VOLATILITAS MAKROEKONOMI, LIBERALISASI KEUANGAN, DAN ARAH ALIRAN MODAL DI KAWASAN ASIA-PASIFIK
FERIANSYAH
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2017
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa tesis berjudul “Volatilitas Makroekonomi, Liberalisasi Keuangan, dan Arah Aliran Modal di Kawasan AsiaPasifik” adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, 1 Mei 2017 Feriansyah NRP H151150491
RINGKASAN FERIANSYAH. Volatilitas Makroekonomi, Liberalisasi Keuangan, dan Arah Aliran Modal di Kawasan Asia-Pasifik. Dibimbing oleh NOER AZAM ACHSANI dan TONY IRAWAN. Sejak tahun 1970, kawasan Asia-Pasifik merupakan salah satu kawasan yang memiliki derajat liberalisasi keuangan tertinggi jika dibandingkan dengan kawasan geografis lain. Adanya pengaruh positif liberalisasi keuangan dalam menurunkan volatilitas variabel makroekonomi masih menjadi perdebatan baik secara teori dan kajian empiris. Oleh karena itu, adanya kajian empiris mengenai pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi di kawasan Asia-Pasifik dengan mempertimbangkan arah aliran modal penting untuk diteliti. Penelitian ini bertujuan untuk: (1) Menganalisis pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi di kawasan Asia-Pasifik, (2) Menganalisis pengaruh arah aliran modal yang bergerak secara berbeda (capital outflows dan capital inflows) terhadap volatilitas makroekonomi di kawasan Asia-Pasifik. Data yang digunakan dalam penelitian adalah data sekunder dalam bentuk data panel dengan time series frekuensi lima tahunan sebanyak 8 periode dari tahun 1976 sampai 2015 dan data cross-section yang terdiri dari 19 negara di kawasan AsiaPasifik. Metode yang digunakan dalam penelitian ini adalah menggunakan Generalized Methods of Moment (GMM). Hasil penelitian menunjukkan bahwa keuntungan liberalisasi keuangan di kawasan Asia-Pasifik yang diasosiasikan dengan rendahnya volatilitas pertumbuhan variabel makroekonomi hanya dinikmati oleh kelompok developed countries, sementara tidak untuk kelompok developing countries. Hasil lain menunjukkan bahwa tingkat aset eksternal yang tinggi baik secara total, utang dan ekuitas sebagai ukuran dari capital outflows akan diasosiasikan dengan volatilitas variabel makroekonomi yang rendah. Sedangkan, tingkat kewajiban eksternal yang tinggi baik secara total, utang dan ekuitas sebagai ukuran dari capital inflows akan diasosiasikan dengan volatilitas variabel makroekonomi yang tinggi. Adanya efek negatif liberalisasi keuangan terhadap volatilitas makroekonomi pada kelompok developing countries dikarenakan mayoritas kelompok negara tersebut didominasi oleh capital inflows dibandingkan capital outflows. Sehingga, adanya kelebihan aliran capital inflows pada developing countries akan meningkatkan tekanan dan kerentanan terhadap guncangan krisis. Berdasarkan hasil penelitian, otoritas pemerintahan kelompok developing countries di kawasan Asia-Pasifik hendaknya perlu memberikan hambatan yang tepat melalui regulasi dan kebijakan khusus pada pasar keuangan domestik, sehingga efek negatif adanya liberalisasi keuangan terhadap volatilitas variabel makroekonomi dapat diminimalisir. Selain itu pemerintah di negara-negara kawasan Asia-Pasifik perlu menurunkan volatilitas variabel makroekonomi dengan memperhatikan tingkat inflasi dan fluktuasinya, meningkatkan disiplin fiskal, memperkuat kualitas institusi dan pembangunan keuangan. Kata Kunci:
Aliran modal, Asia-Pasifik, liberalisasi keuangan, volatilitas makroekonomi.
SUMMARY FERIANSYAH. Macroeconomic Volatility, Financial Liberalization, and the Direction of Capital Flows in Asia-Pasific. Supervised by NOER AZAM ACHSANI and TONY IRAWAN. Since 1970, Asia-Pacific is one of the regions which financial liberalization is greater than other regions. The positive effect of financial liberalization on decreasing the macroeconomic volatility until now is still becoming an important issue, both in theoretical and empirical study. Because of that, the empirical study about the effect of financial liberalization on macroeconomic volatility in AsiaPacific is becoming important to investigate. This study has several objectives: (1) Analyzing the effects of financial liberalization on macroeconomic volatility in Asia-Pacific, (2) Analyzing the effect of different movements of capital flows on macroeconomic volatility in Asia-Pacific. This study used secondary data in the form of panel data with five-year time period from 1976 to 2015 and cross-section data consisting of 19 countries in Asia-Pacific. The method used in this study is the Generalized Methods of Moment (GMM). The results proved that the advantages of financial liberalization in AsiaPacific associated with the low volatility of macroeconomic were only perceived by developed countries, while not by developing countries. In addition, the high level of external assets in total, debt and equity as a measure of capital outflows will be associated with the low volatility on macroeconomic variables. The high level of external liabilities in total, debt and equity as a measure of capital inflows will be associated with high volatility on macroeconomic variables. The negative effect of financial liberalization on macroeconomic volatility in developing countries is caused by the majority of those countries holding larger capital inflows, compared to capital outflows. Therefore, the excess capital inflows in developing countries increases the pressure and the vulnerability to crisis shocks. Based on the results, developing country governments in the Asia-Pacific should provide appropriate barrier through regulation and specific policies on the domestic financial market, so the negative effect of financial liberalization on macroeconomic variables volatility can be minimized. In addition, all the governments in Asia-Pacific need to reduce macroeconomic variables volatility by taking into account the inflation rate and its fluctuation, improving fiscal discipline, strengthening institutional quality and financial development. Key words: Asia-Pacific, capital flow, financial liberalization, macroeconomic volatility.
© Hak Cipta Milik IPB, Tahun 2017 Hak Cipta Dilindungi Undang-Undang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apapun tanpa izin IPB
VOLATILITAS MAKROEKONOMI, LIBERALISASI KEUANGAN, DAN ARAH ALIRAN MODAL DI KAWASAN ASIA PASIFIK
FERIANSYAH
Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Ilmu Ekonomi
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2017
Penguji Luar Komisi pada Ujian Tesis: Dr Ir Sri Mulatsih, MScAgr
PRAKATA Puji dan syukur penulis panjatkan kepada Allah Subhanahu wa ta’ala atas segala karunia dan nikmat-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tak lupa salawat serta salam semoga selalu tercurah kepada Nabi dan Rasul termulia Muhammad Shallallaahu ‘alaihi wa sallam beserta keluarganya dan sahabatnya yang setia hingga akhir zaman. Tesis yang berjudul “Volatilitas Makroekonomi, Liberalisasi Keuangan, dan Arah Aliran Modal di Kawasan AsiaPasifik” ini telah berhasil diselesaikan dengan baik. Tesis ini merupakan salah satu syarat untuk memperoleh gelar Magister Sains dari Program Studi Pascasarjana Ilmu Ekonomi, Institut Pertanian Bogor. Ungkapan terima kasih disampaikan setulus-tulusnya kepada Orang Tua Penulis, yakni Ibu Nyayu Habibah dan Bapak Abdul Somad, kakak tercinta (Dian Kartini) serta keluarga terdekat atas segala doa, dukungan dan kasih sayang yang selalu diberikan. Terima kasih penulis ucapkan kepada Bapak Prof. Dr. Ir, Noer Azam Achsani, MS dan Bapak Dr. Tony Irawan, SE, M.App.Ec selaku dosen pembimbing yang selalu memberikan arahan, masukan, dan motivasi yang sangat berharga dalam menyelesaikan penelitian ini serta kepada Ibu Dr. Ir. Sri Multasih, M.Sc.Agr dan Ibu Dr. Lukytawati Anggraeni, SP, M.Si selaku dosen penguji luar komisi dan penguji dari wakil program studi atas kritik dan sarannya dalam menyempurnakan penelitian ini. Rasa terima kasih penulis sampaikan kepada Direktorat Jenderal Pendidikan Tinggi melalui Beasiswa Program Pendidikan Magister menuju Doktor untuk Sarjana Unggul (PMDSU) yang mengakomodasi pendanaan serta berbagai fasilitas pendidikan yang mampu menunjang penulis dalam meraih gelar magister di Institut Pertanian Bogor selama 2015 sampai dengan 2017. Karya tulis serta gelar yang penulis dapat tidak akan mudah tercapai tanpa bantuan dari beasiswa PMDSU yang berasal dari Kemenristek Dikti. Disamping itu penghargaan ini penulis berikan pula untuk dua orang terpilih beasiswa PMDSU Dikti di Depatemen Ilmu Ekonomi IPB Batch II sebagai partner dalam penelitian, yaitu: Linda Karlina Sari dan Mela Yunita. Penulis juga ingin berterimakasih kepada sahabat-sahabat atas perhatian dan doa-doanya, sahabat Pascasarjana fasttrack angkatan 4 dan regular angkatan 10, sahabat S1 angkatan 48 IPB, dan sahabat-sahabat lainnya yang tidak dapat disebutkan satu per satu. Penulis juga ingin berterimakasih kepada teman-teman Organisasi Himpunan Mahasiswa Muslim Pascasarjana (HIMMPAS) dan teman-teman Forum Wacana Pascasarjana atas pengalaman yang telah diberikan. Terakhir penulis sampaikan terima kasih kepada seluruh staff dosen dan sekretariat Departemen Ilmu Ekonomi yang telah membantu penulis hingga tercapainya gelar Magister Sains. Semoga karya ilmiah ini bermanfaat. Bogor, Mei 2017
Feriansyah
DAFTAR ISI DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vii
1
PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Penelitian Manfaat Penelitian Ruang Lingkup Penelitian
1 1 4 8 8 8
2
TINJAUAN PUSTAKA Pasar Modal Internasional dan Keuntungan dari Perdagangan Diversifikasi Portfolio sebagai Motif untuk Perdagangan Aset Internasional Ukuran Liberalisasi dan Keterbukaan Keuangan Liberalisasi Keuangan dan Keuntungannya Penelitian Terdahulu Kerangka Pemikiran Hipotesis Penelitian
9 9 10
3
METODE Jenis dan Sumber Data Perumusan Model Metode Analisis Data Variabel dan Definisi Operasional
23 23 24 27 34
4
HASIL DAN PEMBAHASAN Analisis Eksploratif Data Pengaruh Liberalisasi Keuangan dan Arah Aliran Modal Terhadap Volatilitas Makroeokonomi di Kawasan Asia-Pasifik
37 37 49
5
SIMPULAN DAN SARAN Simpulan Saran
57 57 58
11 16 18 22 23
DAFTAR PUSTAKA
58
LAMPIRAN
62
RIWAYAT HIDUP
82
DAFTAR TABEL 1 2 3 4 5 6 7 8 9 10
Ringkasan hasil literatur hubungan keterbukaan keuangan terhadap volatilitas makroekonomi Korelasi indeks KAOPEN dengan index de jure dari liberalisasi keuangan Literatur studi terdahulu terkait faktor-faktor pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi Jenis dan sumber data yang digunakan dalam penelitian Variabel pembagian liberalisasi keuangan secara de facto dan de jure yang digunakan oleh Mirdala et al. (2015) Variabel aliran modal yang bergerak masuk dan keluar yang dikembangkan oleh Kose et al. (2009) Variabel kontrol yang dikembangkan dari berbagai penelitian Rata-rata nilai variabel dependen dan independen di Kawasan AsiaPasifik periode 1976-2015 Hasil estimasi model dampak liberalisasi keuangan terhadap volatilitas makroekonomi di Kawasan Asia-Pasifik Hasil estimasi model dampak arah aliran modal terhadap volatilitas makroekonomi di Kawasan Asia-Pasifik
6 13 19 23 34 35 35 49 51 54
DAFTAR GAMBAR 1 2 3 4 5 6 7 8
9 10 11 12
13
Rata-rata derajat keterbukaan dan liberalisasi keuangan di negara-negara kawasan Asia-Pasifik Tiga tipe transaksi internasional Instrumen perdagangan internasional Keuntungan liberalisasi keuangan Kerangka pemikiran teoritis Perkembangan volatilitas makroekonomi di kawasan Asia-Pasifik berdasarkan kelompok pendapatan periode 1976-2015 Perkembangan tingkat liberalisasi dan keterbukaan keuangan di kawasan Asia-Pasifik periode 1976-2015 Rata-rata tingkat liberalisasi keuangan (financial liberalization) berdasarkan tingkat pendapatan di kawasan Asia-Pasifik periode 1976 – 2015 Rata-rata tingkat keterbukaan keuangan (financial openness) berdasarkan kelompok pendapatan di kawasan Asia-Pasifik periode 1976-2015 Rata-rata perkembangan data arah aliran modal masuk dan keluar di kawasan Asia-Pasifik periode 1976 – 2015 Rata-rata aliran modal total masuk dan keluar (total aset dan kewajiban eksternal) di negara-negara kawasan Asia-Pasifik periode 1976-2015 Rata-rata Aliran modal dalam bentuk utang masuk dan keluar (total aset dan kewajiban utang eksternal) di negara-negara kawasan Asia-Pasifik periode 1976-2015 Rata-rata aliran modal dalam bentuk ekuitas masuk dan keluar (total aset dan kewajiban ekuitas eksternal) di negara-negara kawasan Asia-Pasifik periode 1976-2015
1 9 11 16 22 38 39
41 42 44 45 47
49
DAFTAR LAMPIRAN 1 2 3 4
Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi tanpa variabel dummy Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi dengan variabel dummy Hasil estimasi model pengaruh arah aliran modal total terhadap volatilitas makroekonomi Hasil estimasi model pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas makroekonomi
62 67 72 77
1
1 PENDAHULUAN
Latar Belakang
4 3.5 3 2.5 2 1.5 1 0.5 0
Indeks
Indeks
Sejak tahun 1990, hadirnya globalisasi perekonomian telah meningkatkan transaksi pada pasar keuangan global dan juga transaksi pasar barang dan jasa antar negara (Rajan 2001). Semakin bebasnya transaksi pasar keuangan dunia dimulai sejak sekitar pertengahan tahun 1980. Bebasnya transaksi pasar keuangan tersebut ditandai dengan adanya pergerakan aliran modal yang semakin bebas di kawasan negara industri khususnya negara-negara di Eropa dan di Amerika. Meningkatnya derajat liberalisasi sektor keuangan di kawasan negara-negara industri selanjutnya telah merambat pada berbagai kawasan dunia khususnya negara-negara di kawasan Asia-Pasifik. Chinn dan Ito (2007) mengungkapkan bahwa sejak tahun 1970 berdasarkan karakteristik kelompok less developed countries, keterbukaan sektor keuangan di kawasan Asia-Pasifik memiliki derajat keterbukaan keuangan tertinggi jika dibandingkan dengan kawasan geografis lainnya. Fakta semakin bebasnya pergerakan aliran modal internasional yang terjadi di kawasan Asia-Pasifik menurut Borensztein (2011) ditandai dengan adanya mobilitas kapital yang semakin bergerak bebas dan terbuka antar tiap negara. Mobilitas kapital yang bergerak bebas tersebut kemudian membuat sebagian besar dari liabilities perusahaan dan perbankan di kawasan Asia mulai didominasi oleh berbagai satuan mata uang asing.
