untuk pembayaran utang luar negeri, yang akhirnya menyebabkan rakyat yang menanggung beban karena tidak terpenuhinya fasilitas –fasilitas yang selayaknya.
4
B.
TEORI DAN KERANGKA PEMIKIRAN Utang luar negeri indonesia pada awalnya digunakan sebagai penutup kekurangan atas berbgai macam kekurangan biaya atas pembangunan negara. Kekurangan atas biaya ini salah satunya dikarenakan adanya defisit neraca berjalan (X-M). Karena ketergantungan indonesia terhadap barang impor, hal ini nerpengaruh pada nilai tukar rupiah. Fluktuasi nilai tukar rupiah pada akhirnya juga akan berpengaruh pada tingkat inflasi di Indonesia. Ketika nilai tukar melemah dan inflasi meningkat maka beban utang luar negeri indonesia nilainya akan semakin bertambah tinggi. 1.
Ekspor Ekspor yang merupakan sumber penghasil devisa terbesar pada perekonomian
Indonesia secra teoritis sangat penting peranannya dalam membiayai transaki internasional, namun adanya komponen impor dalam barang –barang ekspor mempunyai pengaruh yang lain terhadap utang luar negeri Indonesia. Peningkatan ekspor yang terjadi selama ini memang berdampak positif terhadap perekonomian secara kseluruhan, in dijelaskan dari hubungan negate antar ekspor dan utang luar negeri Indonesia dalam jangka panjang. Namun dalam jangka pendek, system pembayaran ekspor yang tidak secara tunai, dan panjangnya system mata rantai birokrasi untuk kegiatan ekspor menyebabkan adanya hubungan yang searah antara ekspor dan uatng luar negeri indoneia.Menurut (I Ktut Nama:2004) ekspor merupakan salah satu komponen yang cukup efektif dalam mengurangi ketergantungan Indonesia akan utang luar negeri dalam jangka panjang. 2.
Impor Impor merupakan bagian dalam komponen ekspor justru akan berdampak
positif bagi perekonomian. Namun peningkata impor secra terus-menerus apalagi untuk keperluan konsumsi, dalam jangka panjang jelas akan meningkatkan ketergantungan Indonesia akan utang luar negeri. Hal ini terjadi karena terjadinya penghamburan devisa yang sebenarnya dapat digunakan untuk hal-hal yang lebih produktif, sehingga hal ini terjai ketidakseimbangan nerca pembayaran. Dalam jangka pendek impor akan mengakibatkan perubahan utang luar negeri pada arah yag berlawanan. Dalam jangka panjang mengakibatkan perubahan utang luar negeri pada
5
arah yang sama. Ini mengidentifikasikan terjadinya pemborosan devisa pada sisi impor dalam jangka panjang.
3.
Nilai Tukar (Kurs) Kuncoro (2009:53) menyatakan bahwa”setelah runtuhnya sitem Bretton
Woods dan berkembangnya system kurs mengambang, bagi ngara brkembang seperti Negara Indonesia, peranan kurs valas menjadi sangat penting, terutama terhadap mata uang keras (hard currencies) sepert dollar AS dan Yen jepang”. Kurs valas sangat penting bagi Negara yang sdang melakukan pembangunan ekonomi, karena kurs valas akan berhubungan langsung dengan sector-sektor perdaangan luar negeri, investasi, dan juga dengan utang luar negeri yang merupakan sumber dana pembangunan. Oleh karenanya kestabilan dan keterjangkauan kurs mutlak diperlukan. Selama periode
krisis ekonomi, nilai kurs sangat mempengaruhi kondisi
perekonomian domestic, terpuruknya mata uang domestik (upiah) terhadapa mata uag asing menjadi awal kriis ekonomi, sehingga nilai kurs menjasi sangat rentan. Fluktuasi kurs ini yang menyebabkan sector-sektor perdagangan dan sector rill kolaps serta beban utang luar negeri yang merupakan sebagian dana untuk pembangunan menjadi semakin besar. Berdasarkan teori paritas daya beli, kurs antara dua mata uang akan melakukan penyesuaiann yang mencerminkan perubahan tingkat harga dari kedua Negara, jika rupiah Indonesia menguat terhadap dollar maka utang luar negeri akan menurun sehingga hubungan antara kurs dan utang luar negeri adalah negative.
4.
Inflasi Dalam menganalisa hubungan tingkat inflasi terhadap utang luar negeri, dapat
digunakan teori imported inflation. Dimana saat Indonesia mengalami inflasi , maka nilai tukar rupiah terhadap dollar akan lemah. Indonesia masih tergantung produk dari luar baik bahan baku atau bahan setengah jadi disektor barang dan jasa. Sehingga saat terjadi inflasi Indonesia, pemerintah membutuhkan ddana yang lebih untuk memenuhi kebutuhan dalam negeri tersebut dan dibutuhkanlah utang luar negeri.Jadi dapat dikatakan bahwa hubngan antara inflasi dengan utang luar negeri pemerintah adallah berpengaruh positif.
6
Gb 1. Kerangka hubungan variabel ekspor, impor, kurs, dan inflasi dan pengaruhnya terhadap utang luar negeri.
Hipotesis Dengan mengacu pada dasar pemikiran teoritis dan studi empiris yang pernah dilakukan berkaitan dengan penelitian di bidang ini, maka dapat dirumuskan hipotesis sebagai berikut: a. Ekspor berpengaruh positif signifikan terhadap utang luar negeri Indonesia. b. Impor berpengaruh positif signifikan terhadap utang luar negeri Indonesia. c. Inflas berpengaruh positif signifikan terhadap utang luar negeri Indonesia. d. Nilai tukar ( Kurs ) berpengaruh positif signifikan terhadap uatng luar negeri Indonesia.
Penelitian Terdahulu Penelitian tentang utang luar negeri di Indonesia telah banyak dilakukan, penelitian tersebut banyak digunakan sebagai referensi penelitian dimasa yang akan dating. Penelitian tentang utang luar negeri telah dilakukan oleh: 1. Ella Dhanila kartika Sari (2015) Penelitiannya yang berjudul “Pengaruh defit transaksi berjalan, Kurs, dan Inflasi terhadap utang Luar Negeri Pemerintah sebelum dan Sesudah Krisis Global 2008 (Studi Kasus: Indonesia 2004-2012)”. Variabel yang di gunakan dalam penelitian ini adalah deficit transaksi berjalan, inflasi dan kurs dan variable dependentnya adalah utang luar negeri.Dengan menggunakan metode Ordinary Least Square (OLS).Dat yang digunakan adalah data sekunder.Hasil penelitian menunjukkan variable deficit transaksi berjalan dan 7
kurs berpengaruh signifikan dan negative terhadap utang luar negeri pemerintah.Sedangkan variable inflasi berpengaruh signifikan dan positif terhadap utang luar negeri pemerintah Indonesia. 2. Aulia Apriyatman (2014) Penelitiannya yang berjudul “Analisis Faktor – Faktor Yang Mempengaruhi Utang Luar Negeri Pemerintah Indonesia (Periode 1998 – 2012)”.Variabel yang di gunakan dalam penelitian ini adalah pengeluaran pemerintah, pendapatan nasional dan defisit
anggaran
danvariabel
dependentnya adalah utang luar negeri. Dengan menggunakan metode Ordinary Least Square (OLS). Dengan hasil secara keseluruhan, Pendapatan Nasional (PN), Pengeluaran Pemerintah (PP), dan Defisit Anggaran (DA) mempengaruhi Utang Luar Negeri (ULN) sebesar 69.50 %, secara parsial variabel Pendapatan Nasional mempunyai pengaruh negatif dan signifikan terhadap Utang Luar Negeri (ULN), dan Pengeluaran Pemerintah (PP), dan Defisit Anggaran (DA) masing - masing mempengaruhi secara positif dan signifikan terhadap variabel Utang Luar Negeri (ULN). Variabel yang memiliki kontribusi terbesar terhadap Utang Luar Negeri adalah Defisit Anggaran (DA). 3. A Minuddin Fatimah (2012) Penelitiannya
yang
berjudul
“Analisis
Faktor-Faktor
Yang
Mempengaruhi Utang Luar Negeri Terhadap Pertumbuhan Ekonomi Di Indonesia Periode 2002-2011”.Variabel yang di gunakan dalam penelitian ini adalah penanaman modal asing, deficit anggaran, tabungan domestic dan ekspor
dan variabel dependentnya adalah utang luar negeri. Dengan
menggunakan metode Regresi Linear Berganda.Dengan hasil menunjukkan bahwa penaman modal asing, tabungan domestik, ekspor berpengaruh signifikan dan positif, serta defisit anggaran berpengaruh signifikan tetapi negative secara langsung terhadap pertumbuhan ekonomi. Secara tidak langsung defisit anggaran, tabungan domestik dan ekspor berpengaruh secara positif dan signifikan terhadap pertumbuhan ekonomi melalui utang luar negeri. Tetapi penanaman modal asing melalui utang luar negeri tidak berpengaruh secara signifikan. Dan utang luar negeri tidak mempunyai pengaruh terhadap pertumbuhan ekonomi. 4. I Ktut Nama (2004) 8
Dengan penelitiannya ynag berjudul “Tinjauan Faktor-Faktor Ekonomi Yang Mempengaruhi Utang Luar Negeri Indonesia Pendekatan Error Correction Model (Ecm) Periode 1971-2001”.Variabel yang di gunakan dalam penelitian ini adalah Investasi, tabungan, pengeluaran pemerintah, penerimaan pemerintah, ekspor, impor
dan variabel dependentnya adalah utang luar
negeri.Metode yang digunakan dalam penelitian ini adalah Error Correction Model (ECM). Hasil penelitian terlihat dari signifikansinya hampir semua variabel penelitian dalam jangka panjang
mengindikasikan bahwa
permasalahan utang luar negeri adalah permasalahan ekonomi yang bersifat structural. 5.
M. Rizki Kahfi (2014) Dengan penelitinnya yang berjudul “Analisis Faktor Fundamental Ekonomi Yang Mempengaruhi Utang Luar Negeri Indonesia”.Variabel yang di gunakan dalam penelitian ini adalah PDB, kurs, inflasi
dan variabel
dependentnya adalah utang luar negeri.Metode yang digunakan adalah VECM. Dengan hasilanalisis jangka panjang menunjukkan bahwa keseluruhan variabel independen secara bersama-sama memiliki hubungan keseimbangan terhadap ULN. Sedangkan untuk analisis jangka pendek, tingkat inflasi periode sekarang dan tingkat inflasi pada periode sebelumnya memiliki hubngan yang signifikan terhadap ULN pada periode sekarang.
C.