2012 2008 2004 2000 1996 1992 1988 1984 1980 1976
2012 2008 2004 2000 1996 1992 1988 1984 1980 1976 Keterbukaan Keuangan (de facto) Asia-Pasifik
0.75 0.7 0.65 0.6 0.55 0.5 0.45 0.4
Liberalisasi Keuangan (de jure) Asia-Pasifik
Sumber: The External Wealth of Nations, dan Indeks Chinn-Ito (diolah)
Gambar 1 Rata-rata derajat keterbukaan dan liberalisasi keuangan di negaranegara kawasan Asia Pasifik Gambar 1 menunjukkan pergerakan data liberalisasi keuangan secara de jure dan de facto di kawasan Asia-Pasifik. Liberalisasi keuangan yang melambangkan tingkat liberalisasi keuangan secara de jure menunjukkan indeks liberalisasi keuangan yang dikeluarkan oleh Chinn dan Ito (2007). Variabel ini menghitung derajat keterbukaan capital account terhadap pendanaan asing di suatu negara. Sedangkan, keterbukaan keuangan yang melambangkan indeks liberalisasi keuangan secara de jure dihitung menggunakan perhitungan ukuran keterbukaan keuangan dari Lane dan Milesi-Ferreti (2006). Metode perhitungan
2
keterbukaan keuangan adalah dengan menjumlahkan aliran total modal yang masuk dan keluar kemudian dibagi dengan produk domestik bruto. Derajat keterbukaan keuangan di negara-negara kawasan Asia-Pasifik selalu mengalami kenaikan dari waktu ke waktu. Pergerakan data tersebut memperlihatkan bahwa pada tahun 1976 rata-rata derajat keterbukaan keuangan di negara-negara kawasan Asia-Pasifik hanya sebesar 0.45 satuan indeks, kemudian meningkat hingga delapan kali lipat pada tahun 2015 sebesar 3.4 satuan indeks. Begitu pula dengan derajat liberalisasi keuangan yang memperlihatkan terjadinya kenaikan dari waktu ke waktu, kecuali pada tahun 1997 yang mengalami penurunan karena adanya krisis keuangan global. Adanya globalisasi perekonomian internasional yang diikuti dengan semakin bebasnya pergerakan sektor keuangan di negara-negara kawasan AsiaPasifik menjadi suatu fenomena yang menarik untuk dicermati. Hal ini utama sekali karena adanya berbagai temuan yang mengungkapkan bahwa liberalisasi keuangan yang diikuti dengan adanya keterbukaan perdagangan dapat memengaruhi kondisi perekonomian suatu negara ataupun kawasan. Menurut Mirdala, et al. (2015), berkembangnya studi dan penelitian empiris mengenai liberalisasi keuangan di dunia diawali karena adanya berbagai temuan penting mengenai pengaruh dari adanya liberalisasi keuangan terhadap perekonomian. Berbagai temuan tersebut menyimpulkan bahwa adanya proses liberalisasi aliran modal yang dipimpin oleh negara-negara industri telah menjadi kunci pendorong dalam peningkatan efisiensi alokasi kekayaan dan berbagi resiko keuangan secara internasional. Adanya efisiensi alokasi kekayaan dan berbagi resiko internasional tersebut kemudian akan memengaruhi pertumbuhan dan menjaga kestabilan perekonomian. Selain perolehan manfaat adanya efisiensi alokasi dan berbagi resiko secara internasional, semakin bebasnya aliran modal lintas negara juga akan menentukan hasil guna perekonomian dan selanjutnya akan memengaruhi adanya resiko volatilitas variabel-variabel makroekonomi. Pada akhirnya, resiko volatilitas makroekonomi tersebut akan memengaruhi pertumbuhan ekonomi dan secara tidak langsung berimplikasi terhadap tingkat kesejahteraan pada suatu perekonomian. Kajian empiris yang telah dilakukan oleh Kose et al. (2005) dengan menggunakan objek sampel yang luas telah membuktikan bahwa adanya globalisasi perekonomian yang ditandai dengan peningkatan volume perdagangan internasional dan sektor keuangan telah mengurangi hubungan negatif yang terjadi antara volatilitas dan pertumbuhan ekonomi. Artinya, semakin tinggi derajat keterbukaan keuangan dan perdagangan suatu perekonomian akan semakin menipiskan hubungan negatif antara volatilitas dengan pertumbuhan ekonomi. Begitu pula penelitian Bakaert et al. (2006), Ahmed dan Suardi (2009), Pancaro (2010), Tayebi dan Torki (2012), Nicolo dan Juvenal (2012), dan Mirdala et al. (2015) telah menemukan bahwa adanya sektor pasar keuangan yang semakin terbuka telah memiliki kontribusi positif dalam memengaruhi volatilitas makroekonomi. Adanya perekonomian dengan sektor keuangan yang semakin bebas akan berkontribusi positif dengan menurunkan volatilitas dari pertumbuhan output dan konsumsi. Temuan tersebut diperkuat oleh Ozcan et al. (2003) yang mengungkapkan bahwa adanya aliran modal lintas negara yang semakin terintegrasi akan menjaga fluktuasi variabel volatilitas makroekonomi. Hal ini disebabkan karena adanya keterbukaan aliran keuangan akan membantu negara
3
tersebut dalam memperoleh berbagai akses permodalan, sehingga akan meningkatkan variasi dasar dalam pola produksi suatu negara dan pada gilirannya akan menjaga kestabilan perekonomian. Menurut Kose et al. (2003), adanya hasil empiris mengenai manfaat positif adanya liberalisasi keuangan terhadap volatilitas makroekonomi pada kenyataannya masih belum dapat dibenarkan. Hal ini dikarenakan belum adanya kesimpulan yang jelas dan masih banyaknya perdebatan mengenai hubungan antara liberalisasi keuangan terhadap volatilitas makroekonomi. Adanya ketidakjelasan hubungan tersebut diperkirakan karena adanya dua kekuatan besar pada liberalisasi keuangan. Dua kekuatan tersebut mungkin akan mengurangi atau justru semakin meningkatkan resiko volatilitas makroekonomi. Di satu sisi, keterbukaan keuangan internasional dapat mengurangi volatilitas variabel makroekonomi karena adanya diversifikasi dalam berbagi resiko. Di sisi lain, keterbukaan keuangan dapat menyebabkan spesialisasi yang lebih besar dan dengan demikian akan meningkatkan volatilitas perekonomian domestik. Selain itu, Mirdala et al. (2015) mengungkapkan bahwa pada kenyataannya keuntungan adanya liberalisasi keuangan dunia juga dipengaruhi oleh kondisi perekonomian di suatu negara. Keterbukaan pasar keuangan lebih memberikan keuntungan untuk negara-negara maju, sementara cenderung bersifat merugikan untuk negaranegara yang sedang berkembang. Adanya teori dan hasil empiris yang masih menjadi perdebatan mengenai pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi membuat kajian akan pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi di kawasan Asia-Pasifik penting untuk diteliti. Hal ini dikarenakan kawasan AsiaPasifik masih banyak didominasi oleh negara-negara less developed. Sehingga penelitian ini pada akhirnya dapat memberikan sebuah kesimpulan penting apakah adanya liberalisasi keuangan global akan memberikan manfaat di kawasan AsiaPasifik atau justru sebaliknya. Berbagai kesimpulan yang belum jelas mengenai dampak liberalisasi keuangan terhadap volatilitas makroekonomi menjadi point tambahan penting pada penelitian ini. Sifat-sifat agregasi dari aliran gross capital sebagai ukuran dari indeks liberalisasi keuangan pada dasarnya telah menutupi pengaruh yang didasarkan pada arah aliran modal keuangan masuk (capital inflows) maupun aliran modal keluar (capital outflows). Kose et al. (2009) menambahkan agar penelitian mengenai pengaruh liberalisasi keuangan dapat menjelaskan fenomena secara komprehensif, pengaruh arah aliran modal keuangan yang bergerak secara berbeda patut untuk dipertimbangkan. Hal ini agar dapat menjelaskan secara terperinci adanya sebuah kemungkinan potensi dampak yang berbeda pada arah aliran capital inflows ataupun capital outflows terhadap volatilitas makroekonomi. Penelitian ini atas dasar permasalahan diatas tidak hanya memperlihatkan bagaimana hubungan liberalisasi keuangan terhadap volatilitas makroekonomi, namun juga akan memperlihatkan bagaimana kontribusi arah aliran modal dalam memengaruhi volatilitas makroekonomi di kawasan Asia-Pasifik. Variabel volatilitas makroekonomi yang diteliti dalam penelitian ini akan lebih mendetail jika dibandingkan dengan penelitian pada umumnya. Jika berbagai penelitian pada umumnya hanya melihat pengaruh liberalisasi dan keterbukaan keuangan terhadap volatilitas output dan konsumsi, maka penelitian ini melihat pengaruh liberalisasi keterbukaan keuangan dari sisi volatilitas output,
4
konsumsi dan investasi. Pengaruh liberalisasi keuangan terhadap volatilitas investasi mungkin terjadi dikarenakan hadirnya liberalisasi keuangan akan meningkatkan arus modal internasional yang bergerak lintas batas. Kemudian, adanya arus modal lintas batas ini memungkinkan terjadinya proses saling mensubstitusi antara investasi domestik dan investasi asing, dan pada akhirnya akan berpengaruh terhadap volatilitas investasi domestik (Backus et al. 1992). Selain itu, adanya perluasan variabel volatilitas makroekonomi dengan memasukkan variabel volatilitas investasi dikarenakan volatilitas investasi merupakan variabel penting dan memiliki kontribusi yang besar terhadap suatu perekonomian. Sebagaimana Dornbusch et al. (2011) yang mengungkapkan bahwa terdapat perbedaan mendasar antara fluktuasi konsumsi dan investasi. Fluktuasi dalam konsumsi secara proporsional lebih kecil jika dibandingkan dengan fluktuasi output, sehingga konsumsi yang merupakan bagian besar dari output secara relatif lebih stabil. Sementara itu, investasi secara teori lebih volatil dan hingga saat ini pengaruh adanya volatilitas investasi justru bertanggung jawab akan besarnya fluktuasi dari output melalui siklus bisnis yang terjadi. Adanya berbagai pertimbangan tersebut, pengaruh adanya liberalisasi keuangan terhadap volatilitas investasi juga akan disertakan. Hal ini membuat peneliti memperluas proksi volatilitas makroekonomi yang diteliti dengan membaginya menjadi tiga bagian, yaitu: volatilitas output, konsumsi dan investasi. Kemudian melihat bagaimana hubungan liberalisasi sektor keuangan dan arah aliran modal terhadap ketiga proksi volatilitas makroekonomi tersebut di kawasan Asia-Pasifik.
Perumusan Masalah Berkembangnya penelitian mengenai faktor-faktor yang memengaruhi volatilitas makroekonomi pada mulanya dikarenakan adanya temuan penting oleh Ramey dan Ramey (1995). Penelitian tersebut telah berhasil mengungkapkan terdapatnya efek yang merugikan akan adanya volatilitas makroekonomi terhadap perekonomian. Hasil empiris menyimpulkan bahwa terdapat hubungan negatif yang signifikan antara output volatility dan growth. Mengindikasikan bahwa negara-negara dengan volatilitas yang tinggi memiliki pertumbuhan ekonomi yang rendah, begitupula sebaliknya. Tidak hanya volatilitas output yang memiliki pengaruh penting terhadap pertumbuhan ekonomi. Volatilitas makroekonomi seperti konsumsi dan investasi juga memiliki peranan yang besar dalam memengaruhi suatu perekonomian. Meskipun secara teori, volatilitas investasi lebih memainkan peranan penting terhadap perekonomian jika dibandingkan dengan volatilitas konsumsi. Dornbusch et al. (2011) menjelaskasan bahwa fluktuasi konsumsi relatif lebih stabil, sedangkan fluktuasi dalam investasi secara teori lebih volatil. Selain itu, peran volatilitas investasi terhadap pertumbuhan output memiliki peran yang besar jika dibandingkan dengan volatilitas konsumsi. Melalui siklus bisnis yang terjadi, volatilitas investasi lebih bertanggung jawab dibandingkan volatilitas konsumsi dalam memengaruhi besarnya fluktuasi dari GDP (gross domestic product). Adanya penelitian Ramey dan Ramey (1995) dan argumen dari Dornbusch et al. (2011) memberikan sebuah kesimpulan bahwa volatilitas makroekonomi yang memengaruhi pertumbuhan ekonomi secara tidak langsung memainkan
5
peran penting dalam perekonomian. Hal ini dikarenakan adanya resiko volatilitas makroekonomi yang memengaruhi pertumbuhan ekonomi pada akhirnya akan berimplikasi terhadap tingkat kesejahteraan. Adanya hubungan empiris tersebut menjadikan landasan dasar yang dikembangkan oleh Kose et al. (2005) untuk menguji hubungan diantara keduanya output volatility dan growth dalam konteks globalisasi dengan ditandai adanya fenomena keterbukaan perdagangan dan integrasi keuangan dengan menggunakan sampel di banyak negara. Hasil menunjukkan adanya interaksi antara integrasi keuangan dan keterbukaan perdagangan terhadap volatilitas output telah menipiskan hubungan negatif antara volatilitas output dan pertumbuhannya. Dalam hubungan antara integrasi keuangan dan volatilitas ekonomi, Kose et al. (2003) mengungkapkan bahwa integrasi keuangan internasional dipercaya memiliki dua keuntungan potensi utama, yaitu: meningkatkan alokasi kapital secara global dan membantu negara-negara membagi resiko perekonomian domestiknya secara lebih baik. Pada akhirnya, keuntungan integrasi keuangan tersebut akan mengurangi volatilitas makroekonomi yang terjadi. Perekonomian yang pasar keuangannya terintegrasi dengan sangat baik akan memberikan harapan kepada setiap pelaku ekonomi, bahwa negara memiliki kondisi makroekonomi yang stabil. Fluktuasi variabel makroekonomi yang stabil akan menyebabkan rendahnya resiko dalam perekonomian secara keseluruhan, karena adanya diversifikasi resiko secara internasional yang ditanggung bersama. Berbagai tinjauan yang luas serta dari literatur yang ada akan ditemukan kesulitan untuk memberikan kesimpulan bahwa liberalisasi keuangan benar-benar akan mengurangi volatilitas makroekonomi. Bahkan terdapat beberapa studi yang menemukan sebuah hasil yang berlawanan, dimana adanya liberalisasi keuangan internasional dapat meningkatkan volatilitas makroekonomi. Easterly et al. (2001) telah menguji faktor-faktor dari volatilitas dengan menggunakan sampel yang besar dan menemukan bahwa sistem keuangan yang semakin bertumbuh akan menghasilkan keterbukaan keuangan, sehingga dapat meningkatkan resiko kenaikan volatilitas pertumbuhan output. Kose et al. (2003) telah menguji dampak adanya integrasi keuangan pada volatilitas makroekonomi dengan menggunakan sampel yang besar. Hasil menunjukkan adanya kenaikan keterbukaan keuangan dihubungkan dengan kenaikan secara relatif pada volatilitas konsumsi dan pendapatan. Neaime (2005) mengindikasikan bahwa keterbukaan keuangan memiliki sebuah pengaruh hubungan yang positif dan signifikan pada volatilitas GDP , konsumsi total dan privat di Middle East and North Africa (MENA). Mengindikasikan bahwa keterbukaan keuangan memiliki sebuah pengaruh hubungan yang positif dan signifikan pada GDP , konsumsi total dan privat. Mujahid dan Alam (2013) telah meneliti hubungan keterbukaan keuangan dan perdagangan terhadap volatilitas makroekonomi di negara Pakistan. Keterbukaan keuangan dihubungkan dengan pengaruh positif terhadap volatilitas output dan konsumsi di Pakistan. Mirdala et al. (2015) telah menguji hubungan antara integrasi keuangan internasional dan fluktuasi dari output. Hasil diperoleh bahwa hubungan antara keterbukaan keuangan dan pembangunan ekonomi dalam negara-negara maju terlihat belum relevan. Akibatnya pengaruh integrasi keuangan pada volatilitas makroekonomi menghilang dari waktu ke waktu. Begitupula sebaliknya, dampak keterbukaan keuangan terhadap volatilitas makroekonomi di negara-negara
6
berkembang memiliki efek yang negatif. Adanya keterbukaan keuangan telah menyebabkan lebih besarnya volatilitas makroekonomi di negara-negara berkembang. Jenis keterbukaan keuangan dan adanya karakteristik khusus negara lainnya mungkin juga menjadi berarti dalam memberikan hasil yang berbeda. Kose et al. (2005) memberikan suatu kesimpulan bahwa adanya keterbukaan keuangan dan perdagangan memberikan efek positif terhadap perekonomian dengan melemahkan adanya hubungan negatif dari volatilitas output terhadap pertumbuhan ekonomi. Adanya temuan-temuan penting tersebut membuat kajian mengenai keterbukaan keuangan dan perdagangan semakin berkembang. Ahmed dan Suardi (2009) dengan mengembangkan penelitian dari Kose et al. (2003) meneliti pengaruh liberalisasi perdagangan dan keuangan terhadap volatilitas makroekonomi di Kawasan Sub-Sahara Afrika. Hasilnya menunjukkan bahwa adanya peningkatan keterbukaan keuangan di kawasan Afrika membawa kepada volatilitas yang lebih rendah dalam output dan konsumsi. Berbeda dengan hipotesis teori relevan yang telah memprediksi bahwa keterbukaan perdagangan hasilnya justru akan melibatkan ketidakstabilan makroekonomi yang semakin besar di Afrika. Bakaert et al. (2006) telah menguji dampak dari liberalisasi pasar ekuitas dan keterbukaan capital account terhadap volatilitas pertumbuhan konsumsi. Hasilnya ditemukan bahwa liberalisasi keuangan dihubungkan dengan rendahnya volatilitas pertumbuhan output. Begitu pula penelitian Nicolo dan Juvenal (2012), yang mengungkapkan adanya integrasi keuangan dan globalisasi dihubungkan dengan pertumbuhan yang lebih tinggi dan volatilitas pertumbuhan yang lebih rendah. Tabel 1 Ringkasan hasil literatur hubungan keterbukaan keuangan terhadap volatilitas makroekonomi Objek penelitian Penelitian Hubungan Bakaert, harvey dan Lundblad Agregasi negara di dunia negatif ( ) Agregasi negara di dunia Nicolo dan Juvenal negatif ( ) Negara maju dan berkembang Easterlty, Islam dan Stiglitz positif ( ) Negara berkembang Kose, Prasad dan Terrones positif ( ) Negara berkembang Mirdala, Svrcekova, Jozefina positif ( ) Sub-Sahara Afrika Ahmed dan Suardi negatif ( ) Middle East and North Africa Simon Neaime Positif (+) Adanya perbedaan hasil empiris akan kajian mengenai hubungan keterbukaan keuangan terhadap volatilitas makroekonomi memunculkan perdebatan dan belum mampu memberikan kesimpulan yang jelas. Hal ini menunjukkan adanya penelitian yang bersifat agregasi pada umumnya telah menutup rincian struktural penting. Padahal kenyataannya sebuah penelitian yang objeknya lebih terfokus berpotensi dapat menjelaskan hasil yang beragam mengenai dampak liberalisasi keuangan terhadap volatilitas makroekonomi. Kose et al. (2009) telah menyelidiki kemungkinan bahwa arus modal (arus modal di aset dan kewajiban) dan berbagi jenis arus modal (yaitu, ekuitas dan utang) mungkin merupakan hal yang dapat menjadi rujukan penting untuk mencermati adanya potensi efek yang berbeda terhadap volatilitas makroekonomi. Arus modal
7
yang digunakan berfokus pada tingkat aset eksternal (capital outflows) dan tingkat kewajiban eksternal (capital inflows). Adanya berbagai jenis arus modal seperti ekuitas dan utang juga dimungkinkan memberikan efek pada volatilitas ekonomi. Ekuitas mungkin lebih kondusif untuk ex-ante berbagi resiko, sementara utang mungkin lebih membantu untuk ex-post consumption smoothing. Hal ini sebagaimana teori menjelaskan adanya capital outflows yang digerakkan oleh pemegang modal domestik dengan membeli aset-aset luar negeri akan membuat variasi dalam menangani resiko dari negara asal. Selain itu, investor domestik mungkin dapat meningkatkan laba untuk sebuah resiko yang diberikan dengan meningkatkan jumlah capital inflows dalam membeli aset eksternal. Aset-aset keuangan domestik yang disimpan di luar akan membantu pemegang modal domestik membagi resiko kekayaannya untuk menghadapi kerugian guncangan output di negara asal, dimana setiap pemegang aset akan tetap mendapatkan pendapatan dari luar negaranya. Dapat disimpulkan adanya aset eksternal yang besar dimungkinkan akan berhubungan dengan rendahnya fluktuasi variabel makroekonomi. Sebaliknya, kewajiban eksternal diprediksi akan memengaruhi volatilitas ekonomi dalam arah yang berbeda. Negara penerima modal mengalami arus modal masuk, yang kemudian akan meningkatkan resiko spesifik mereka sendiri dengan adanya tambahan resiko dari negara pemberi modal. Tambahan resiko dimungkinkan karena pelarian modal dan kejadian negatif akibat adanya guncangan dunia. Kewajiban eksternal yang besar kemudian akan berhubungan dengan volatilitas ekonomi yang besar. Adanya kemungkinan pengaruh yang berbeda dari capital inflows dan capital outflows terhadap volatilitas makroekonomi. Membuat penelitian ini akan memfokuskan sebuah observasi liberalisasi dan keterbukaan keuangan di kawasan Asia-Pasifik sekaligus mempertimbangkan adanya pengaruh yang berbeda dari arah aliran modal yang berbeda terhadap volatilitas variabel makroekonomi. Capital outflows digambarkan oleh total eksternal aset, aset eksternal ekuitas dan aset eksternal utang. Adanya capital outflows secara teori cenderung akan berhubungan dengan volatilitas variabel makroekonomi yang rendah. Sementara, adanya capital inflows yang digambarkan oleh total kewajiban eksternal, kewajiban utang eksternal dan kewajiban eksternal ekuitas secara teori akan cenderung dihubungkan dengan volatilitas variabel makroekonomi yang tinggi. Penelitian terkait pengaruh keterbukaan keuangan terhadap volatilitas variabel makroekonomi dengan membaginya kedalam volatilitas output, konsumsi dan investasi dan memfokuskan pada arah dan tipe arah airan modal yang berbeda masih banyak yang belum melakukan. Selain itu, adanya perbedaan hasil empiris berbagai penelitian terkait pengaruh liberalisasi keuangan terhadap volatilitas variabel makroekonomi membuat penelitian yang mengkhususkan pada objek yang spesifik dalam suatu kawasan tertentu urgen untuk dilakukan. Adanya berbagai permasalahan diatas, penelitian ini memfokuskan pada sebuah rumusan masalah penting untuk melihat pengaruh keterbukaan keuangan dengan memfokuskan pada arah aliran modal (capital inflows dan capital outflows) terhadap volatilitas makroekonomi di kawasan Asia-Pasifik. Berdasarkan deskripsi di atas, maka inti permasalahan yang dapat diangkat dalam penelitian ini adalah:
8
1.