METODE PENELITIAN
Gb 2. Proses Pembentukan Model VECM
9
Penelitian ini dikategorikan menggunakan data kuantitatif. Penelitian ini menggunakan data observasi dari tahun 1984-2013 (Time Series). Model analisis yang digunakan dalam penelitian adalah bersifat kuantitatif dengan menggunakan Vector Error Correction Model (VECM). Penggunaan metode analisis ini didasarkan kemampuan metode tersebut untuk menganalisis hubungan antar variabel dalam jangka panjang dan jangka pendek. Analisis jangka panjang menggunakan persamaan kointegrasi, sedangkan analisis jangka pendek (dinamis) menggunakan Vector Error Correction Model (VECM). Pengujian stationeritas data yang dilakukan terhadap seluruh variabel dalam model penelitian didasarkan pada Augmented Dickey Fuller (ADF) test. Bentuk umum dari Vector Error Correction Model (VECM) dalam penelitian ini adalah (Hutapea, 2007:30) :
Yt = 0+ 1 X1t +
2 X2t + 3 Yt-1 + t
Agar mempermudah dalam menganalisis faktor fundamental ekonomi yang mempengaruhi utang luar negeri Indonesia, penulis mentransformasikan model tersebut ke dalam bentuk sebagai berikut :
ULNt = 0+ 1DXt + 2 DMt + 3 DKURSt + 4 INFt + 5 DXt-1 + 6 DMt-1 + 7 DKURSt -1+ 8 INFt-1
Dimana : 0
: Konstanta
1234
: Koefisien Regresi (Parameter yang akan diestimasi)
DULNt
: Utang Luar Negeri Indonesia pada periode t (Triliun)
DXt
: Ekspor
DMt
: Impor
DKURSt
: Nilai
INFt
: Inflasi
DULNt -1
: Utang Luar Negeri Indonesia pada periode t-1 (Triliun)
DXt-1
: Ekspor
DMt-1
: Impor
DKURSt-1
: Nilai
Indonesia pada periode t (Triliun)
Indonesia pada periode t (Triliun)
Tukar pada periode t (Rp/USD) pada periode t (%)
Indonesia pada periode t-1 (Triliun)
Indonesia pada periode t-1 (Triliun)
Tukar pada periode t-1 (Rp/USD) 10
D.
INFt-1
: Inflasi
pada periode t-1 (%)
t
: Error Term pada periode t
HASIL DAN PEMBAHASAN
Pengujian Akar Unit/Stationeritas Data Pengujian akar unit dalam penelitian ini menggunakan metode Augmented Dickey Fuller (ADF). Apabila nilai t-statistik lebih besar dibandingkan dengan nilai kritis atau pvalue lebih kecil dari tingkat kritis yang digunakan, maka H0 berupa data memiliki akar unit dan tidak stasioner dapat ditolak. Dari tabel 2 dapat disimpulkan bahwa semua variabel dianggap telah stasioner pada tingkat first difference. Tabel 2. Hasil Uji Akar Unit/Stationeritas Data First Diffrence
Variabel
T-stat
Probabilitas
Log(ULN)
-5.058348
0.0003
Log(Ekspor)
-6.367373
0.0000
Log(Impor)
-6.410964
0.0000
Log(Kurs)
-4.452698
0.0019
Inflasi
-6.471306
0.0000
Keterangan: Tingkat signifikansi 5%
Penentuan Panjang Lag Maksimal Penentuan panjang lag optimal dalam model VECM direkomendasikan menggunakan Final Prediction Error (FPE), Aike Information Criterion (AIC), Schwarz Criterion (SC), dan Hannan-Quin (HQ). Lag optimal terjadi saat lag mempunyai tanda bintang terbanyak. Tabel 3. Hasil Pengujian Lag Optimal Lag
LogL
LR
FPE
AIC
SC
HQ
0
-90.89489
NA
0.001100
7.376530
7.618472* 7.446201
1
-65.58978
38.93094
0.001120
7.353060
8.804710
7.771082
2
-24.28727
47.65675*
0.000407* 6.099020
8.760378
6.865395*
3
1.253804
19.64698
0.000817
6.057400* 9.928466
7.172127
11
Berdasarkan tabel 3, terdapat tanda bintang yang paling banyak di lag 2, sehingga lag ini pun dipilih sebagai lag maksimal berdasarkan criteria lainnya (LR, FPE, AIC, dan HQ). Dengan demikian dapat dipastikan bahwa Lag optimal yang digunakan untuk estimasi VECM terletak pada Lag 6 karena sudah terbebas dari white noise dan sudah memenuhi uji asumsi klasik. Pengujian Stabilitas VAR Sebelum masuk pada tahapan analisis yang lebih jauh, hasil estimasi sistem persamaan VAR yang telah terbentuk perlu diuji stabilitasnya melalui VAR stability condition check yang berupa roots of characteristic polynomial terhadap seluruh variabel yang digunakan dikalikan jumlah lag dari masing-masing VAR. Stabilitas VAR perlu diuji karena jika hasil estimasi stabilitas VAR tidak stabil maka analisis IRF dan FEVD menjadi tidak valid. Berdasarkan hasil pengujian tersebut, suatu sistem VAR dikatakan stabil jika seluruh akar atau roots-nya memiliki modulus lebih kecil dari satu. Pada penelitian ini, berdasarkan uji stabilitas VAR yang ditunjukkan pada Tabel 6 dapat disimpulkan bahwa estimasi stabilitas VAR yang akan digunakan untuk analisis IRF dan FEVD telah stabil karena kisaran modulus < 1. Tabel 4. Uji Stabilitas VAR Root
Modulus
-0.443334 - 0.678789i
0.810740
-0.443334 + 0.678789i
0.810740
0.172693 - 0.786578i
0.805312
0.172693 + 0.786578i
0.805312
-0.063425 - 0.695434i
0.698321
-0.063425 + 0.695434i
0.698321
0.493751 - 0.407933i
0.640468
0.493751 + 0.407933i
0.640468
-0.487233 - 0.213638i
0.532013
-0.487233 + 0.213638i
0.532013
Dapat di simpulkan bahwa estimasi stabilitas VAR yang akan digunakan untuk analisis IRF dan FEVD telah stabil karena kisaran modulus < 1. 12
Pengujian Kointegrasi Pengujian kointegrasi dengan metode Johansen dilakukan dengan membandingkan nilai trace statistic atau Max- Eigen value dengan nilai kritisnya masing-masing standar 5%. Apabila nilai trace statistic atau Max-Eigen value lebih besar dibanding nilai critical valuenya maka terdapat kointegrasi antar variabel. Hasil uji kointegrasi Johansen disajikan secara ringkas dalam tabel berikut: Tabel 5. Hasil Uji Kointegrasi Johansen Uji Kointegrasi Johansen Trace Statistic
5%CV
Max-Eigen Statistic
5%CV
98.52178
69.81889
50.59223
33.87687
Hasil pengujian menunjukkan trace statistic sebesar 98.52178 lebih besar dibanding nilai kritisnya sebesar 69.81889 dengan p-value sebesar 0,0000. Hal yang sama dengan hasil dari Max-Eigen statistic yang lebih besar jika dibandingkan dengan nilai kritis 5% serta nilai p-value yang juga lebih besar dari 5%. Hasil tersebut membuktikan adanya satu kointegrasi antara variabel utang luar negeri, ekspor, impor, kurs dan inflasi. Hasil yang menunjukkan adanya kointegrasi, menunjukkan adanya hubungan jangka panjang dan terjadi keseimbangan pada periode tersebut. Uji Analisis Kausalitas Granger Uji kausalitas Granger (Granger Causality Test) dilakukan untuk melihat apakah dua variabel memiliki hubungan timbal balik atau tidak. Dengan kata lain, apakah satu variabel memiliki hubungan sebab akibat dengan variabel lainnya secara signifikan, karena setiap variabel dalam penelitian mempunyai kesempatan untuk menjadi variabel endogen maupun eksogen. Uji kausalitas bivariate pada penelitian ini menggunakan VAR Pairwise Granger Causality Test dan menggunakan taraf nyata lima persen. Tabel berikut menyajikan hasil analisis uji Bivariate Granger Causality.
13
Tabel 6. Uji Kausalitas Granger Null Hypothesis:
Obs
F-Statistic Prob.
LOGX does not Granger Cause LOGULN 28
1.74133
0.1976
LOGULN does not Granger Cause LOGX
0.39207
0.6801
LOGM does not Granger Cause LOGULN 28
1.58801
0.2259
LOGULN does not Granger Cause LOGM
0.70357
0.5052
28
0.47682
0.6268
LOGULN does not Granger Cause LOGKURS
5.91301
0.0085
INF does not Granger Cause LOGULN
5.62283
0.0103
3.07177
0.0657
0.71019
0.5020
LOGX does not Granger Cause LOGM
0.30836
0.7376
LOGKURS does not Granger Cause LOGX 28
0.26658
0.7683
LOGX does not Granger Cause LOGKURS
9.50256
0.0010
1.95518
0.1644
1.14203
0.3366
1.07072
0.3592
8.63466
0.0016
3.19541
0.0596
0.15778
0.8550
3.93789
0.0338
0.31861
0.7303
LOGKURS
does
not
Granger
Cause
LOGULN
28
LOGULN does not Granger Cause INF LOGM does not Granger Cause LOGX
INF does not Granger Cause LOGX
28
28
LOGX does not Granger Cause INF LOGKURS
does
not
Granger
Cause
LOGM
28
LOGM does not Granger Cause LOGKURS INF does not Granger Cause LOGM
28
LOGM does not Granger Cause INF INF does not Granger Cause LOGKURS LOGKURS does not Granger Cause INF
28
Dari hasil yang diperoleh di atas, diketahui bahwa yang memiliki hubungan kausalitas adalah yang memiliki nilai probabilitas yang lebih kecil daripada alpha 0.05 sehingga nanti 14
Ho akan ditolak yang berarti suatu variabel akan mempengaruhi variable lain. Dari pengujian Granger diatas, kita mengetahui hubungan timbal-balik/ kausalitas sebagai berikut: - Variabel X secara statistik signifikan mempengaruhi ULN (0,19) sehingga kita menolak hipotesis nol sedangkan ULN secara statistik signifikan mempengaruhi X (0,68) sehingga kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa tidak terjadi kausalitas searah antara variabel X dan ULN dan begitu pula sebaliknya. - Variabel M secara statistik signifikan mempengaruhi ULN (0,22) sehingga kita menolak hipotesis nol sedangkan ULN secara statistik signifikan mempengaruhi M (0,50) sehingga kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa tidak terjadi kausalitas searah antara variabel M dan ULN dan begitu pula sebaliknya. -
Variabel KURS secara statistik signifikan mempengaruhi ULN (0,162) sehingga kita menolak hipotesis nol sedangkan ULN secara statistik tidak secara signifikan mempengaruhi KURS (0,00) sehingga kita menerima hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel KURS dan ULN yaitu hanya KURS yang secra statistik signifikan mempengaruhi ULN dan tidak berlaku sebaliknya.
-
Variabel INF tidak secara statistik signifikan mempengaruhi ULN (0,01) sehingga kita menerima hipotesis nol sedangkan ULN secara statistik tidak secara signifikan mempengaruhi INF
(0,06) sehingga kita menolak hipotesis nol. Dengan demikian,
disimpulkan bahwa terjadi kausalitas searah antara variabel KURS dan ULN yaitu hanya INF yang secra statistik signifikan mempengaruhi ULN dan tidak berlaku sebaliknya. -
Variabel M secara statistik signifikan mempengaruhi X (0,50) sehingga kita menolak hipotesis nol sedangkan X secara statistik signifikan mempengaruhi M (0,73) sehingga kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa tidak terjadi kausalitas searah antara variabel X dan M dan begitu pula sebaliknya.
-
Variabel KURS secara statistik signifikan mempengaruhi X (0,76) sehingga kita menolak hipotesis nol sedangkan X tidak secara statistik signifikan mempengaruhi KURS (0,00) sehingga kita menerima hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel KURS dan X
yaitu hanya X yang secara statistik
signifikan mempengaruhi KURS dan tidak berlaku sebaliknya. -
Variabel INF secara statistik signifikan mempengaruhi X (0,16) sehingga kita menolak hipotesis nol sedangkan X secara statistik signifikan mempengaruhi INF (0,33) sehingga kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa tidk terjadi kausalitas searah antara variabel INF dan X dan berlaku pula sebaliknya. 15
-
Variabel KURS secara statistik signifikan mempengaruhi M (0,35) sehingga kita menolak hipotesis nol sedangkan M secara statistik tidak secara signifikan mempengaruhi KURS (0,00) sehingga kita menerima hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel KURS dan ULN yaitu hanya M yang secra statistik signifikan mempengaruhi KURS dan tidak berlaku sebaliknya.