2.
Bagaimana pengaruh liberalisasi keuangan terhadap volatilitas variabel makroekonomi yang diukur dengan variabel output, konsumsi dan investasi di kawasan Asia-pasifik? Bagaimana pengaruh dari tipe dan arah aliran modal yang bergerak secara berbeda terhadap volatilitas makroekonomi di kawasan Asia-Pasifik?
Tujuan Penelitian Berdasarkan rumusan masalah yang telah disusun di atas, maka tujuan dari penelitian ini adalah untuk: 1. Menganalisis pengaruh liberalisasi keuangan terhadap volatilitas variabel makroekonomi di kawasan Asia-Pasifik. 2. Menganalisis pengaruh arah aliran modal yang bergerak secara berbeda (capital outflows dan capital inflows) terhadap volatilitas makroekonomi di kawasan Asia-Pasifik.
Manfaat Penelitian Penelitian ini diharapkan dapat bermanfaat bagi otoritas pemerintahan berbagai negara khususnya negara-negara di kawasan Asia-Pasifik, dalam rangka memberikan sebuah kesimpulan penting akan pengaruh liberalisasi keuangan dengan mengamati pengaruh arah modal internasional terhadap adanya fluktuasi variabel makroekonomi. Adanya jawaban mengenai pengaruh liberalisasi keuangan terhadap volatilitas perekonomian akan menjadi pedoman bagi negaranegara kawasan Asia-Pasik untuk menyusun dan mengatur regulasi pasar keuangan serta berbagai kebijakan hambatan keuangan dengan tepat. Sehingga, regulasi dan kebijakan tersebut dapat diimplementasikan pada tataran tingkat negara bahkan dalam suatu kawasan. Selanjutnya, penelitian ini diharapkan pula dapat memberikan masukan mengenai strategi yang harus dilakukan oleh pemerintah dalam rangka menjaga stabilitas makroekonomi. Strategi yang dimaksud adalah dengan memperhatikan berbagai faktor internal dan eksternal yang dapat mempengaruhi volatilitas variabel makroekonomi. Selain itu, penelitian ini dapat juga menjadi masukan dan rujukan bagi peneliti lain dalam rangka mengembangkan objek penelitian di kawasan lainnya mengenai efek liberalisasi keuangan terhadap perekonomian sebagai dampak adanya globalisasi perekonomian dunia. Adanya perluasan penelitian diharapkan dapat ditemukannya perbedaan-perbedaan penting akan pengaruh liberalisasi keuangan terhadap perekonomian diantara berbagai kawasan dunia.
Ruang Lingkup Penelitian Penelitian ini menganalisis mengenai sebuah pertanyaan penting dan membaginya menjadi dua bagian, yaitu: (1) Apakah adanya globalisasi yang diikuti dengan liberalisasi keuangan mempengaruhi adanya volatilitas variabel makroekonomi di kawasan Asia-Pasifik pada periode 1976-2015, (2) apakah
9
adanya arah dan tipe aliran modal yang bergerak secara berbeda (capital inflows dan capital outflows) memberikan dampak yang berbeda pada volatilitas variabel makroekonomi di kawasan Asia-Pasifk untuk periode 1976-2015. Selanjutnya, penelitian ini memfokuskan objek penelitian pada kawasan Asia-Pasifik yang dalam hal ini sampel data diwakili oleh negara-negara developed countries dan developing countries. Negara-negara developed countries yang digunakan dalam sampel adalah United States, Australia, Chile, Japan, New Zealand, Singapore, South Korea, Canada, Macao, dan Hong Kong. Sedangkan, negara-negara developing countries yang digunakan adalah Bangladesh, China, India, Indonesia, Malaysia, Thailand, Philipiness, Pakistan, Peru. 2 TINJAUAN PUSTAKA
Pasar Modal Internasional dan Keuntungan dari Perdagangan Sebelum munculnya keterbukaan aliran modal lintas negara, yang kemudian terjadi proses integrasi keuangan pada berbagai kawasan dunia. Pembahasan mengenai keuntungan dari perdagangan internasional hanya terkonsentrasi hanya pada pertukaran yang melibatkan barang dan jasa. Adanya penyediaan sistem pembayaran yang mendunia dalam aktivitas perdagangan barang dan jasa telah menurunkan biaya transaksi, kemudian bank pun aktif di pasar modal internasional dalam rangka memperluas keuntungan yang dihasilkan dari adanya aktivitas pertukaran tersebut. Namun, penawaran yang terjadi pada perdagangan aset internasional mungkin hanya sebatas pasar modal diantara warga negara yang berada pada wilayah berbeda. Meskipun perdagangan aset tersebut kadang-kadang dipandang sebagai alat spekulasi, namun adanya keuntungan dari transaksi pertukaran aset tersebut pada dasarnya dapat membuat konsumen dimanapun yang ikut dalam kegiatan di pasar modal menjadi lebih baik. Home
Foreign
Barang-barang dan jasa
Barang-barang dan jasa
Aset-Aset
Aset-Aset
Sumber: Krugman (2003)
Gambar 2 Tiga tipe transaksi internasional Pada dasarnya, semua transaksi yang terjadi antara penduduk suatu negara jatuh ke dalam salah satu dari ketiga jenis kategori: perdagangan barang atau jasa untuk barang atau jasa, perdagangan barang atau jasa untuk aset, dan perdagangan aset untuk aset. Pada setiap waktu, suatu negara umumnya hanya melaksanakan perdagangan di setiap kategori-kategori tersebut. Gambar 2 mengasumsikan
10
terdapat dua negara yaitu negara domestik dan luar negeri yang menggambarkan tiga jenis transaksi internasional. Masing-masing melibatkan aturan keuntungan yang berbeda dari perdagangan. Keuntungan perdagangan pertama adalah bahwasanya negara-negara dapat memperoleh keuntungan dengan berkonsentrasi pada kegiatan produksi mereka yang lebih efisien dan menggunakan beberapa output mereka untuk membayar impor produk lainnya dari luar negeri. Jenis keuntungan perdagangan ini melibatkan pertukaran barang atau jasa untuk barang atau jasa lainnya. Hal ini diperlihatkan oleh panah horizontal atas yang menunjukkan pertukaran barang dan jasa antara rumah dan luar negeri. Keuntungan perdagangan kedua adalah keuntungan hasil dari perdagangan antarwaktu, yang merupakan pertukaran barang dan jasa untuk klaim barang dan jasa di masa depan, yaitu untuk aset. Ketika suatu negara berkembang meminjam luar negeri (misalnya, menjual obligasi untuk orang asing), adanya transaksi tersebut dapat membantu negara-negara berkembang mengimpor bahan baku untuk proyek investasi dan pembangunan dalam negeri. Aktivitas pertukaran tersebut terlibat dalam perdagangan antarwaktu. Keuntungan negara peminjam dari adanya perdagangan ini adalah karena bisa melaksanakan proyek yang pada dasarnya tidak dapat dengan mudah dibiayai melalui tabungan domestik, sedangkan keuntungan negara pinjaman karena mendapatkan aset yang menghasilkan pengembalian (return) lebih tinggi daripada yang tersedia di dalam negerinya sendiri. Diagonal panah pada Gambar 1 menunjukkan perdagangan barang dan jasa untuk aset. Panah horizontal merupakan kategori terakhir dari transaksi internasional yaitu perdagangan aset untuk aset. Contohnya adalah pertukaran real estate yang terletak di suatu negara untuk obligasi di negara lain. Hal ini akan melibatkan akun neraca pembayaran capital outflows dan inflows aktif. Volume yang besar dalam perdagangan aset-aset antar negara, terjadi karena adanya perdagangan aset internasional yang menciptakan berbagi resiko secara internasional dan meningkatkan efisiensi alokasi kekayaan antar negara. Hal ini bisa memberikan manfaat untuk semua negara-negara yang terlibat. Diversifikasi Portfolio sebagai Motif untuk Perdagangan Aset Internasional Perdagangan internasional aset dapat membuat diantara kedua belah pihak untuk melakukan perdagangan yang lebih baik, dengan memungkinkan mereka untuk mengurangi adanya resiko dari laba atas kekayaan. Perdagangan aset dapat mengurangi resiko perekonomian yang terjadi dengan memungkinkan kedua belah pihak untuk mendiversifikasi kekayaan dalam berbagai bentuk portofolio mereka diantara spektrum aset yang lebih luas. Adanya diversifikasi tersebut dengan demikian akan mengurangi jumlah uang mereka yang telah naik pada masing-masing aset individu. Hal ini senada dengan perkataan salah seorang ekonomi yang menggambarkan ide diversifikasi portofolio, “jangan menaruh semua telur anda dalam satu keranjang.” Ketika perekonomian suatu negara dibuka kedalam pasar modal internasional. Hal tersebut dapat mengurangi resiko yang tinggi pada kekayaan yang dimiliki dengan menempatkan beberapa laba dari kekayaan pada keranjang yang berbeda (diversifikasi portofolio). Penurunan adanya resiko ini adalah motif dasar untuk perdagangan aset. Fungsi utama dari pasar modal internasional adalah untuk membuat diversifikasi berbagi resiko yang diharapkan akan muncul.