-
Variabel INF tidak secara statistik signifikan mempengaruhi M (0,05) sehingga kita menerima hipotesis nol sedangkan M secara statistik signifikan mempengaruhi INF (0,85) sehingga kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel INF dan M
yaitu hanya INF yang secra statistik
signifikan mempengaruhi M dan tidak berlaku sebaliknya. -
Variabel INF tidak secara statistik signifikan mempengaruhi KURS (0,03) sehingga kita menerima hipotesis nol sedangkan KURS secara statistik signifikan mempengaruhi INF (0,73) sehingga kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel INF dan KURS yaitu hanya INF yang secra statistik signifikan mempengaruhi KURS dan tidak berlaku sebaliknya.
Estimasi Vector Error Correction Model Berdasarkan hasil pengujian kointegrasi yang menunjukkan adanya hubungan jangka panjang diantara variabel, maka diputuskan, menggunakan model VECM untuk mengetahui keterkaitan antar variabel satu dengan yang lainnya. Untuk menganalisis hasil olahan data estimasi VECM, dapat menggunakan perbandingan t-statistik dengan nilai t-tabelnya. Jika nilai t-statistik > nilai t tabel maka dapat dikatakan bahwa variabel independen memengaruhi dependen. Nilai t-tabel untuk α = 5%. Tabel 7. Estimasi VECM Jangka Pendek Variabel
Koefisien
T-Statistik
CointEq 1
-0.702148
[-2.73699]
D(LOGULN(-1))
1.708878
[ 3.59581]
D(LOGULN(-2))
0.137087
[ 0.23023]
D(LOGX(-1))
0.287678
[ 0.52303]
D(LOGX(-2))
-0.057273
[-0.10827]
D(LOGM(-1))
-0.207665
[-0.60306]
D(LOGM(-2))
0.236091
[ 0.61932]
D(LOGKURS(-1))
0.156984
[ 1.68772] 16
Variabel
Koefisien
T-Statistik
D(LOGKURS(-2))
0.123377
[ 1.68055]
D(INF(-1))
-0.009477
[-0.89683]
D(INF(-2))
0.006628
[ 0.85481]
C
-0.217653
[-1.47123]
Hasil estimasi jangka pendek menunjukkan bahwa variabel ULN pada lag ke 1 berpengaruh positif pada taraf nyata lima persen masing-masing sebesar 1,7. Artinya, jika terjadi kenaikan 1 persen pada 1 tahun sebelumnya, maka akan menaikkan ULN sebesar 1,7 persen pada tahun sekarang. Jika terjadi kenaikan Kurs 1 persen pada 1 tahun atau 2 tahun sebelumnya, maka terjadi kenaikan ULN sebesar 1,7 persen pqda tahun sekarang. Tabel 8. Estimasi VECM Jangka Panjang Variabel
Koefisien
T-Statistik
X(-1)
-2.165887
-8.20088
M(-1)
1.351949
4.64430
Kurs(-1)
0.392539
3.15544
INF(-1)
0.060655
4.85835
Pada jangka panjang semua vriabel, yaitu ekspor (X), impor (M), nilai tukar (KURS) dan inflasi (INF) signifikan pada taraf nyata lima persen yang mempengaruhi utang luar negeri indonesia (ULN). Variabel ekspor (X) mempunyai pengaruh negatif terhadap utang luar negeri (ULN) yaitu sebesar -2.165887 persen. Artinya, jika terjadi kenaikan ekspor (X) maka akan menyebabkan utang luar negeri (ULN) turun sebesar -2.165887 persen. Variabel impor (M) mempunyai pengaruh positif terhadap utang luar negeri (ULN) yaitu sebesar 1.351949. Artnya, jika terjadi kenaikan impor (M) maka akan menyebabkan utang luar negeri (ULN) naik sebesar 1.351949. Variabel nilai tukar (KURS) mempunyai pengaruh positif terhadap utang luar negeri (ULN) yaitu sebesar 0.392539. Artnya, jika terjadi kenaikan nilai tukar (KURS) maka akan menyebabkan utang luar negeri (ULN) naik sebesar 0.392539. Variabel inflasi (INF) mempunyai pengaruh positif terhadap utang luar negeri (ULN) yaitu sebesar 0.060655. Artnya, jika terjadi kenaikan inflasi (INF) maka akan menyebabkan utang luar negeri (ULN) naik sebesar 0.060655.
17
Kondisi ini sesuai dengan teori. Ekspor yang lebih lebih besar dibandingkan dengan impor akan menciptakan neraca berjalan menjadi positif, artinya surplus neraca berjalan akan digunakan akan mengurangi utang luar negeri. Impor yang terlalu tinggi akan menyebabkan berkurangnya devisa, sehingga impor yang berlebihan akan meningkatkan utang luar negeri. Kur atau nilai tukar rupiah yang naik berarti nilai rupiah terderesiasi. Hal ini menyebabkan nilai utang luar negeri menjadi lebih besar jika dikonversikan kedalam nilai rupiah. Inflasi menyebabkan harga-harga barang menjadi naik, kenaikan inflasi akan mendorong naiknya utang luar negeri. D.
Kesimpulan dan Saran
Kesimpulan Berdasrkan estimasi Vector Error Correction Model jangka pendek variabel yang signifikan mempengaruhi utang luar negeri adalah ULN(-1) yang berarti kenaikan utang luar negeri satu tahun yang lalu menaikkan utang luar negeri pada tahun sekarang. Kemudian naiknya nilai kurs KURS(-1) dan KURS(-2) di satu tahun dan dua tahun di tahun sebelumnya berpengaruh pada kenaikan nilai utang luar negeri di tahun sekarang. Berdasarkan estimasi Vector Error Correction Model jangka panjang, variabel ekspor (X) berpengaruh negatif, sedangkan variabel impor, kurs dan inflasi berpengaru negatif terhadap uatng luar negeri. Saran Saran yang dapat disampaikan dari kesimpulan yang ada, adalah sebagai berikut: 1.
Diharapkan Pemerintah dapat mengatur prioritas penggunaan utang luar negeri agar dapat digunakan secara efektif dan efisien sehingga dapat benar-benar mendorong pertumbuhan indonesia.
2.
Diharapkan Pemerintah dapat mendorong kegiatan ekspor, misalnya dengan diversifikasi ekspor atau menambah keragaman barang ekspor, subsidi ekspor dalam bentuk keringanan pajak atau kemudahan dalam mengurus ekspor, atau juga dengan menjaga kestabilan nilai Rupiah terhadap mata uang asing dan juga mengatur kebijakan impor misalnya dengan pengenaan bea masuk dan kuota impor.
3.
Diharapkan para perusahaan untuk memperbaiki produk barang mereka, sehingga mampu bersaing dengan barang dari luar negeri.
18
E.
Daftar Pustaka A. Minuddin, Fatimah, 2013, “Analisis Faktor-Faktor Yang Mempengaruhi Utang Luar Negeri Terhadap Pertumbuhan Ekonomi Di Indonesia Periode 20022011”,Fakultas Ekonomi dan Bisnis Universitas Hasanuddin Mkasar. Aulia, Apriyatman, 2014, “Analisis Faktor – Faktor Yang Mempengaruhi Utang Luar Negeri Pemerintah Indonesia (Periode 1998 – 2012)”,Fakultas Ekonomi Dan Bisnis Universitas Lampung. Agus Tri Basuki dan Nano Prawoto, 2016, Analisis Regresi dalam Penelitian ekonomi dan Bisnis (dilengkapi Aplikasi SPSS dan Eviews), Cetakan pertama, edisi pertama, PT Rajawali Pers, Jakarta Basri, Y, Z. Dan Mulyadisubri, 2004, “Keuangan Negara dan Analisis Kebijakan Utang Luar Negeri”, Raja Grafindo Persada, Jakarta. Boediono, 1982, “Seri Sinopsis Pengantar Ilmu Ekonomi No. 2 Ekonomi Makro Edisi 4”.Yogyakarta : BPFE Direktorat Jendral Pengelolaan Utang, DEPKEU RI, (2010), “Strategi Pengelolaan Utang Negara 2010 -2014”, Jakarta: Depkeu RI. Juliani, Melati (2012), “Pengaruh Ekspor-Impor Terhadap ekonomi bisnis Indonesia, Jurnal online Transborder”, Edisi. 1 Vol. 1 Kuncoro, Prof. Mudrajad, 2009, “Ekonomika Indonesia”, UPP STIM YKPN Yogyakarta: Yogyakarta. Kahfi, M.Rizki, 2014, “Analisis Faktor Fundamental Ekonomi Yang Mempengaruhi Utang Luar Negeri Indonesia”, Fakultas Ekonomi Universitas Syiah Kuala Darussalam Bnada Aceh. Nama, I Ktut, 2004, “Tinjauan Faktor-Faktor Ekonomi Yang Mempengaruhi Utang Luar Negeri Indonesia Pendekatan Error Correction Model (Ecm) Periode 1971-2001” Bali Nopirin, 2000, “Ekonomi Makro Buku 2”, Edisi 1, Yogyakarta : BPFE Rusda Zega, Bobby, 2007, “Analisis Faktor-Faktor yang Mempengaruhi Jumlah Luar Negeri Indonesia”, Fakultas Ekonomi Universitas Sumatera
Hutang Utara Medan.
Sari, Ella Dhanila Kartika, 2015, "Pengaruh Defisit Transaksi Berjalan, Kurs, Dan Inflasi Terhadap Utang Luar Negeri Pemerintah Sebelum Dan Sesudah Krisis 19
Global 2008” Fakultas ekonomi dan Bisnis Univesrsitas Negeri sunan Klaijga. Sukirno, Sodono, 2000, “Pengantar Teori Makro Ekonomi. Edisi Kedua”, PT Raja Grafindo Persada, Jakarta. Sukirno, Sodono. 1985, “Ekonomi Pembangunan”, LPFE – UI, Jakarta. Todaro, Michal P (alih bahasa oleh Haris Munandar), 2000, “Perkembangan Ekonomi di dunia ketiaga”, Jakarta: Erlangga http://www.wikipedia.com http://www.bi.go.id Statistik Ekonomi Keuangan Indonesia
20
F.
LAMPIRAN-LAMPIRAN Lampiran Data
Tahun
ULN
Ekspor
Impor
Inflasi
Kurs
1984
30265,00
5869,70
11185,30
10,46
1076
1985
35157,00
5868,90
8983,50
4,73
1131
1986
41592,00
6528,40
9632,00
5,83
1655
1987
49429,00
8579,60
11302,40
9,28
1652
1988
50720,00
11536,90
12339,50
8,04
1729
1989
52400,00
13480,10
15164,40
6,42
1805
1990
63953,00
14604,20
19916,60
7,81
1843
1991
65697,00
18247,50
23558,50
9,42
1950
1992
73360,00
23296,10
25164,60
7,53
2013
1993
80592,00
27077,20
26157,20
9,69
2087
1994
96500,00
30359,80
29616,10
8,52
2161
1995
107831,00
34953,60
37717,90
9,43
2249
1996
110171,00
38093,00
39333,00
7,97
2342
1997
136087,00
41821,10
37755,70
6,23
2909
1998
150886,00
40975,50
24683,20
58,39
10014
1999
148098,00
38873,20
20322,20
20,49
7855
2000
141693,00
47757,40
27495,30
3,72
8424
2001
133074,00
43684,60
25490,30
11,50
10261
2002
131343,00
45046,10
24763,10
11,88
9311
2003
135401,00
47406,80
24939,80
6,59
8577
2004
137024,00
55939,30
34792,50
6,24
8939
2005
130652,00
66428,40
40243,30
10,45
9705
2006
128735,00
79589,10
42102,60
13,11
9159
2007
136640,00
92012,30
52540,60
6,41
9141
2008
155080,00
107894,20
98644,40
9,78
9699
2009
172871,00
97491,70
77848,50
4,81
9400
2010
202413,00
129739,50 108250,60
5,13
8991
2011
225375,00
162019,60 136734,10
5,36
9068
2012
243649,00
153043,00 149125,30
4,28
10526
2013
249997,00
149918,80 141362,30
5,11
11250
21
Lampiran Uji VECM 1. Uji Stationaritas Utang Luar Negeri (ULN) Null Hypothesis: D(LOGULN) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=7) t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-5.058348
0.0003
Test critical values:
1% level
-3.689194
5% level
-2.971853
10% level
-2.625121
*MacKinnon (1996) one-sided p-values.