11
Perdagangan aset internasional dapat dipertukarkan pada berbagai jenis aset. Diantara banyak aset yang di perdagangan di pasar modal internasional adalah obligasi dan deposito dalam mata uang-mata uang yang berbeda, saham, dan instrumen keuangan yang lebih rumit seperti saham atau mata uang pilihan. Adanya sebuah pembelian real estate asing dan akuisisi pabrik secara langsung di negara lain merupakan cara lain untuk diversifikasi aset di luar negeri. Perdagangan aset sering berguna untuk membuat perbedaan antara instrumen utang dan ekuitas. Obligasi dan deposito bank adalah merupakan instrumen utang, karena mereka menentukan bahwa penerbit instrumen harus membayar nilai tetap dengan tambahan bunga terlepas dari keadaan ekonomi. Utang Instrumen Perdagangan Aset Internasional
Obligasi Deposito bank
Ekuitas
Saham
Sumber: Krugman (2003)
Gambar 3 Instrumen perdagangan internasional Sebaliknya, selembar saham adalah instrumen ekuitas, yang merupakan klaim untuk keuntungan perusahaan, bukan untuk pembayaran tetap, dan yang hasilnya akan bervariasi sesuai dengan keadaan. Dengan memilih bagaimana alokasi pembagian portofolio mereka antara instrumen utang dan ekuitas, individu-individu dan negara-negara dapat mengatur untuk tetap dengan tingkat konsumsi dan investasi yang diinginkan, meskipun kemungkinan yang berbeda bisa saja terjadi. Garis pemisah antara utang dan ekuitas bukanlah sesuatu yang murni dalam prakteknya. Bahkan jika instrumen uang pembayaran adalah sama di negara-negara yang berbeda di dunia, payout sebenarnya dalam negara tertentu akan tergantung pada tingkat harga dan nilai tukar nasional. Pembayaran sebagai instrumen yang telah dijanjikan dan telah dibuat tidak mungkin terjadi dalam kasus kebangkrutan, penyitaan pemerintah dari aset milik asing, dan sebagainya. Aset seperti obligasi korporasi kelas rendah, yang nampak tidak dapat diberikan untuk utang, mungkin dalam kenyataannya menjadi seperti ekuitas dalam menyediakan imbalan yang bergantung pada kondisi keuangan dan keuntungannya, meskipun terkadang masih meragukan karena adanya peningkatan investasi yang beresiko. Ukuran Liberalisasi dan Keterbukaan Keuangan Salah satu hal terpenting untuk melihat bagaimana peran pasar modal internasional terhadap perekonomian adalah dengan mengukur keterbukaan keuangan suatu negara di pasar modal internasional pada sebuah data yang terukur. Eichengreen (2001) mengungkapkan bahwa pentingnya membuat penilaian kuantitatif dari adanya dampak globalisasi keuangan adalah untuk dapat memahami dampak dari keterbukaan dan integrasi keuangan terhadap perekonomian. Menurut Quinn et al. (2011) jenis ukuran integrasi keuangan bisa dikelompokkan dalam 3 kategori: de jure, de facto dan indikator hibrid serta
12
kombinasi dari dua bentuk ukuran. Annual Report on Exchange Arrangement and Exchange Restrictions (AREAER) dari IMF adalah sumber utama untuk kebanyakan indikator de jure dari keterbukaan keuangan. Indikator Liberalisasi Keuangan de jure Indikator tabel IMF binary merupakan awal dari indikator keterbukaan ekonomi yang dikonversi kedalam angka dummy ukuran 0/1. Para peneliti umumnya menggunakan variabel ini sebagai proksi capital restriction. Variabel ini memberikan simbol angka 0 untuk negara-negara yang terdapat hambatan di pasar modal, sedangkan angka 1 menunjukkan negara-negara yang bebas hambatan di pasar modal. Quinn et al. (2011), menjelaskan bahwa banyak dari para peneliti yang telah mengembangkan indikator IMF binary, seperti: Epstein dan Schor (1992) yang telah mengembangkan satu dari indikator utama capital restriction yang dibuat oleh AREAER untuk 16 negara-negara OECD selama periode 1967-1986. Alesina, Grili dan Milesi-Ferretti (1994), Garet (1995) yang masing-masing telah menggunakan ukuran kategori dari tabel AERAER untuk suatu analisis hubungan regresi. Edison dan yang lain (2004) dan Klein (2003) menggunakan sebuah rata-rata IMF binary yang bergulir selama beberapa tahun sebagai suatu proksi. Kadar informasi yang dikeluarkan oleh AREAER dalam mengukur capital restriction ini terdapat beberapa batasan dan kelemahan. Hal ini disebabkan karena adanya sifat dasar binary mereka. Contohnya, IMF binary membagi-bagi atas kelompok negara-negara dengan suatu ukuran yang sama yaitu pada pilihan 0/1 untuk negara yang sebagian terbuka, negara-negara yang secara substansial terbuka tetapi tidak terbuka secara penuh, dan negara-negara yang tertutup seutuhnya. Karenanya, hal tersebut dapat menghadirkan sebuah kesalahan ukuran yang sistematis dalam perkembangan regresi ketika digunakan sebagai sebuah variabel independen (Voth 2003). Kelemahan selanjutnya adalah ketersediaan data yang sifatnya sementara dibatasi dalam tabel yang telah di publish hanya sampai volume 1996. Publikasi format tabel terbaru untuk 1996 dalam volume 1997 mewakili pengayaan informasi yang lebih mendalam yang tersedia dalam format tabel. Struktur AREAER setelah 1997 menangkap dimensi indeks hambatan yang lebih luas dari hanya sekedar proksi modal, termasuk dengan jenis investor dan kategori aset. Tabel baru tahun 1997 melaporkan 13 aspek yang terpisah dari transaksi neraca modal dan menyoroti keragaman antar negara mengenai pilihan atas komposisi pembatasan. Format terbaru diperkaya dari 1996 dalam volume 1997 yang memacu ukuran generasi kedua. Tamirisa (1999), Johnston dan Tamirisa (1998) menyimpulkan nilai biner untuk 13 kategori pada 40 negara di tahun 1996. Miniane (2004) telah merata-ratakan 13 skor dalam kategori dan memperpanjang periode waktu 1983-2000, meskipun terdapat informasi negara yang pada dasarnya cakupannya lebih terbatas dan kurang mendetail, termasuk ketidakmampuan untuk membedakan antara capital inflows dan outflows. Chinn dan Ito (2007) dengan menggunakan tabel AREAER telah menghasilkan KAOPEN untuk mengidentifikasi keluasan indikator globalisasi keuangan yang bergantung pada hitungan reduksi data. Mereka menggunakan analisis komponen utama pada tiga indikator kategoris keuangan pembatasan transaksi berjalan (akun hambatan modal saat ini, hambatan persyaratan hasil ekspor dan beberapa proksi
13
nilai tukar) ditambah saham, yang diambil rata-rata secara bergulir dari IMF binary. KAOPEN adalah komponen standar dasar utama dari empat variabel tabel AREAER, dimana skor yang tertinggi mengindikasikan keterbukaan keuangan yang besar. Dalam berbagai penelitian, terdapat perbedaan yang cukup banyak mengenai penentuan ukuran de jure dalam bidang analisis yang dilakukan. Ahmed dan Suardi (2009), Kose et al. (2003) (2005), Neaime (2005) menggunakan ukuran de jure menggunakan ukuran binary dari AREAER. Bakaert et al. (2006) menggunakan ukuran keterbukaan capital account dengan mempertimbangkan dua ukuran yaitu ukuran binary AREAER dan Quinn (1997), Quinn dan Toyoda (2003). Kemudian, Mirdala et al. (2015) menggunakan indeks Chinn dan Ito (2007) dalam analisis penelitiannya. Dari berbagai kajian penelitian sebelumnya, penelitian ini menggunakan pendekatan Mirdala et al. (2015) dalam mengukur liberalisasi keuangan secara de jure dengan menggunakan indeks KAOPEN dari Chinn dan Ito (2007). Hal ini dikarenakan langkah-langkah ukuran kontrol modal secara konvensional yang digunakan AREAER gagal untuk memperhitungkan intensitas kontrol modal dari waktu ke waktu. Indeks KAOPEN digunakan karena telah menggabungkan ukuran yang lebih luas dalam satu indeks, yaitu: (1) variabel yang mengindikasikan kehadiran dari multiple exchange rates, (2) variabel yang mengindikasikan hambatan transaksi current account, (3) variabel yang mengindikasikan hambatan transaksi capital account, dan (4) variabel yang mengindikasikan syarat penyerahan dari proses ekspor. Selain itu indeks Chinn dan Ito juga memiliki korelasi yang baik dengan ukuran indeks yang lain. Tabel 2
Korelasi indeks KAOPEN dengan index de jure dari liberalisasi keuangan Nilai Indeks Lain KorelasiCakupan Catatan KAOPEN Quinn (1997) 83.9 1958-1997 untuk Berdasarkan pada negara-negara AREAER sebelum industri, 1958, revisi tahun 1996. 1973, 1982, dan 1988 untuk 40 less developed countries. Miniane (2004) 80.2 1983-2004 untuk Berdasarkan pada post34 negara. 1996 IMF’s Post -1996 82.0 1995-2005, 181 Rata-rata dari 13 AREAER negara. kategori transaksi capital account. Multpitle 38.4 1967-2005, 181 Variabel binary untuk exchange rates negara. kehadiran restriksi. Current account 78.8 1967-2005, 181 Variabel binary unutk transaction negara. kehadiran restriksi.
14
Tabel 2
Korelasi indeks KAOPEN dengan index de jure dari keterbukaan keuangan (lanjutan) Indeks Lain Korelasi Cakupan Catatan dengan indeks KAOPEN Capital account 83.0 1967-2005, 181 Variabel binary unutk transaction negara. kehadiran restriksi. Export proceed 88.0 1996-2005. Variabel binary unutk surrender kehadiran restriksi. Kaminsky dan 57.6 1973-2000, 28 Hanya didasarkan pada Schmukler (2003) negara. transaksi capital account. Potchamanawong 61.1 1995-2004, 26 Hanya berdasarkan (2007) inflows negara emerging dalam AREAER pada controls market. 13 kategori yang dipisahkan dan dibagi pada apakah hambatan ditempatkan pada capital inflows atau outflows. Potchamanawong 70.8 1995-2004, 26 Hanya berdasarkan (2007) outflows negara emerging dalam AREAER pada controls market. 13 kategori yang dipisahkan dan dibagi pada apakah hambatan ditempatkan pada capital inflows atau outflows Sumber: Chinn dan Ito (2007)
Ukuran-Ukuran Indikator De Facto Indeks globalisasi keuangan de jure tidak mencerminkan sejauh mana arus modal yang sebenarnya berkembang dalam menanggapi adanya hambatan legal, baik karena ketiadaan dari pelaksanaan, atau karena kontrol dalam satu area mungkin menstimulasi sebuah respon dalam aliran aset lainnya. Bahkan indeks lebih dipisahkan dan tidak menangkap perbedaan penting, namun hanya sebatas dalam menggambarkan rezim kontrol modal suatu negara saja. Langkah-langkah de jure oleh karena itu tidak selalu mencerminkan aktivitas aliran modal yang benar-benar terjadi karena adanya keterbukaan keuangan. Hal ini dapat dilihat bahwa negara-negara yang hambatan modalnya relatif tinggi secara substansial keuangannya lebih terintegrasi dalam beberapa dekade terakhir. Dengan demikian, adanya ukuran de facto merupakan salah satu cara alternatif dalam menyajikan ukuran integrasi suatu negara ke pasar keuangan global. Hal ini dapat dibagi kedalam tiga kategori: berbasis kuantitas, berbasis harga dan langkahlangkah hybrid. Diantara langkah berbasis kuantitas, indeks total yang dikembangkan oleh Lane dan Milesi-Ferreti (2006) adalah ukuran de facto yang paling banyak
15
digunakan dalam mengukur keterbukaan keuangan suatu negara untuk pasar keuangan internasional. Indeks total dihitung sebagai agregasi aset suatu negara ditambah kewajiban relatif produk domestik bruto dan termasuk kategori ekuitas portofolio, FDI, utang, dan derivatif keuangan, serta aktiva dan kewajiban. Indikator de facto yang lain mengeksploitasi fenomena mobilitas modal yang diamati meningkat, seperti ukuran arus modal gross (IMF 2001). Bagaimanapun, ukuran suatu aliran modal lebih volatil, dengan demikian lebih menimbulkan banyak permasalahan, daripada ukuran yang didasarkan pada suatu indeks modal yang diukur secara total. Kecenderungan perhitungan yang luas sebagai ukuran integrasi keuangan internasional menurut Lane dan Milesi-Ferreti (2006) adalah menggunakan perumusan sebagai berikut: `
(2.1)
Dimana FA dan FL mengacu pada stok dari agregat asset dan liabilities. Rasio ini telah meningkat sebesar 250 persen selama periode ini, dengan percepatan ditandai selama tahun 1990. Sejak adanya perdagangan internasional dalam instrumen utang mungkin telah didorong oleh faktor-faktor khusus, Lane dan Milesi-Ferreti (2006) juga mempertimbangkan ukuran ekuitas berbasis: (2.2) Dimana PEQA(L) dan FDIA(L) adalah stok dari portofolio dan FDI asset (liabilities). Dengan kata lain, GEQGDP merupakan indikator tingkat ekuitas (portofolio dan FDI) cross-holding. Salah satu alasan yang mungkin terjadi adalah kenaikan cross-holding keuangan internasional karena adanya peningkatan perdagangan internasional, yang juga telah menjadi substansial dalam beberapa dekade terakhir. Artinya, IFI dan GEQY yang mengukur sebagai rasio ekspor ditambah dengan impor dibandingan dengan GDP (IFITRADE, GEQTRADE) telah mengalami peningkatan mengikuti perdagangan aset internasional yang telah tumbuh jauh lebih cepat daripada perdagangan barang dengan ukuran tersebut. Dalam penelitian ini ukuran de facto menggunakan ukuran dari Lane dan Milesi-Ferreti (2006) yang telah banyak digunakan oleh berbagai peneliti lainnya seperti Bakaert, Harvey dan Lundblad (2006), Kose, Prasad dan Terroness (2003) (2005), Neaime (2005), Mirdala et al. (2015), Abiad, Leigh dan Mody (2009), Nicolo dan Juvenal (2013), Ko (2007), dan Mujahid dan Alam (2013). Pada sebelumnya UNCTAD telah menyediakan dua langkah ukuran kuantitas lainnya, yaitu menggunakan aliran FDI dan saham yang masuk dari tahun 1970 dan 1980 (masing-masing) dan seterusnya untuk sebagian pada negara PBB. Data tersebut kemudian dapat dinormalkan terhadap PDB suatu negara (LNFDIGDP) atau pangsa arus FDI ke dunia (LNFDIW). Namun, menurut Quinn et al. (2011) beberapa indikator de facto memiliki keterbatasan tertentu. Pengguna indikator yang hanya mengandalkan pada pengukuran FDI seperti yang dilakukan oleh UNCTAD menghadapi masalah inkonsistensi pelaporan dan perlakuan FDI antar negara dari waktu ke waktu. Perbandingan penting dari data FDI dalam sebuah panel dengan demikian sangat sulit. Sebuah perhatian yang sangat relevan untuk ukuran UNCTAD. Ukuran de facto juga dihubungkan dengan kondisi yang tidak sempurna terhadap sebuah kebijakan pemerintah yang diterapkan.
16
Liberalisasi Keuangan dan Keuntungannya Baele et al. (2004) juga telah mempertimbangkan tiga perluasaan keuntungan yang dapat diterima berkaitan dengan keuangan yang semakin terintegrasi: peluang untuk berbagi dan diversifikasi resiko, alokasi kapital yang lebih baik di antara peluang investasi dan kekuatan untuk pertumbuhan yang besar, dan terakhir adalah mempertimbangkan pembangunan keuangan sebagai sebuah konsekuensi yang menguntungkan dari keuangan yang terintegrasi.
Liberalisasi Keuangan
Alokasi Kapial yang lebih baik
Mengurangi Volatilitas Makroekonomi
Pembangunan Keuangan
Pertumbuhan Ekonomi
Berbagi Resiko
Sumber: Stavarek, Repkova dan Gajdosova (2011) dan dikembangkan
Gambar 4 Keuntungan liberalisasi keuangan Berbagi Resiko Teori ekonomi memprediksi bahwa integrasi keuangan memiliki sebuah pengaruh dalam memfasililtasi berbagi resiko. Integrasi dalam pasar yang besar atau bahkan pembentukan dari adanya pasar yang besar adalah keuntungan untuk perusahaan-perusahaan. Menurut Baele et al. (2004) integrasi keuangan menyediakan peluang tambahan untuk perusahaan dan rumah tangga dalam berbagi resiko keuangan dan melancarkan konsumsi secara temporal. Integrasi keuangan memungkinkan pemilik proyek dengan modal awal yang rendah untuk beralih kepada perantara yang dapat memobilisasi tabungan sehingga dapat menutupi biaya awal. Adanya skala ekonomi dapat memungkinkan perusahaan, khususnya perusahaan kecil dan menengah yang menghadapi kendala kredit, untuk memiliki akses yang lebih baik ke pasar keuangan atau modal yang lebih luas. Peluang berbagi resiko memungkinkan untuk membiayai proyek-proyek yang sangat beresiko dengan potensi pengembalian yang sangat tinggi, seperti ketersediaan peluang berbagi resiko meningkatkan pasar keuangan dan memungkinkan investor menghindari resiko dan melindungi nilai terhadap guncangan negatif. Karena pasar keuangan dan lembaga dapat menangani resiko kredit yang lebih baik, integrasi keuangan juga bisa menghilangkan bentuk-bentuk tertentu dari kendala kredit yang dihadapi oleh investor. Hukum bilangan besar menjamin adanya pengurangan resiko untuk kredit sebagai jumlah dari kenaikan nasabah. Resiko individu akan juga diminimalkan dengan adanya integrasi keuangan dalam sebuah pasar yang besar, dan pada waktu yang sama akan meningkatkan diversifikasi portofolio. Melalui berbagi resiko, integrasi keuangan mengarah pada spesialisasi produksi dalam suatu wilayah. Selain itu, integrasi keuangan juga menaikkan diversifikasi portofolio dan berbagi resiko indiosyncratic antar wilayah disebabkan oleh ketersediaan instrumen tambahan keuangan. Hal ini
17
memungkinkan rumah tangga untuk memegang ekuitas portofolio yang lebih beragam, dan dalam faktanya untuk membuat variasi bagian dari resiko yang meningkat dari guncangan negara tertentu. Dengan cara yang sama, hal tersebut mengizinkan bank-bank juga untuk membuat variasi pinjaman portofolio mereka secara internasional. Adanya diversifikasi ini akan membantu rumah tangga untuk melindungi guncangan pendapatan negara tertentu, sehingga guncangan dari pendapatan domestik tidak akan memengaruhi konsumsi domestik, karena telah adanya diversifikasi dengan meminjamkan atau menginvestasikan ke luar negeri Jappelli dan Pagano 2008). Peningkatan Alokasi Kapital Hal ini sebagaimana pandangan dari Levine (2001) yang mengungkapkan bahwa adanya liberalisasi keuangan yang besar akan diikuti sebuah alokasi kapital yang lebih baik. Sebuah pasar keuangan yang terintegrasi menghilangkan semua bentuk-bentuk dari halangan untuk perdagangan aset keuangan dan aliran modal, sehingga mengizinkan untuk alokasi yang efisien dari sumberdaya keuangan untuk investasi dan produksi. Sebagai tambahan, investor akan diizinkan untuk menginvestasikan dana mereka kemanapun untuk penggunaan yang lebih produktif. Peluangan investasi yang lebih produktif oleh karena itu akan menjadi tersedia untuk beberapa atau semua investor dan sebuah realokasi dari dana untuk peluang investasi yang semakin produktif akan mengambil tempat (Baele et al. 2004). Kalemi-Ozcan dan Manganelli (2008) menunjukkan bahwa dengan akses yang terbuka untuk pasar-pasar luar negeri, liberalisasi keuangan akan memberikan agen-agen sebuah jarak yang lebih luas dari sumber pembiayaan dan peluang investasi, dan mengizinkan ciptaan dari pasar lebih mendalam dan lebih liquid. Ini menyediakan informasi yang lebih untuk disatukan dan diproses secara lebih efektif, dan kapital dapat dialokasikan dalam sebuah cara yang lebih efisien. Pembangunan Keuangan Menurut Hartmann et al. (2007) pembangunan keuangan dapat dijelaskan sebagai sebuah proses peningkatan inovasi, institusi, dan organisasi keuangan dalam sistem keuangan. Kombinasi proses yang memiliki pengaruh dalam mengurangi informasi yang asimetris, peningkatan kesempurnaan dari pasar dan kemungkinan kontrak, serta mengurangi biaya transaksi dan meningkatkan kompetisi. Japelli dan Pagano (2008) menunjukkan bahwa saluran utama melalui penghilangan hambatan-hambatan untuk integrasi bisa memacu pembangunan keuangan domestik dengan adanya kompetisi yang ditingkatkan atau biaya yang rendah dalam perantara dengan sumber-sumber pembiayaan luar negeri. Tekanan kompetisi ini membawa rendahnya biaya jasa-jasa keuangan untuk perusahaan dan rumah tangga dari negara-negara dengan sistem keuangan yang less developed dan oleh karena itu akan memperluas pasar keuangan lokal. Hubungan antara pengembangan keuangan dan liberalisasi keuangan adalah yang paling penting karena terdapat bukti kuat bahwa pengembangan keuangan terkait dengan adanya kenaikan pertumbuhan ekonomi (Baele et al. 2004). Seperti yang telah dijelaskan dalam Levine (1997), sistem keuangan melayani beberapa tujuan dasar. Antara lain: (1) ketidakpastian yang lebih rendah dengan memfasilitasi perdagangan, hedging, diversifikasi, dan penyatuan resiko, (2) mengalokasikan sumber daya, dan (3) memobilisasi tabungan. Fungsi-fungsi ini
18
dapat memengaruhi pertumbuhan ekonomi melalui modal dan akumulasi teknologi dengan cara yang intuitif. Trichet (2005) berpendapat bahwa integrasi keuangan mendorong pengembangan keuangan, yang pada gilirannya menciptakan potensi pertumbuhan ekonomi yang lebih tinggi. integrasi keuangan memungkinkan realisasi skala ekonomi dan meningkatkan pasokan dana untuk peluang investasi. Sebenarnya proses integrasi juga merangsang persaingan dan perluasan pasar, sehingga mengarah untuk pengembangan keuangan lebih lanjut. Pada gilirannya, pengembangan keuangan dapat menghasilkan alokasi modal yang lebih efisien disertai pengurangan biaya modal.