EKSPOR Null Hypothesis: D(LOGX) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=7) t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-6.367373
0.0000
Test critical values:
1% level
-3.689194
5% level
-2.971853
10% level
-2.625121
*MacKinnon (1996) one-sided p-values.
IMPOR Null Hypothesis: D(LOGM) has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=7) t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-6.410964
0.0000
Test critical values:
1% level
-3.699871
5% level
-2.976263
10% level
-2.627420
*MacKinnon (1996) one-sided p-values.
22
KURS Null Hypothesis: D(LOGKURS) has a unit root Exogenous: Constant Lag Length: 4 (Automatic - based on SIC, maxlag=7) t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-4.452698
0.0019
Test critical values:
1% level
-3.737853
5% level
-2.991878
10% level
-2.635542
*MacKinnon (1996) one-sided p-values.
INFLASI Null Hypothesis: D(INF) has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=7) t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-6.471306
0.0000
Test critical values:
1% level
-3.699871
5% level
-2.976263
10% level
-2.627420
*MacKinnon (1996) one-sided p-values.
2. Uji Panjang Lag Optimal VAR Lag Order Selection Criteria Endogenous variables: D(LOGULN) D(LOGX) D(LOGM) D(LOGKURS) D(INF) Exogenous variables: C Date: 11/22/15 Time: 17:38 Sample: 1984 2013 Included observations: 26 Lag
LogL
LR
FPE
AIC
SC
HQ
0
-90.89489
NA
0.001100
7.376530
7.618472*
7.446201
1
-65.58978
38.93094
0.001120
7.353060
8.804710
7.771082
23
2
-24.28727
47.65675*
0.000407*
6.099020
8.760378
6.865395*
3
1.253804
19.64698
0.000817
6.057400*
9.928466
7.172127
* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
3. Uji Stabilitas Model VAR Roots of Characteristic Polynomial Endogenous variables: D(LOGULN) D(LOGX) D(LOGM) D(LOGKURS) D(INF) Exogenous variables: C Lag specification: 1 2 Date: 11/22/15 Time: 17:47 Root
Modulus
-0.443334 - 0.678789i
0.810740
-0.443334 + 0.678789i
0.810740
0.172693 - 0.786578i
0.805312
0.172693 + 0.786578i
0.805312
-0.063425 - 0.695434i
0.698321
-0.063425 + 0.695434i
0.698321
0.493751 - 0.407933i
0.640468
0.493751 + 0.407933i
0.640468
-0.487233 - 0.213638i
0.532013
-0.487233 + 0.213638i
0.532013
No root lies outside the unit circle. VAR satisfies the stability condition.
24
4. Uji Kointegrasi Date: 11/22/15 Time: 18:20 Sample (adjusted): 1986 2013 Included observations: 28 after adjustments Trend assumption: Linear deterministic trend Series: LOGULN LOGX LOGM LOGKURS INF Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace) Hypothesized
Trace
0.05
No. of CE(s)
Eigenvalue
Statistic
Critical Value
Prob.**
None *
0.835832
98.52178
69.81889
0.0001
At most 1 *
0.606468
47.92954
47.85613
0.0492
At most 2
0.434102
21.81693
29.79707
0.3088
At most 3
0.162337
5.875359
15.49471
0.7102
At most 4
0.032166
0.915458
3.841466
0.3387
Trace test indicates 2 cointegratingeqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized
Max-Eigen
0.05
No. of CE(s)
Eigenvalue
Statistic
Critical Value
Prob.**
None *
0.835832
50.59223
33.87687
0.0002
At most 1
0.606468
26.11262
27.58434
0.0762
At most 2
0.434102
15.94157
21.13162
0.2283
At most 3
0.162337
4.959902
14.26460
0.7469
At most 4
0.032166
0.915458
3.841466
0.3387
Max-eigenvalue test indicates 1 cointegratingeqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
25
5. Analisis Kausalitas Granger Pairwise Granger Causality Tests Date: 11/22/15 Time: 18:41 Sample: 1984 2013 Lags: 2 Null Hypothesis: LOGX does not Granger Cause LOGULN
Obs
F-Statistic
Prob.