Penelitian Terdahulu Penelitian ini utama sekali dimaksudkan untuk menganalisis pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi dengan mempertimbangkan adanya tambahan pengaruh arah aliran modal. Permasalahan mengenai pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi dengan objek tertentu telah banyak diteliti oleh banyak peneliti sebelumnya. Hasil dari berbagai penelitian yang ada pada Tabel 4 menunjukkan bahwa hadirnya liberalisasi keuangan tidak selalu diikuti dengan volatilitas variabel ekonomi yang rendah, bahkan yang terjadi liberalisasi keuangan memiliki pengaruh sebaliknya pada beberapa kasus tertentu. Adanya berbagai hasil yang beragam dimungkinkan karena adanya pengaruh yang berbeda dari arah aliran modal yang bergerak secara berbeda terhadap volatilitas makroekonomi di suatu perekonomian. Beberapa penelitian terdahulu yang digunakan sebagai rujukan dalam melakukan penelitian antara lain: Tabel 3
Literatur studi terdahulu terkait faktor-faktor pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi
No Peneliti Data/Metode 1 Ramey dan Data tahunan (1960Ramey 1985)/ sampel 92 (1995) negara/ panel data dengan melihat full sampel dan kemudian mengkhususkan pada negara-negara OECD 2 Kose et al. Data tahunan dari (2003) periode 1960-1999/ sampel 76 negara terdiri dari developed and developing countries/ data panel
Hasil Negara-negara yang volatilitas outputnya tinggi memiliki pertumbuhan ekonomi yang rendah. Hal ini menandakan hubungan yang negatif antara volatilitas dan pertumbuhan ekonomi. Adanya keterbukaan sektor keuangan yang semakin meningkat dihubungkan dengan kenaikan volatilitas konsumsi tetapi hanya pada sebuah ambang batas tertentu.
19
Tabel 3 Literatur studi terdahulu terkait faktor-faktor pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi (lanjutan) No Peneliti Data/Metode 3 Kose et al. Data tahunan dengan (2005) periode 19602000/sampel 85 negara di dunia dan membaginya pada negara kawasan industry dan berkembang/ analisis menggunakan OLS dan panel data. 4 Easterly et Menggunakan sampel al. (2001) 186 negara dan membaginya kedalam kelompok negara OECD dan nonOECD/ alat analisis GMM Estimator. 5 Bakaert et Data tahunan 1980al. (2006) 2000/ Menggunakan sampel 95 negara/ alat analisis GMM Estimator.
6
Mirdala et Data tahunan (1970al. (2015) 2009) dengan sampel 100 negara dan membaginya 23 negara developed dan 77 negara developing / Pooling Ordinary Least Square (POLS) dan One Way Error Component Model (OWEC)
Hasil Integrasi keuangan dan keterbukaan perdagangan telah menipiskan hubungan negatif antara volatilitas output dan pertumbuhanya. Artinya, bahwa negara-negara yang lebih terbuka untuk perdagangan dan keuangan lebih tahan terhadap adanya volatilitas. Menemukan bahwa sistem keuangan yang semakin bertumbuh dan terbuka dapat meningkatkan resiko kenaikan volatilitas pertumbuhan output.
Hasilnya ditemukan bahwa negara-negara yang accout capital lebih terbuka mengalami sebuah penurunan yang besar dalam volatilitas pertumbuhan konsumsinya. Hasil lain juga menemukan bahwa liberalisasi keuangan dihubungkan dengan penurunan dalam rasio volatilitas pertumbuhan konsumsi terhadap volatilitas pertumbuhan GDP. Hubungan antara financial openness dan economic development dalam negaranegara maju terlihat tidak signifikan. Begitupula sebaliknya dampak financial integration negara-negara berkembang terhadap volatilitas makroekonomi masih positif, namun berkurang dengan adanya peningkatan ekonomi dan kondisi institusional.
20
Tabel 3 Literatur studi terdahulu terkait faktor-faktor pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi (lanjutan) No Peneliti Data/Metode 7 Ahmed dan Data tahunan (1971Suardi 2005) dengan sampel (2009) 25 negara di kawasan Sub-Sahara Afrika / Panel Data Dinamis 8
9
Neaime (2014)
Data tahunan 19802002 dengan sampel 8 negara di MENA (Middle East and North Africa) / Panel Data Dinamis Mujahid Data tahunan 1970dan Alam 2010 dengan objek (2013) studi Negara Pakistan/ menggunakan Autoregressive Distributed Lag
10
Tayabi dan Data tahunan 1996Torki 2005 dengan sampel (2012) 43 Negara Berkembang/ menggunakan Persamaan Simultan
11
Ko (2007)
Data tahunan 19802003 dengan menggunakan sampel 10 negara berkembang di kawasan Asia / Panel Vector Autoregressions.
Hasil Hasilnya adanya bahwa adanya peningkatan keterbukaan keuangan di kawasan Afrika membawa kepada volatilitas yang lebih rendah dalam output dan konsumsi. Mengindikasikan bahwa keterbukaan keuangan memiliki sebuah pengaruh hubungan yang positif dan signifikan pada GDP , konsumsi total dan privat. Ditemukan bahwa dalam jangka panjang keterbukaan perdagangan menghasilkan volatilitas pada output dan investasi, dimana keterbukaan finansial memiliki efek yang siginfikan pada volatilitas investasi. Sedangkan pada jangka pendek, keterbukaan keuangan dan perdagangan secara signifikan mempengaruhi volatilitas output, konsumsi dan investasi. Hasil empiris menunjukkan efek yang berkebalikan dan signifikan antara liberalisasi keuangan dan volatilitas pertumbuhan ekonomi. Tetapi efek dari liberalisasi keuangan terhadap volatilitas kurs rill dan exchange rate passthrough posisif dan signifikan. Hasilnya memprediksi bahwa ekonomi dengan perkembangan information dan communication technology serta adanya tingkat integrasi keuangan yang tinggi akan meningkatkan fluktuasi output dalam menghadapi guncangan kebijakan moneter.
21
Tabel 3
Literatur studi terdahulu terkait faktor-faktor pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi (lanjutan) No Peneliti Data/Metode Hasil 12 Nicolo dan Data tahunan 1982- Adanya integrasi keuangan dan Juvenal 2009 / sampel 52 globalisasi dihubungkan dengan (2012) negara di dunia / Data pertumbuhan yang lebih tinggi, Panel Dinamis volatilitas pertumbuhan yang lebih rendah. 13 Gehringer Data tahunan 1990- Hasilnya ditemukan bahwa aspek (2013) 2007 dengan sampel keterbukaan keuangan anggota-anggota menghasilkan dampak positif European Union / pada pertumbuhan ekonomi dan Panel Data Dinamis. sumber-sumbernya, pertumbuhan produktivitas, dan akumulasi kapital. Selain itu, terdapat bukti kontribusi positif terhadap proses yang berasal dari keanggotaan Uni Eropa, sementara tidak ada pengaruh besar berasal dari adopsi Euro. 14 Anastasios Data kuartalan dari Tidak terdapat bukti kuat untuk (2010) tahun 1984-1998 sebuah hubungan yang stabil dengan sampel negara antara volatilitas makroekonomi Yunani / dan variabel-variabel dari menggunakan keterbukaan keuangan di negara Multivariate Yunani. Faktor lainnya seperti Regressions. volatilitas nilai tukar dan guncangan eksogen daripada liberalisasi penuh dari pergerakan kapital terlihat berhubungan dengan volatilitas pertumbuhan makroekonomi di Yunani.
Penelitian-penelitian terdahulu mengenai hubungan pertumbuhan output dan volatilitas makroekonomi, serta pengaruh adanya liberalisasi keuangan terhadap volatilitas makroekonomi dengan hasil yang beragam disajikan pada Tabel 3. Perbedaan penelitian ini dengan penelitian-penelitian sebelumnya adalah penekankan pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi dengan mempertimbangkan pengaruh yang berbeda dari adanya aliran modal yang bergerak bebas secara berbeda, yaitu; capital inflows dan capital outflows. Selanjutnya, objek penelitian ini juga lebih terperinci dengan mengkhususkan observasi di kawasan Asia-Pasifik pada kurun waktu 1976-2015 dan membaginya kedalam sekumpulan objek spesifik, yaitu developing countries dan developed countries. Selain itu, variabel volatilitas makroekonomi juga diperluas pada penelitian ini dengan mempertimbangkan variabel volatilitas investasi sebagai salah satu proksi. Hal ini memberikan suatu perbedaan penting pada penelitianpenelitian sebelumnya yang pada umumnya hanya memfokuskan dengan melihat pengaruh liberalisasi keuangan terhadap volatilitas output dan konsumsi saja.
22
Kerangka Pemikiran Penelitian ini utama sekali difokuskan untuk menganalisis pengaruh adanya liberalisasi keuangan terhadap volatilitas pertumbuhan variabel makroekonomi, yaitu: volatilitas pertumbuhan dari output, konsumsi dan investasi dengan studi empiris di kawasan Asia-Pasifik. Penelitian dibagi menjadi dua tahapan: (1) Melihat bagaimana globalisasi yang diikuti dengan adanya liberalisasi dan keterbukaan keuangan berpengaruh terhadap volatilitas makroekonomi. Adanya hasil dari estimasi akan memberikan suatu kesimpulan penting, apakah adanya liberalisasi keuangan melalui ukuran de facto dan de jure akan memberikan manfaat atau justru sebaliknya, (2) Penelitian ini juga menganalisis pengaruh adanya arah dan tipe aliran modal yang berbeda (capital outflows dan capital inflows) dalam memengaruhi volatilitas makroekonomi tersebut. Kerangka pemikiran teoritis dijelaskan pada Gambar 5 untuk melihat hubungan antara volatilitas makroekonomi dan liberalisasi keuangan dengan mempertimbangkan adanya arah dan tipe aliran modal yang berbeda. Metode penelitian dengan menggunakan metode panel dinamis. Pertumbuhan Output
Volatilitas Makroekonomi Globalisasi Volatilitas Output
Volatilitas Konsumsi
Macroeconomic Policies and Condition
Liberalisasi Perdagangan
Volatilitas Investasi
[Trade Openess]
Liberalisasi Keuangan [Financial Openness]
Capital Outflows
Capital Inflows
Total Eksternal Asset
Total Eksternal Liabilities
Total Eksternal Debt Aset
Total Eksternal Debt Liabilities
Total Eksternal Equity Aset
Total Eksternal Equity Liabilites
Gambar 5 Kerangka pemikiran teoritis
23
Hipotesis Penelitian Berdasarkan permasalahan, tujuan dan alur kerangka berpikir penelitian diatas maka hipotesis penelitian dalam penelitian ini adalah: 1. Liberalisasi keuangan secara de facto maupun de jure memiliki pengaruh yang negatif terhadap volatilitas makroekonomi. Artinya, adanya sektor keuangan yang semakin terbuka akan memberikan manfaat dengan mengurangi volatilitas makroekonomi. 2. Capital outflows yang merupakan variabel dari total aset, total aset utang eksternal dan total aset ekuitas eksternal memiliki pengaruh yang negatif terhadap volatilitas makroekonomi. 3. Capital inflows yang merupakan variabel dari total kewajiban, total kewajiban utang eksternal dan total kewajiban ekuitas eksternal memiliki pengaruh yang positif terhadap volatilitas makroekonomi. 3 METODE
Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini seluruhnya merupakan data sekunder dalam bentuk data panel dengan time series frekuensi lima tahunan sebanyak 8 periode dari tahun 1976 sampai 2015 dan data cross-section yang terdiri dari 19 negara di kawasan Asia-Pasifik. Data yang digunakan berasal dari World Development Indicator (WDI), Economic Freedom in the World Database, Chinn-Ito Indikator dan The External Wealth of Nations. Data yang digunakan dalam penelitian ini adalah GDP growth volatiliy, GNP growth volatility, private consumption growth volatility, final consumption growth volatility,gross fixed capital formation growth volatility, financial openness (ukuran de facto), financial liberalization (ukuran de jure), total external assets, total external liabilities, total debt assets, total debt liabilities, total equity assets, total equity liabilities, trade openness, income per capita, inflation rate, inflation rate volatility, terms of trade volatility, discretionary fiscal policy, fiscal policy procyclicality, financial development dan institutional quality. Selengkapnya mengenai data-data yang digunakan dalam penelitian ini dapat dilihat di Tabel 4. Tabel 4 Jenis dan sumber data yang digunakan dalam penelitian Variabel Satuan Sumber GDP growth volatility Standar deviasi World Development Indicators GNP growth volatility Standar World Development Indicators Deviasi Private consumption growth Standar World Development Indicators volatility Deviasi final consumption growth Standar deviasi World Development Indicators volatility Fixed capital formation Standar deviasi World Development Indicators growth volatility
24
Tabel 4 Jenis dan sumber data yang digunakan dalam penelitian (lanjutan) Variabel Satuan Sumber Financial openness % terhadap The External Wealth of GDP Nations dan World Development Indicators Financial liberalization Indeks Chinn-Ito Indikator. Total external assets US$ The External Wealth of Nations Total external liabilities US$ The External Wealth of Nations Total debt assets US$ The External Wealth of Nations Total debt liabilities US$ The External Wealth of Nations Total equity assets US$ The External Wealth of Nations Total equity liabilities US$ The External Wealth of Nations Income per capita US$ World Economic Global GDP Database Trade Openness % terhadap World Development Indicators GDP terms of trade volatility Standar deviasi Data Market Inflation rate Persen International Financial Statistics Inflation rate volatility Standar deviasi International financial Statistics Fiscal policy procyclicality World Development Indicator, dibangun mengikuti metode Lane (2003) Discretionary fiscal policy World Development Indicator, dibangun mengikuti metode Fatas dan Mihov (2003) Financial development % terhadap World Development Indicator GDP Institutional quality Indeks Economic Freedom World Database
Perumusan Model Analisis Pengaruh Liberalisasi dan Integrasi Keuangan Terhadap Volatilitas Makroekonomi Pada bagian ini akan dirumuskan model keterbukaan keuangan secara de jure dan de facto dalam memengaruhi volatilitas makroekonomi di kawasan AsiaPasifik. Model jug akan disertai dengan variabel control sebagai faktor-faktor yang menentukan terjadinya volatilitas variabel makroekonomi. Estimasi
25
penelitian pada bagian ini menggunakan data panel dinamis. Model yang digunakan dalam penelitian ini diadaptasi dari model yang digunakan Kose et al. (2003), Neaime (2005) dan Ahmed dan Suardi (2009). Perbedaan terpenting penelitian ini dengan yang lainnya adalah perluasan variabel volatilitas makroekonomi kedalam tiga bagian, yaitu: volatilitas output, konsumsi dan investasi. Selain itu, penelitian ini juga melihat pengaruh aliran modal yang bergerak secara berbeda (capital inflows atau outflows) terhadap volatilitas makroekonomi di kawasan Asia-Pasifik. Penelitian ini menggunakan kawasan Asia-Pasifik sebagai objek analisis dengan variabel dependen volatilitas makroekonomi dibagi menjadi tiga klasifikasi yaitu: (1) volatilitas tingkat pertumbuhan GDP dan GNP sebagai proksi dari volatilitas income, (2) volatilitas tingkat pertumbuhan private consumption dan final consumption sebagai proksi dari volatilitas konsumsi, dan (3) volatilitas tingkat pertumbuhan gross fixed capital formation sebagai proksi dari volatilitas investasi. Model utama penelitian ini terbagi menjadi dua, model pertama tanpa menggunakan dummy kelompok negara berdasarkan pendapatan, sedangkan model kedua memasukkan unsur dummy kelompok negara berdasarkan pendapatan. 1. Model dengan ukuran keterbukaan de facto dan de jure. =
+ FOit + ICit +
FLit + +
TOit + INFit + + INSTit +
+ +
FIDit + (3.1)
it
Model dengan dummy dan interaksinya terhadap keterbukaan de facto. =
+ FI it + Dit + FIDit + ICit +
FI
Dit +
it
+
+ INFit + INSTit +
+ +
it
(3.2)
Karena pada persamaan 2 memasukkan unsur Dit yang melambangkan dummy kelompok pendapatan negara (1 = developed countries) sedangkan 0 = developing countries), maka persamaan 2 ditransformasikan sebagai berikut: Untuk developing countries, dengan Dit = 0 = + FI it + (0) + FI (0) + it + INFit + + FIDit + ICit + + INSTit + + it (3.3) Maka persamaan menjadi: =
+
FI it +
ICit +
it
+
INFit +
+
+
INSTit +
Untuk developed countries, dengan Dit = 1 = + FI it + (1) + FI (1) + INFit + + FIDit + ICit + + INSTit + Maka persamaan menjadi: =(
+ ) + ( + ) FI it + FIDit + ICit + + +
it
FIDit +
it
+
+
it
it
(3.4)
+
+
it
(3.5)
INFit + + INSTit + (3.6)
26
Sehingga terdapat perbedaan nilai intersep dan slope antara persamaan developing countries dan developed countries. Model selanjutnya adalah dengan mempertimbangkan adanya tipe dan arah aliran modal yang bergerak secara berbeda, yaitu: capital inflows dan capital outflows. Proksi capital outflows yang digunakan adalah: total eksternal aset, total aset ekuitas dan total aset utang. Sedangkan, proksi capital inflows yang digunakan adalah: total kewajiban eksternal, total kewajiban ekuitas dan total kewajiban utang. Sehingga pengembangan model yang dilakukan adalah: 3. Model dengan mempertimbangkan tipe dan arah aliran modal secara total yang bergerak secara berbeda. =
+
TOit + +
INFit + + INSTit +
FIDit + ICit + + TAit + TLit +
it
(3.7)
4. Model dengan mempertimbangkan tipe dan arah aliran modal utang dan ekuitas yang bergerak secara berbeda. =
+
TOit + +
INFit + + INSTit +
FIDit + + it
ICit + (3.8)
Dimana:
FOit FLit TOit INFit FIDit ICit Dit
INSTi TAit TLit TEAit TELit TDAit