28
1.74133
0.1976
0.39207
0.6801
1.58801
0.2259
0.70357
0.5052
0.47682
0.6268
5.91301
0.0085
5.62283
0.0103
3.07177
0.0657
0.71019
0.5020
0.30836
0.7376
0.26658
0.7683
9.50256
0.0010
1.95518
0.1644
1.14203
0.3366
1.07072
0.3592
8.63466
0.0016
3.19541
0.0596
0.15778
0.8550
3.93789
0.0338
0.31861
0.7303
LOGULN does not Granger Cause LOGX LOGM does not Granger Cause LOGULN
28
LOGULN does not Granger Cause LOGM LOGKURS does not Granger Cause LOGULN
28
LOGULN does not Granger Cause LOGKURS INF does not Granger Cause LOGULN
28
LOGULN does not Granger Cause INF LOGM does not Granger Cause LOGX
28
LOGX does not Granger Cause LOGM LOGKURS does not Granger Cause LOGX
28
LOGX does not Granger Cause LOGKURS INF does not Granger Cause LOGX
28
LOGX does not Granger Cause INF LOGKURS does not Granger Cause LOGM
28
LOGM does not Granger Cause LOGKURS INF does not Granger Cause LOGM
28
LOGM does not Granger Cause INF INF does not Granger Cause LOGKURS LOGKURS does not Granger Cause INF
28
26
6. Model Empiris VECM Vector Error Correction Estimates Date: 11/22/15 Time: 18:50 Sample (adjusted): 1987 2013 Included observations: 27 after adjustments Standard errors in ( ) & t-statistics in [ ] CointegratingEq:
CointEq1
LOGULN(-1)
1.000000
LOGX(-1)
-2.165887 (0.26410) [-8.20088]
LOGM(-1)
1.351949 (0.29110) [ 4.64430]
LOGKURS(-1)
0.392539 (0.12440) [ 3.15544]
INF(-1)
0.060655 (0.01248) [ 4.85835]
C
-10.82287
Error Correction:
D(LOGULN)
D(LOGX)
D(LOGM)
D(LOGKURS)
D(INF)
CointEq1
-0.702148
-0.585392
-0.513580
-0.599314
-33.20599
(0.25654)
(0.24338)
(0.15945)
(0.75781)
(10.8873)
[-2.73699]
[-2.40521]
[-3.22104]
[-0.79085]
[-3.04996]
1.708878
1.269919
1.069336
0.136034
69.56594
(0.47524)
(0.45087)
(0.29537)
(1.40385)
(20.1688)
[ 3.59581]
[ 2.81659]
[ 3.62029]
[ 0.09690]
[ 3.44918]
0.137087
0.450000
-0.141851
1.858509
9.255711
(0.59542)
(0.56489)
(0.37007)
(1.75887)
(25.2693)
D(LOGULN(-1))
D(LOGULN(-2))
27
[ 0.23023]
[ 0.79661]
[-0.38331]
[ 1.05665]
[ 0.36628]
0.287678
0.512576
0.388970
1.637925
3.851544
(0.55002)
(0.52182)
(0.34185)
(1.62476)
(23.3425)
[ 0.52303]
[ 0.98229]
[ 1.13783]
[ 1.00810]
[ 0.16500]
-0.057273
-0.489397
0.113205
-3.418794
-5.443903
(0.52898)
(0.50186)
(0.32878)
(1.56261)
(22.4496)
[-0.10827]
[-0.97517]
[ 0.34432]
[-2.18788]
[-0.24249]
-0.207665
-0.416977
-0.468255
-0.247037
-6.747577
(0.34435)
(0.32669)
(0.21402)
(1.01721)
(14.6140)
[-0.60306]
[-1.27636]
[-2.18789]
[-0.24286]
[-0.46172]
0.236091
0.257379
-0.160294
1.799511
9.171538
(0.38121)
(0.36166)
(0.23693)
(1.12610)
(16.1784)
[ 0.61932]
[ 0.71165]
[-0.67654]
[ 1.59801]
[ 0.56690]
0.156984
0.142706
0.063880
-0.404128
10.02278
(0.09302)
(0.08825)
(0.05781)
(0.27477)
(3.94750)
[ 1.68772]
[ 1.61714]
[ 1.10498]
[-1.47081]
[ 2.53902]
0.123377
0.077791
0.004580
-0.164518
5.970412
(0.07341)
(0.06965)
(0.04563)
(0.21686)
(3.11564)
[ 1.68055]
[ 1.11689]
[ 0.10039]
[-0.75862]
[ 1.91627]
-0.009477
-0.009689
-0.006723
0.004434
-0.445411
(0.01057)
(0.01003)
(0.00657)
(0.03122)
(0.44846)
[-0.89683]
[-0.96649]
[-1.02359]
[ 0.14206]
[-0.99319]
0.006628
0.007421
0.015165
-0.018291
-0.015030
(0.00775)
(0.00736)
(0.00482)
(0.02291)
(0.32907)
[ 0.85481]
[ 1.00880]
[ 3.14674]
[-0.79856]
[-0.04567]
-0.217653
-0.066426
0.037276
-0.097870
-13.49025
(0.14794)
(0.14035)
(0.09195)
(0.43701)
(6.27842)
[-1.47123]
[-0.47328]
[ 0.40540]
[-0.22395]
[-2.14867]
R-squared
0.595790
0.575413
0.815626
0.711416
0.701653
Adj. R-squared
0.299369
0.264049
0.680419
0.499789
0.482865
D(LOGX(-1))
D(LOGX(-2))
D(LOGM(-1))
D(LOGM(-2))
D(LOGKURS(-1))
D(LOGKURS(-2))
D(INF(-1))
D(INF(-2))
C
28
Sum sq. resids
0.773747
0.696426
0.298891
6.751706
1393.581
S.E. equation
0.227119
0.215473
0.141160
0.670905
9.638746
F-statistic
2.009948
1.848041
6.032415
3.361638
3.207004
Log likelihood
9.645338
11.06667
22.48611
-19.59978
-91.55258
Akaike AIC
0.174419
0.069136
-0.776749
2.340724
7.670561
Schwarz SC
0.750347
0.645063
-0.200821
2.916652
8.246489
Mean dependent
0.137411
0.187056
0.170474
0.070984
-0.026667
S.D. dependent
0.271337
0.251170
0.249701
0.948603
13.40351
Determinant resid covariance (dof adj.)
2.26E-05
Determinant resid covariance
1.19E-06
Log likelihood
-7.439108
Akaike information criterion
5.365860
Schwarz criterion
8.485467
29