: Tingkat volatilitas pertumbuhan variabel makroekonomi untuk negara i periode ke t (standar deviasi) : Tingkat keterbukaan keuangan untuk negara i periode ke t (persen terhadap GDP) : Tingkat liberalisasi keuangan untuk negara i periode ke t (indeks) : Tingka keterbukaan perdagangan untuk negara i periode ke t (persen terhadap GDP) : Tingkat inflasi untuk negara i periode ke t (persen) : Volatilitas tingkat inflasi untuk negara i periode ke t (persen) : Tingkat pembangunan keuangan untuk negara i periode ke t (persen terhadap GDP) : Tingkat income per capita untuk negara i periode ke t (US$) : Variabel dummy Asia-Pasifik developed countries (bernilai 1 jika negara developed countries dan 0 untuk developing countries) : Tingkat fiscal policy procyclicality untuk negara i semua periode : Tingkat discretionary fiscal policy untuk negara i periode ke t (indeks yang dibangun) : Tingkat institutional quality untuk negara i tahun ke t (indeks) : Tingkat aliran modal keluar secara total (capital outflows) untuk negara i tahun ke t (persen terhadap GDP) : Tingkat aliran modal masuk secara total (capital inflows) untuk negara i tahun ke t (persen terhadap GDP) : Tingkat aliran modal keluar dalam bentuk ekuitas (capital outflows) untuk negara i tahun ke t (persen terhadap GDP) : Tingkat aliran modal masuk dalam bentuk ekuitas (capital inflows) untuk negara i tahun ke t (persen terhadap GDP) : Tingkat aliran modal keluar dalam bentuk utang (capital outflows)
27
TDLit
: : it
h
: :
untuk negara i tahun ke t (persen terhadap GDP) Tingkat aliran modal masuk dalam bentuk utang (capital inflows) untuk negara i tahun ke t (persen terhadap GDP) Tingkat volatilitas terms of trade untuk negara i periode t (standar deviasi) Intersep, koefisien regresi, error term Tipe volatilitas pertumbuhan variabel makroekonomi, yaitu: volatilitas GDP, GNP, private consumption, final consumption dan gross fixed capital formation
Metode Analisis Data Penelitian mengenai pengaruh liberalisasi dan keterbukaan keuangan terhadap variabel makroekonomi (output, konsumsi dan investasi) menggunakan metode data panel dinamis. Penelitian mengenai pengaruh liberalisasi keuangan terhadap volatilitas variabel makroekonomi juga akan mempertimbangkan berdasarkan arah dan tipe aliran kapital yang berbeda di Asia-Pasifik. Perangkat lunak yang digunakan dalam penelitian ini adalah Microsoft Excel 2010, dan STATA 11. Analisis Eksploratif Data Menurut Nazir (1999), analisis eksploratif adalah suatu analisis dalam meneliti sekelompok objek, suatu kondisi, suatu sistem pemikiran, atau pun suatu kelas peristiwa pada masa sekarang. Tujuan dilakukannya analisis ini adalah untuk membuat suatu deskriptif, gambaran atau lukisan secara sistematis yang faktual mengenai fakta-fakta dan sifat-sifat serta hubungan antar fenomena yang terjadi. Bentuk analisis eksploratif dalam penelitian ini adalah melakukan kajian terhadap keterkaitan antara variabel integrasi keuangan dan liberalisasi keuangan terhadap variabel volatilitas variabel makroekonomi (output, konsumsi dan investasi) di negara-negara kawasan Asia-Pasifik pada periode tahun 1976 – 2015. Panel Data Data panel merupakan salah satu jenis data yang dapat digunakan dalam analisis model regresi panel data (Panel Data Regression Models), atau disebut juga dengan pooled data (pooling dari pengamatan times series dan cross-section) kombinasi dari time series dan cross-section data. Data cross section merupakan data yang dikumpulkan dalam satu waktu terhadap banyak individu, perusahaan, negara dan lain-lain. Data time series adalah data yang dikumpulkan dari waktu ke waktu terhadap suatu individu. Menggunakan data panel memiliki beberapa keuntungan. Menurut Hsiao dalam Firdaus (2011) beberapa kelebihan menggunakan data panel disebutkan sebagai berikut: 1. Dengan mengkombinasikan data time series dan cross section membuat jumlah observasi menjadi lebih besar sehingga parameter yang diestimasi akan lebih akurat,
28
2. Memberikan data yang lebih informatif, lebih bervariasi, derajat kebebasan tinggi yang membuat model lebih efisien, serta mengurangi kolinieritas antar variabel, 3. Data panel lebih baik dalam hal untuk studi mengenai dynamics of adjustment, yang memungkinkan estimasi masing-masing karakteristik individu maupun karakteristik antar waktu secara terpisah, 4. Mempunyai kemampuan yang lebih baik dalam mengidentifikasi dan mengukur pengaruh yang secara sederhana tidak dapat dideteksi oleh data cross section ataupun time series saja dan mampu mengontrol heterogenitas individu. Regresi Data Panel Dinamis Analisis data panel dapat digunakan pada model yang bersifat dinamis dalam kaitannya dengan analisis penyesuaian dinamis (dynamics of adjustment). Hubungan dinamis ini dicirikan oleh keberadaan lag variabel dependen di antara variabel-variabel regresor.Sebagai ilustrasi, perhatikan model data panel dinamis sebagai berikut: yit = it-1 + ́ it + uit ; i = 1, ... , N ; t = 1, ... , T (3.9) dengan menyatakan suatu skalar, ́ it menyatakan matriks berukuran K 1. Dalam hal ini, uit diasumsikan mengikuti model one way component error sebagai berikut: uit = i + vit (3.10) dengan i IID (0, ) menyatakan pengaruh individu dan vit IID (0, ) menyatakan gangguan yang saling bebas satu sama lain atau dalam beberapa literatur disebut sebagai transient error. Beda model panel statis, dapat ditunjukkan adanya konsistensi dan efisiensi terkait perlakuan terhadap I baik pada fixed effect model (FEM) ataupun random effect model (REM). Akan tetapi pada model panel dinamis situasi ini secara substansi sangat berbeda, karena yit merupakan fungsi dari i maka yit-1 juga kemudian fungsi dari i. Di sisi lain, i merupakan fungsi dari uit, sehingga akan menyebabkan penduga pooled least square (sebagaimana digunakan pada model panel statis) akan menjadi bias dan inkonsisten, bahkan apabila vit tidak berkorelasi sekalipun. Hal ini berakibat munculnya masalah endogeneity, sehingga apabila model diestimasi dengan pendekatan fixed effects maupun random effects akan menghasilkan penduga yang bias dan tidak konsisten. Berikut akan diberikan model data AR(1) tanpa menyertakan variabel eksogen untuk mengilustrasi kasus di atas: yit = yit + uit; │ │< 1; t = 1, ... , T (3.11) dengan uit = i + vit dimana i IID (0, ) dan vit IID (0, ) saling bebas satu sama lain. Penduga fixed effect bagi diberikan oleh: ̂ FE = ∑
∑ ∑
̅
̅
∑
(3.12)
̅
dengan ̅ = ∑
dan ̅
= ∑
untuk menganalisis sifat dari ̂ FE, dapat disubstitusi persamaan (3.11) ke dalam persamaan (3.12) untuk memperoleh persamaan dibawah ini: ̂ FE =
∑ (
∑ )∑
̅ ∑
̅ ̅
(3.13)
29
Penduga ini bersifat bias dan inkonsisten untuk N dan T tetap, bentuk pembagian persamaan (3.13) tidak memiliki nilai harapan nol dan tidak konvergen menuju nol apabila N . Secara khusus, hal ini dapat ditunjukkan bahwa: ∑
∑ ̅
̅
=
0
(3.14)
sehingga, untuk T tetap, akan dihasilkan penduga yang inkonsisten. Untuk memecahkan masalah ini, Arellano dan Bond mengusulkan pendekatan method of moments atau yang biasa disebut dengan Generalized Method of Moment (GMM). Terdapat dua prosedur estimasi yang lazim digunakan dalam kerangka GMM untuk mengakomodir permasalahan di atas, yaitu: 1. First Differences GMM (FD-GMM) 2. System GMM (SYS-GMM) First-differences GMM (AB-GMM) Untuk mendapatkan estimasi yang konsisten dimana N dan T tertentu, akan dilakukan first-difference pada persamaan (3.9) untuk mengeliminasi pengaruh individual ( ) sebagai berikut: = ( )+( = 2, ... , T (3.15) yit – namun, pendugaan dengan pooled least square akan menghasilkan penduga yang inkonsisten karena dan berdasarkan definisi berkorelasi, bahkan untuk T . Maka dari itu, transformasi dengan menggunakan first-difference ini dapat menggunakan suatu pendekatan variabel instrumen. Sebagai contoh, akan digunakan sebagai instrumen. Disini, berkorelasi dengan ( ) tetapi tidak berkorelasi dengan dan tidak berkorelasi serial. Penduga variabel instrumen bagi disajikan sebagai berikut: ̂ IV =
∑ ∑
∑
(3.16)
∑
syarat perlu agar penduga ini konsisten adalah: ∑
∑
0
(3.17)
Penduga (3.15) merupakan salah satu penduga yang diajukan oleh Anderson dan Hsiao (1981) dalam Verbeek (2000) dimana mereka juga mengajukan alternatif ( ) sebagai instrumen. Penduga variabel instrumen disajikan sebagai berikut: ̂ IV(2)= ∑ ∑ (3.18) ∑
∑
Syarat perlu agar penduga ini konsisten adalah: ∑ ∑
0
(3.19)
Perhatikan bahwa penduga variabel instrumen yang kedua (IV(2)) memerlikan tambahan lag variabel untuk membentuk instrumen, sehingga jumlah amatan efektif yang digunakan untuk melakukan pendugaan menjadi berkurang. Dalam hal ini pendekatan metode momen dapat menyatukan penduga dan mengeleminasi kerugian dari pengurangan ukuran sampel. Langkah pertama dari pendekatan metode ini adalah mencatat bahwa:
30
∑
∑
E [( ) ]=0 (3.19) Yang merupakan kondisi momen. Dengan cara yang sama maka dapat diperoleh: ∑
∑
E [( ) ]=0 (3.20) Yang juga merupakan kondisi momen. Kedua estimator (IV dan IV(2)) selanjutnya dikenakan kondisi momen dalam pendugaan. Sebagaimana diketahui penggunaan lebih banyak kondisi momen dapat meningkatkan efisiensi dari penduga. Arellano dan Bond (1991) dalam Baltagi (2005) menyatakan bahwa daftar instrumen dapat dikembangkan dengan cara menambah kondisi momen dan membiarkan jumlahnya bervariasi berdasarkan t. Untuk itu, Arellano dan Bond 1991 mempertahankan T tetap. Sebagai contoh, ketika T = 4 diperoleh: ] untuk t = 2 E[ ] = 0 dan E[ ], untuk t = 3 E[ ] = 0, E[ ], dan E[ ] untuk t = 4 E[ Semua kondisi momen dapat diperluas ke dalam GMM. Selanjutnya, untuk memperkenalkan penduga GMM, misalkan didefinisikan ukuran sampel yang lebih umum sebanyak T, sehingga dapat dituliskan: [
]
(3.21)
sebagai vector transformasi error, dan [ ] [ ] = [
]
(3.22)
[ ] sebagai matriks instrumen. Setiap baris matriks Zi berisi instrumen yang valid untuk setiap periode yang diberikan. Konsekuensinya, himpunan seluruh kondisi momen dapat dituliskan secara ringkas sebagai berikut: ] E[ Yang merupakan kondisi bagi 1 + 2 + ... + T – 1. Untuk menurunkan penduga GMM, tuliskan persamaan sebagai berikut: E[ ] Karena jumlah kondisi momen umumnya akan melebihi jumlah koefisien yang belum diketahui, akan diduga dengan meminimumkan kuadrat momen sampel yang bersesuaian, yakni: min [ ∑
]
[ ∑
]
(3.23)
dengan adalah matriks penimbang definit positif yang simetris. Dengan mendiferensiasikan persamaan (3.19) terhadap akan diperoleh penduga GMM sebagai berikut:
31
̂
= ((∑
)
(∑
((∑
)
∑
))-1 )
(3.24)
Sifat dari penduga GMM (3.24) bergantung pada pemilihan yang konsisten selama definit positif, sebagai contoh 1 yang merupakan matriks. Matriks penimbang optimal (optimal weighting matrix) akan memberikan penduga yang paling efisien karena menghasilkan matriks kovarian asimtotik terkecil bagi ̂ . Sebagaimana diketahui dalam teori umum GMM, diketahui bahwa matriks penimbang optimal proposional terhadap matriks kovarian invers dari momen sampel, Verbeek (2000). Dalam hal ini, matriks penimbang optimal seharusnya memenuhi: ] = E[ ]-1 = V[ (3.25) Dalam kasus biasa, dimana tidak ada retriksi yang dikenakan terhadap matriks kovarian , matriks penimbang optimal dapat diestimasi menggunakan first-step consistent estimator bagi dan mengganti operator ekspektasi dengan rata-rata sampel, yaitu two step estimator: =[ ⁄ ∑ ̂ ̂ ] -1 (3.26) Dengan ̂ menyatakan vektor residual yang diperoleh dari first-step consistent estimator. Pendekatan GMM secara umum tidak menekankan bahwa vit iid pada seluruh individu dan waktu matriks penimbang optimal kemudian diestimasi tanpa mengenakan restriksi. Sebagai catatan bahwa ketidakberadaan autokorelasi dibutuhkan untuk menjamin validitas kondisi momen. Oleh karena pendugaan matriks penimbang optimal tidak teristriksi, maka dimungkinkan (dan sangat dianjurkan bagi sampel berukuran kecil) menekankan ketidakberadaan autokorelasi pada vit dan juga dikombinasikan dengan asumsi komoskedastis. Dengan catatan di bawah restriksi: E[
]
[
]
matriks penimbang optimal dapat ditentukan sebagai one step estimator ̂ ]-1 =[ ⁄ ∑
(3.27)
(3.28) Sebagai catatan bahwa (3.26) tidak mengandung parameter yang tidak diketahui, sehingga penduga GMM yang optimal dapat dihitung dalam satu langkah bila error vit diasumsikan homoskedastisitas dan tidak mengandung autokorelasi. Jika model data panel dinamis mengandung variabel eksogenus, maka persamaan (3.15) dapat dituliskan kembali menjadi: yit = + (3.29) Parameter persamaan (3.29) juga dapat diestimasi dengan menggunakan generalisasi variabel instrumen atau pendekatan GMM. Bergantung pada asumsi yang dibuat terhadap xit, sekumpulan instrumen tambahan yang berada dapat dibangun. Apabila xit stricly exogenus dalam artian bahwa xit tidak berkorelasi dengan sembarang error xis, maka akan diperoleh: ] = 0; untuk setiap s dan t E[ (3.30)
32
sehingga x1, ... , xiT dapat ditambah ke dalam daftar instrumen untuk persamaan first difference setiap periodenya. Hal ini akan membuat jumlah baris pada Zi menjadi dasar. Selanjutnya dengan mengenakan kondisi momen: ] = 0 ; untuk setiap t E[ (3.31) matriks instrumen dapat dituliskan sebagai berikut: [ Zi =
] [
]
(3.33)
[ ]] [ Apabila variabel xit tidak stricly exogenus melainkan predetermined, dalam kasus dimana xit dan lag xit tidak berkorelasi dengan bentuk error saat ini, akan ] = 0, untuk s t. Dalam kasus dimana hanya xi,t-1, ... , xi1 diperoleh E[ instrumen yang valid bagi persamaan first difference pada periode t, kondisi momen dapat dikenakan sebagai: E[
] = 0 ; j = 1, ... , t 1,
t
(3.34)
Dalam prakteknya kombinasi variabel x yang stricly exogenus dan predetermined dapat terjadi lebih dari sekali. Matriks Zi Kemudian dapat disesuaikan. Blundell dan Bond (1998) dalam Baltagi (2005) menunjukkan bahwa penduga AB-GMM dapat terkendala oleh bias sampel terbatas, terutama ketika jumlah periode amatan yang tersedia relatif kecil. Hal ini menekankan perlunya perhatian sebelum menerapkan metode ini untuk mengatasi model autoregresif dengan jumlah deret waktu yang relatif kecil. Keberadaan bias sampel terbatas dapat dideteksi dengan mengkomparasi hasil AB-GMM dengan penduga alternatif dari parameter autoregresif. Dalam AR(1), pooled least square akan memberikan suatu estimasi dengan bias yang ke atas (biased upward) dengan keberadaan pengaruh individu (individual-specific effect). Di sisi lain fixed effect akan memberikan dugaan dengan bias yang ke bawah (biased downward). Selanjutnya penduga konsisten dapat diekspektasi di antara penduga pooled least square atau fixed effect. Bila penduga AB-GMM dekat atau dibawah penduga fixed effect maka kemungkinan penduga AB-GMM akan biased downward, yang kemungkinan dapat disebabkan oleh lemahnya instrumen. System GMM (SYS-GMM) Ide dasar dari penggunaan System GMM adalah untuk mengestimasi sistem persamaan baik pada first difference maupun pada level yang mana instrumen yang digunakan pada level adalah lag first-difference dari deret. Blundell dan Bond (1998) dalam Baltagi (2005) menyatakan pentingnya pemanfaatan initial condition dalam menghasilkan penduga yang efisien dari model data panel dinamis ketika T berukuran kecil. Misalkan diberikan model autoregresif panel data dinamis tanpa regresor eksogenus sebagai berikut: yit = + + (3.35) dengan E( ) = 0, E ( ) = 0 dan E ( , ) = 0 untuk i = 1, ... , N ; t = 1, ... , T. Matriks instrumen untuk SYS-GMM adalah sebagai berikut:
33
(3.36) [ ] Dengan kondisi momen derajat kedua dapat dinyatakan sebagai: E( )=0 (3.37) Dimana = ( , ..., , , ..., ). Dalam hal ini, Blundell dan Bond (1998) memfokuskan pada T = 3, oleh karenanya hanya terdapat satu kondisi ortogonal yang diberikan oleh E ( ) = 0 sedemikian sehingga dapat teridentifikasi (just identified). Dalam kasus ini, tahap pertama dari regresi variabel instrumen diperoleh dengan meregresikan dan . Perhatikan bahwa regresi ini dapat diperoleh dari persamaan (3.15) yang dievaluasi pada saat t = 2 dengan mengurangi kedua ruas persamaan tersebut, menjadi: = + + (3.38) Dikarenakan ekspektasi E( ) > 0 maka ( ) akan bias ke atas (upward biased) dengan: (̂ )= (3.39) (
)
). Bias dapat menyebabkan koefisien estimasi dari dengan c = (1 ) / ( variabel instrumen mendekati nol. Selain itu, nilai statistik-F dari regresi variabel instrumen tahap pertama akan konvergen ke dengan parameter noncentrality. =
(
)
0, dengan
1
(3.40)
karena 0 maka penduga variabel instrumen menjadi lemah. Di sini, Blundell dan Bond mengaitkan bias dan lemahnya presisi dari penduga first difference GMM dengan masalah lemahnya instrumen yang mana hal ini dicirikan dari parameter konsentrasi . Uji Spesifikasi Model Panel Dinamis Menurut Firdaus (2011), beberapa kriteria yang digunakan untuk menemukan model dinamis atau GMM terbaik adalah 1. Tidak bias. Estimator dari pooled least square bersifat biased upward dan estimator dari fixed effect bersifat biased downwards. Estimator yang tidak bias berada di antara keduanya. 2. Instrumen valid. Arti valid adalah apabila tidak ada korelasi antara instrumen dengan komponen error. Validitas ini diperiksa dengan menggunakan uji Sargan. Hipotesis nol dari uji Sargan menyatakan bahwa instrumen tidak memiliki masalah dengan validitas (instrumen valid). Instrumen akan valid apabila uji Sargan tidak dapat menolak hipotesis nol. Apabila hasil metode AB-GMM menunjukkan instrumen yang digunakan tidak valid, maka digunakan metode SYS-GMM. 3. Konsisten. Uji autokorelasi pada pendekatan GMM digunakan untuk mengetahui konsistensi dari hasil estimasi. Sifat konsistensi dari estimator yang diperoleh dapat diperiksa dari statistik Arellano-Bond m1 dan m2, yang dihitung
34
secara otomatis pada beberapa perangkat lunak. Estimator akan konsisten apabila m1 menunjukkan hipotesis nol ditolak dan m2 menunjukkan hipotesis nol tidak ditolak.
Variabel dan Definisi Operasional Liberalisasi Keuangan Spesifikasi yang digunakan dalam menentukan ukuran liberalisasi keuangan dikembangkan dengan membaginya kedalam ukuran de jure dan de facto. Beberapa penelitian juga telah mengembangkan konsep pembagian ukuran keterbukaan keuangan secara de facto dan de jure. Hal ini dapat dilihat pada penelitian Kose et al. (2003), Kose et al. (2005), Neaime (2005), Ahmed dan Suardi (2009. Dimana variabel tersebut digunakan dengan mengkombinasikan dari AREAER, metode perhitungan Lane dan Milesi-Ferreti (2006), indeks Quinn (1997), Miniane (2004) dan Chin dan Ito (2007). Namun pada penelitian ini pembagian liberalisasi keuangan mengikuti penelitian Mirdala et al. (2015). Definisi operasional variabel yang digunakan adalah sebagai berikut: Tabel 5 Variabel pembagian liberalisasi keuangan secara de facto dan de jure yang digunakan oleh Mirdala et al. (2015) De facto
1 Keterbukaan Keuangan
FO ( )
De jure
2 Liberalisasi keuangan
FL ( )
Variabel keterbukaan keuangan menggunakan ukuran keterbukaan keuangan dari Lane dan MilesiFerreti (2006). Metode perhitungan variabel adalah dengan menjumlahkan aliran modal yang masuk dan keluar kemudian dibagi dengan produk domestik bruto. Nilai minimum ukuran ini adalah 0, sedangkan tidak ada batasan nilai maksimum. Variabel keterbukaan keuangan pada model ini menggunakan indeks keterbukaan keuangan yang dikeluarkan oleh Chinn-Ito. Variabel ini menghitung derajat keterbukaan capital account terhadap pendanaan asing di suatu negara. Nilai minimum indeks Chinn-Ito adalah 0, sedangkan nilai maksimumnya adalah 1.
Selain itu, penelitian ini juga melihat pengaruh adanya aliran modal yang bergerak secara berbeda (capital outflows dan capital inflows) terhadap volatilitas makroekonomi. Adanya pembagian ini didasarkan pada penelitian Kose et al. (2009) yang telah mempertimbangkan liberalisasi keuangan berdasarkan pada tipe dan arah aliran modal yang bergerak secara berbeda, yaitu capital outflows dan capital inflows. Pertimbangan ini didasarkan kemungkinan adanya perbedaan pengaruh dari aktivitas aliran modal tersebut. Proksi aliran modal yang digunakan ditunjukkan oleh Tabel 6.
35
Tabel 6
Capital outflows (Total) Capital Outflows (equity) Capital Outflows (debt) Capital inflows (Total) Capital inflows (equity) Capital inflows (debt)
Variabel aliran modal yang bergerak masuk dan keluar yang dikembangkan oleh Kose et al. (2009) Capital Outflows 1 Total TA ( ) Variabel yang mengindikasikan akumulasi Eksternal nilai stok capital outflows atau dengan kata Aset lain total capital yang bergerak dari domestik ke negara lain. TEA ( ) Variabel yang menunjukkan akumulasi 2 Total Equity foreign equity asset yang memberikan Aset perekonomian domestik akan hak kepemilikan pada perusahaan luar negeri. 3 Total Debt TDA ( ) Variabel yang menunjukkan akan Aset akumulasi capital outflows dalam bentuk utang luar negeri dari domestik ke negara lain. Capital Inflows 4 Total TL (+) Variabel yang mengindikasikan akumulasi Kewajiban nilai stok capital inflows atau dengan kata eksternal lain total capital yang bergerak dari negara lain ke domestik. 5 Total TEL (+) Variabel yang menunjukkan penjualan Equity ekuitas domestik yang memberikan negara Liabilities luar negeri hak kepemilikan pada perusahaan domestik. 6 Total Debt TDL (+) Variabel yang menunjukkan akumulasi Liabilities capital inflows dalam bentuk utang dari luar negeri yang masuk ke domestik.
Variabel Kontrol Variabel kontrol adalah variabel yang dikendalikan sehingga hubungan variabel bebas terhadap variabel terikat tidak dipengaruhi oleh faktor luar yang diteliti. Pada penelitian ini variabel kontrol dikembangkan dari penelitian Kose et al. (2003), Neaime (2005) dan Ahmed dan Suardi (2009). Definisi operasional variabel kontrol yang digunakan adalah sebagai berikut:
Inflation
Tabel 7 Variabel kontrol yang dikembangkan dari berbagai penelitian 1 Tingkat Inflasi INF (+) Variabel yang menghitung tingkat perubahan harga suatu negara dengan menggunakan ukuran dari world bank.
Volatility inflation
2
Volatilitas Tingkat Inflasi
(+)
Variabel yang menghitung tingkat perubahan atau fluktuasi inflasi selama periode waktu tertentu dan dihitung dan diukur dengan menggunakan standar deviasi pada selang periode tertentu.
36
Terms of trade volatility
Tabel 7 Variabel kontrol yang dikembangkan dari berbagai penelitian (lanjutan) 3 Volatilitas ( ) Variabel yang menghitung tingkat terms of trade perubahan atau fluktuasi TOT selama periode waktu tertentu dan dihitung dan diukur dengan menggunakan standar deviasi pada selang periode tertentu. 4 Pendapatan per IC ( ) GDP per kapita berdasarkan paritas kapita daya beli (PPP). GDP, PPP adalah produk domestik bruto yang dikonversi ke dolar internasional dengan menggunakan tingkat daya beli paritas. 5 Kebijakan ( ) Ukuran volatilitas kebijakan fiskal yang Fiskal dibangun menggunakan metode yang Proksiklikal diusulkan oleh Lane (2003). Menggambarkan ketidakdisplinan fiscal jika bernilai positif. Income per Fiscal policy capita Procyclicality Discretionary Financial Institutional fiscal policy development quality
6
Diskresioner Fiskal
( ) Ukuran volatilitas kebijakan fiskal yang dibangun menggunakan metode yang diusulkan oleh Fatas dan Mihov (2003). Menggambarkan adanya guncangan fiskal.
7
Pembangunan Keuangan
8
Kualitas Institusional
Variabel yang mengukur kedalaman sektor keuangan suatu negara, Ukurannya adalah dengan membagi domestic credit to privat sector terhadap GDP. INST ( ) Variabel yang menjelaskan kualitas institutsi suatu negara yang diukur dengan indeks struktur dan kemananan yang sah ditinjau melalui aspek property rights kebebasan ekonomi FID ( )
4 HASIL DAN PEMBAHASAN
Analisis Eksploratif Data Volatilitas Makroekonomi di Kawasan Asia-Pasifik Bagian ini mengeksplorasi pergerakan data volatilitas pertumbuhan variabel makroekonomi dari tahun 1976 – 2015. Gambar 6 menunjukkan data pergerakan volatilitas pertumbuhan variabel makroekonomi dengan membagi kawasan AsiaPasifik kedalam dua kelompok negara, yaitu: kelompok negara developed countries dan negara developing countries. Data volatilitas makroekonomi pada penelitian ini dibagi dalam tiga kelompok yaitu volatilitas dari pertumbuhan output atau pendapatan (gross domestic product dan gross national product),
37
volatilitas dari pertumbuhan konsumsi (private consumption dan final consumption) serta volatilitas dari pertumbuhan investasi (gross fixed capital formation). Gross Domestic Product Asia Pacific Developed Countries
Gross National Product Asia Pacific Developed Countries Asia Pacific Developing Countries standar deviasi
standar deviasi
Asia Pacific Developing Countries 0.24 0.19 0.14 0.09 0.04 1980
1990
2000
2010
0.24 0.19 0.14 0.09 0.04 1980
1990
Private Consumpiton
Asia Pacific Developed Countries Asia Pacific Developing Countries standar deviasi
0.19 0.14 0.09 2000
2010
0.24 0.19 0.14 0.09 0.04 1980
1990
2000
2010
Gross Fixed Capital Formation Asia Pacific Developed Countries Asia Pacific Developing Countries standar deviasi
standar deviasi
0.24
1990
2010
Final Consumpiton
Asia Pacific Developed Countries Asia Pacific Developing Countries
0.04 1980
2000
0.24 0.19 0.14 0.09 0.04 1980
1990
2000
2010
Sumber : World Development Indicator (diolah)
Gambar 6 Perkembangan volatilitas makroekonomi di kawasan Asia-Pasifik berdasarkan kelompok pendapatan periode 1976-2015 Gambar 6 menunjukkan secara umum pergerakan volatilitas di kedua kelompok pendapatan berfluktuasi dari waktu ke waktu. Hal menarik dari Gambar 6 menunjukkan bahwa volatilitas dari pertumbuhan variabel-variabel makroekonomi di negara developing countries selalu lebih tinggi jika dibandingkan negara-negara developed countries pada tahun 1976-2003, namun setelah tahun 2003 posisi volatilitas makroekonomi berada pada posisi sebaliknya. Setelah tahun 2003 negara-negara developed countries memiliki volatilitas variabel makroekonomi yang lebih tinggi, jika dibandingkan negara-negara
38
developing countries. Kondisi tersebut terjadi baik pada volatilitas dari pertumbuhan gross domestic product, gross national product, private consumption, final consumption, dan gross fixed capital formation. Hal menarik lainnya yang ditunjukkan pada Gambar 6 adalah volatilitas dari pertumbuhan variabel makroekonomi mengalami kenaikan pada periode tahun 1998-2000. Kenaikan pada volatilitas dari pertumbuhan variabel-variabel makroekonomi pada periode tersebut dikarenakan adanya krisis keuangan yang melanda dunia. Adanya krisis keuangan tersebut pada akhirnya semakin meningkatkan ketidakstabilan kondisi perekonomian yang ditunjukkan pada masing-masing variabel makroekonomi. Volatilitas dari pertumbuhan variabel gross fixed capital formation pada periode tahun 1998 -2000 mengalami kenaikan yang sangat tinggi hingga menyentuh 0.24. Nilai volatilitas pertumbuhan gross fixed capital formation tersebut sangat tinggi, jika dibandingkan dengan volatilitas variabel makroekonomi lainnya.
1
7
0.9
6
0.8
Financial Openness
FInancial Liberalization
Liberalisasi dan Keterbukaan Keuangan di Kawasan Asia-Pasifik Bagian ini mengeksplorasi pergerakan data tingkat liberalisasi dan keterbukaan keuangan dari tahun 1976 – 2015. Gambar 7 menjelaskan mengenai grafik perkembangan data liberalisasi keuangan secara de jure dan de facto di kawasan Asia-Pasifik dari periode waktu ke waktu. Grafik perkembangan financial liberalization menunjukkan tingkat liberalisasi keuangan secara de jure, sedangkan grafik perkembangan financial openness menunjukkan tingkat liberalisasi keuangan secara de facto.
0.7 0.6 0.5 0.4 0.3
5 4 3 2 1
0 1973 1983 1993 2003 2013 1993 2003 2013 Tahun Tahun Sumber: Chinn dan Ito (2007), the External Wealth of Nations Mark II database (diolah) Keterangan: Asia-Pasifik Developing Countries Asia-Pasifik 0.2 1973
1983
Asia-Pasifik Developed Countries
Gambar 7 Perkembangan tingkat liberalisasi dan keterbukaan keuangan di kawasan Asia-Pasifik periode 1976-2015 Gambar 7 menunjukkan data tingkat liberalisasi dan keterbukaan keuangan secara rata-rata yang dibagi berdasarkan kawasan Asia-Pasifik, Asia-Pasifik developed countries dan Asia-Pasifik developing countries. Pembagian ini dimaksudkan agar dapat melihat perbedaan data tingkat liberalisasi dan keterbukaan keuangan berdasarkan karakteristik kelompok pendapatan di
39
kawasan Asia-Pasifik. Secara umum, Gambar 7 memperlihatkan pola data liberalisasi dan keterbukaan keuangan secara rata-rata yang meningkat dari waktu ke waktu pada kawasan Asia-Pasifik, Asia-Pasifik developed countries dan AsiaPasifik developing countries. Hal ini terlihat tingkat liberalisasi keuangan untuk data negara-negara di kawasan Asia-Pasifik yang dirata-ratakan pada tahun 1975 berada pada tingkat 0.44, mengalami peningkatan sebesar 0.64 pada data di akhir tahun 2015. Hanya ada pada beberapa titik yang mengalami penurunan dan penurunan tersebut umumnya disebabkan karena adanya krisis keuangan global yang melanda dunia. Gambar 7 juga memperlihatkan bahwa terdapat perbedaan data tingkat liberalisasi keuangan antara negara-negara kelompok Asia-Pasifik developed countries dan Asia-Pasifik developing countries. Data tingkat liberalisasi keuangan di kelompok negara developed countries memperlihatkan tingkat liberalisasi keuangan yang lebih tinggi, jika dibandingkan dengan kelompok developing countries. Hal ini mengindikasikan bahwa negara-negara di kawasan Asia-Pasifik developed countries lebih terbuka dan memiliki hambatan pasar keuangan yang sangat rendah terhadap pasar keuangan global, jika dibandingkan dengan kelompok negara Asia-Pasifik developing countries. Gambar 7 juga menunjukkan bahwa keterbukaan keuangan mengalami kenaikan dari waktu ke waktu di kawasan Asia-Pasifik. Keterbukaan keuangan menunjukkan bahwa aktivitas keuangan yang terjadi di kawasan Asia-Pasifik terhadap pasar keuangan global selalu mengalami kenaikan dari waktu ke waktu. Hal ini juga menunjukkan bahwa aktivitas pasar modal di negara-negara kawasan Asia-Pasifik semakin terintegrasi dengan pasar modal internasional. Keterbukaan keuangan di kelompok negara Asia-Pasifik developed countries lebih besar, jika dibandingkan dengan kelompok Asia-Pasifik developing countries. Selain itu, aktivitas keterbukaan keuangan di kelompok developed countries mengalami pertumbuhan yang sangat cepat jika dibandingkan developing countries yang hanya memperlihatkan pertumbuhan aktivitas keuangan yang cenderung lambat. Chile Canada United States Hong Kong Macao South Korea Singapore New Zealand Japan Australia
0.38 1 1 1 1 0.37 0.94 0.86 0.95 0.75
Developed Countries
0.82
Peru Pakistan Philipina Thailand Malaysia Indonesia India China Bangladesh Developing Countries Asia Pacific
0.64 0.16 0.31 0.37 0.65 0.79 0.16 0.13 0.11 0.39 0.61
Sumber: Chinn dan Ito (2007) (diolah)
Gambar 8 Rata-rata tingkat liberalisasi keuangan (financial liberalization) berdasarkan tingkat pendapatan di kawasan Asia-Pasifik periode 1976 – 2015
40
Bagian selanjutnya adalah menunjukkan tingkat liberalisasi keuangan pada masing-masing negara yang menjadi objek penelitian. Gambar 8 menunjukkan data tingkat liberalisasi keuangan yang dibagi kedalam kelompok negara developed countries dan developing countries. Secara keseluruhan rata-rata tingkat liberalisasi keuangan negara-negara di Kawasan Asia-Pasifik menunjukkan angka 0.61. Berdasarkan karakteristik pendapatan negara-negara yang termasuk kedalam kelompok Asia-Pasifik developed countries menunjukkan angka tingkat liberalisasi keuangan yang tinggi 0.82, Sedangkan negara di kelompok Asia-Pasifik developed countries menunjukkan angka yang rendah yaitu 0.39. Hal ini selaras pada penjelasan Gambar 7 yang menunjukkan bahwa secara rata-rata tingkat liberalisasi keuangan pada kelompok developed countries sangat lebih besar jika dibandingkan dengan kelompok developing countries. Negara-negara di kelompok Asia-Pasifik developed countries yang memiliki tingkat liberalisasi keuangan tertinggi secara rata-rata adalah Canada, United States, Hong Kong dan Macao dengan tingkat liberalisasi keuangan secara ratarata adalah 1. Artinya, pada negara-negara tersebut hambatan pasar keuangan domestik terhadap pasar keuangan global telah dihapuskan. Sedangkan, negara dengan tingkat liberalisasi yang terkecil secara rata-rata pada kelompok AsiaPasifik developed countries adalah South Korea dengan tingkat liberalisasi keuangan secara rata-rata sebesar 0.37. Artinya, dalam hal ini South Korea memiliki tingkat hambatan pasar keuangan domestik terhadap global yang paling tinggi di kelompok negara Asia-Pasifik developed countries. Kelompok negara Asia-Pasifik developing countries, negara yang memiliki tingkat liberalisasi keuangan tertinggi adalah Indonesia. Negara Indonesia memiliki tingkat liberalisasi keuangan rata-rata sebesar 0.79, yang kemudian disusul oleh negara Malaysia dan Peru dengan tingkat liberalisasi keuangan secara rata-rata sebesar 0.65 dan 0.64. Sedangkan, negara dengan tingkat liberalisasi keuangan terkecil pada kelompok Asia-Pasifik developing countries adalah Bangladesh yaitu sebesar 0.11. Hasil ini menunjukkan dari total keseluruhan negara-negara yang menjadi objek penelitian, Bangladesh merupakan negara yang memiliki hambatan pasar keuangan domestik yang tinggi terhadap pasar keuangan global. Data tingkat keterbukaan keuangan adalah data yang dihitung dengan menggunakan perhitungan ukuran keterbukaan keuangan dari Lane dan MilesiFerreti (2006). Metode perhitungan variabel adalah dengan menjumlahkan aliran modal yang masuk dan keluar kemudian dibagi dengan produk domestik bruto. Secara keseluruhan, rata-rata tingkat keterbukaan keuangan di kawasan AsiaPasifik adalah sebesar 1.94. Berdasarkan kelompok pendapatan yaitu kelompok negara Asia-Pasifik developed countries dan developing countries. Tingkat keterbukaan keuangan menunjukkan angka yang jauh berbeda. Kelompok negara Asia-Pasifik developing countries memiliki tingkat keterbukaan keuangan secara rata-rata sebesar 2.99, sedangkan untuk kelompok negara Asia-Pasifik developed countries menunjukkan tingkat rata-rata keterbukaan keuangan sebesar 0.77. Terlihat perbedaan tingkat liberalisasi keuangan yang cukup besar pada kedua kelompok tersebut, dengan perbedaan tingkat keterbukaan keuangan sebesar 2.22. Hal ini juga terkait karena adanya faktor hambatan aliran modal pada Gambar 7, dimana kelompok negara Asia-Pasifik developing countries cenderung memiliki tingkat hambatan di pasar keuangan yang besar. Hal inilah yang menyebabkan aktivitas aliran modal kelompok negara developing countries terhadap pasar
41
keuangan global sangat rendah jika dibandingkan dengan kelompok negaranegara developed countries. Negara-negara di kelompok Asia-Pasifik developed countries yang memiliki tingkat keterbukaan keuangan tertinggi adalah Hong Kong, kemudian diikuti oleh Singapore dan Macao yaitu sebesar 12.88, 7.98 dan 3.09. Tingkat keterbukaan keuangan terendah adalah South Korea dengan besaran tingkat keterbukaan keuangan sebesar 0.75. Hal ini sesuai dengan kondisi tingkat liberalisasi keuangan pada Gambar 7, dimana tingkat liberalisasi keuangan yang tinggi di Hong Kong menunjukkan rendahnya hambatan pasar keuangan global yang diikuti dengan tingginya aktivitas di pasar keuangan internasional. Sementara itu, data liberalisasi kelompok negara Asia-Pasifik developing countries menunjukkan hasil menarik. Tingkat keterbukaan keuangan tertinggi terdapat pada negara Malaysia, kemudian disusul oleh Philipiness dan Thailand dengan tingkat keterbukaan keuangan ratarata sebesar 1.53, 1.03 dan 0.95. Negara dengan tingkat keterbukaan keuangan terendah di kelompok negara Asia-Pasifik developing countries adalah negara India dengan tingkat keterbukaan keuangan rata-rata sebesar 0.38. Chile Canada United States Hong Kong Macao Korea Selatan Singapore New Zealand Japan Australia Developed Countries
0.83 1.11 0.99 12.88 3.09 0.75 7.98 1.43 0.98 1.38 2.99
Peru Pakistan Philipina Thailand Malaysia Indonesia India China Bangladesh Developing Countries Asia Pacific
0.57 0.60 1.03 0.95 1.53 0.84 0.38 0.60 0.44 0.77 1.94
Sumber: the External Wealth of Nations Mark II database
Gambar 9 Rata-rata tingkat keterbukaan keuangan (financial openness) berdasarkan kelompok pendapatan di kawasan Asia-Pasifik periode 1976-2015 Hal menarik pada analisis ini adalah indikator liberalisasi keuangan ternyata belum menentukan tingkat keterbukaan keuangan suatu negara. Hal ini terlihat pada kondisi tingkat liberalisasi dan keterbukaan keuangan di Indonesia. Indonesia memiliki tingkat liberalisasi keuangan yang tinggi pada Gambar 8, namun tingkat keterbukaan dan aktivitas keuangan di Indonesia terhadap pasar keuangan global masih rendah jika dibandingkan dengan Malaysia, Philiphiness dan Thailand. Adanya perbedaan penting ini menjadi salah satu alasan mengapa pada penelitian ini menggunakan dua indikator ukuran dalam mengukur tingkat liberalisasi keuangan domestik terhadap pasar keuangan global. Indikator berdasarkan hambatan keuangan yang digambarkan oleh Gambar 8 dan indikator keterbukaan keuangan yang digambarkan oleh Gambar 9. Adanya penggunaan kedua indikator ini berdasarkan alasan untuk saling melengkapi kelemahan masing-masing ukuran yang ada (Quinn et al. 2011).
42
Perkembangan Arah Aliran Modal Masuk dan Keluar di Kawasan AsiaPasifik
Billion US Dollar
Gambar 10 menjelaskan perkembangan total akumulasi aliran modal yang masuk maupun yang keluar di kawasan Asia-Pasifik dengan menjumlahkan seluruh objek penelitian di 19 negara pada periode 1976–2015. Akumulasi aliran modal yang digunakan dalam analisis penelitian ini adalah aliran modal total masuk dan keluar, yaitu total kewajiban eksternal dan total asset eksternal. Selain itu, aliran modal total dibagi juga kedalam aliran modal utang dan ekuitas. Dimana untuk aliran modal utang yang masuk dan keluar yaitu kewajiban utang eksternal dan total asset utang eksternal. Begitupula untuk aliran modal ekuitas dibagi menjadi dua, yaitu total kewajiban ekuitas eksternal dan total ekuitas aset eksternal. 70000 60000 50000 40000 30000 20000 10000 0 1973
1978
1983
1988
1993
1998
Sumber: the External Wealth of Nations Mark II database Keterangan: Total Debt Asset Total Asset Total Liabilities Total Debt Liabilities
2003
2008
2013
Total Equity Asset Total Equity Liabilities
Gambar 10 Rata-rata perkembangan data arah aliran modal masuk dan keluar di kawasan Asia-Pasifik periode 1976 – 2015 Gambar 10 memperlihatkan jumlah akumulasi arah aliran modal yang terjadi di negara kawasan Asia-Pasifik. Jumlah akumulasi modal yang masuk maupun keluar di negara-negara kawasan Asia-Pasifik selalu mengalami peningkatan dari waktu ke waktu, baik secara total maupun dalam bentuk utang dan ekuitas. Hal ini menunjukkan bahwa adanya liberalisasi keuangan dan keterbukaan keuangan yang meningkat dari waktu ke waktu (lihat Gambar 8 dan 9) semakin meningkatkan aktivitas pasar keuangan domestik di negara-negara kawasan Asia-Pasifik. Gambar 10 memperlihatkan jumlah akumulasi total aset dan kewajiban eksternal di kawasan Asia-Pasifik yang telah dijumlahkan pada 19 negara objek penelitian. Data menunjukkan jumlah total akumulasi aset dan kewajiban eksternal pada akhir periode tahun 2015 di kawasan Asia-Pasifik telah mencapai 60 000 (billion US dollar). Dimana pada awal tahun 1976 hanya sebesar 780 (billion US dollar). Pergerakan total aset eksternal dan kewajiban eksternal
43
pada tahun 1976 – 2015 menunjukkan pergerakan yang sama, namun dengan kondisi total aset eksternal jauh lebih besar, dibandingkan total kewajiban eksternal. Hal ini menandakan bahwa secara total aktivitas pasar keuangan di kawasan Asia-Pasifik didominasi oleh arus modal yang keluar dibandingkan dengan arus modal yang masuk. Gambar 10 juga menunjukkan pergerakan aktivitas aliran modal utang dan ekuitas di kawasan Asia-Pasifik. Pada Gambar 10 diperlihatkan bahwa aktivitas pasar keuangan dalam bentuk utang jauh lebih besar jika dibandingkan dengan aktivitas keuangan dalam bentuk ekuitas. Pergerakan aliran modal utang baik yang masuk maupun utang keluar menunjukkan pergerakan yang sama. Pergerakan aktivitas utang tersebut selalu mengalami peningkatan dari waktu ke waktu. Total kewajiban utang di kawasan Asia-Pasifik pada tahun 2015 telah mencapai angka 30 000 (billion US dollar), dimana pada periode tahun 1976 hanya sebesar 400 (billion US dollar). Begitupula dengan total aset utang pada tahun 2015 mencapai angka 20 000 (billion US dollar), dimana pada periode tahun 1976 hanya sebesar 270 (billion US dollar). Terdapat hal menarik yang ditunjukkan pada Gambar 10 dalam aktivitas modal utang di Kawasan AsiaPasifik. Aliran utang yang masuk menunjukkan angka yang lebih besar dibandingkan aliran utang yang keluar dari waktu ke waktu. Gambar 10 juga memperlihatkan aktivitas aliran modal ekuitas. Jika dibandingkan dengan modal utang, modal ekuitas tidak memperlihatkan pergerakan yang meningkat secara signifikan. Pada tahun 2015, aliran modal ekuitas yang masuk di kawasan AsiaPasifik sebesar 9 300 (billion US dollar), dimana pada periode Tahun 1985 hanya sebesar 210 (billion US dollar). Sedangkan untuk aliran modal ekuitas yang keluar secara rata-rata di kawasan Asia-Pasifik pada tahun 2015 sebesar 9 250 (billion US dollar), dimana pada periode tahun 1985 hanya sebesar 215 (billon US dollar). Selanjutnya, Gambar 11 menunjukkan jumlah akumulasi aliran modal total aset dan kewajiban masuk maupun keluar yang dirata-ratakan dari tahun 1976 sampai Tahun 2015. Data total aset dan kewajiban eksternal menunjukkan angka billion US dollar. Secara rata-rata, untuk negara di kawasan Asia-Pasifik total aset eksternal menunjukkan angka 675.8, sedangkan total kewajiban eksternal secara rata-rata sebesar 656.6. Hal ini menunjukkan secara-rata-rata aktivitas aliran modal total yang keluar masih mendominasi di negara-negara kawasan AsiaPasifik jika dibandingkan dengan total aliran modal yang masuk. Gambar 11 juga menunjukkan rata-rata aliran modal total berdasarkan kelompok pendapatan. Aktivitas aliran modal baik yang masuk dan keluar secara rata-rata masih di dominasi oleh developed countries. Secara rata-rata total aktivitas aliran modal yang masuk dan keluar (total aset eksternal + total kewajiban eksternal) sebesar 2 250, sedangkan negara-negara developing countries jika dirata-ratakan hanya sebesar 314.79. Dominasi aktivitas keuangan yang besar di kelompok negaranegara developed countries terkait dengan liberalisasi dan keterbukaan keuangan yang tinggi pada kelompok negara tersebut (lihat Gambar 8 dan 9). Kelompok developed countries memiliki tingkat keterbukaan keuangan yang tinggi karena adanya struktur perekonomian industri, sehingga untuk memperluas pola produksi domestiknya membutuhkan aliran modal yang tinggi.
44
Chile Canada
72.2 51.1 814.6 659.1 6860.0 5903.6
United States Hong Kong Macao Korea Selatan Singapore New Zealand Japan Australia
Asia Pacific Developed Countries Asia Pacific Total Liabilities
818.5 1077.4 8.5 23.2 232.9 174.5 445.9 569.7 77.5 32.7
38.15 16.47
Pakistan
34.17 7.66
Philipina
54.39 25.34
Thailand
95.91 56.81
Malaysia
86.38 72.58
Indonesia
137.37 42.03
India
183.67 85.38 585.69
China
1535.4 2459.7
Bangladesh
509.4 282.6
1132.8 1117.2
Peru
Asia Pacific Developing Countries
1371.02 15.96 3.91
127.99 186.80
656.6 675.8 Total Aset
Total Liabilities
Total Aset
Sumber: the External Wealth of Nations Mark II database
Gambar 11
Rata-rata aliran modal total masuk dan keluar (total aset dan kewajiban eksternal) negara-negara kawasan Asia-Pasifik periode 1976-2015
Gambar 11 memperlihatkan bahwa untuk kelompok developed countries, negara United States masih mendominasi aktivitas di pasar keuangan global. Kemudian disusul oleh Japan dan Hong Kong. Total kewajiban eksternal pada masing-masing negara tersebut adalah sebesar 6860, 1535.4 dan 818.5. Sedangkan, total aset eksternal pada masing-masing negara tersebut adalah 5903.6, 2459.7 dan 1077.4. Hal menarik yang ditunjukkan pada gambar terkait kondisi arah aliran modal negara di United States, dimana total kewajiban eksternal secara rata-rata lebih besar dibandingkan dengan total aset eksternal. Kondisi serupa juga ditunjukkan oleh Chile, Canada, Korea Selatan, New Zealand dan Australia. Sementara untuk Japan dan Hong Kong berada pada kondisi sebaliknya, dimana total kewajiban eksternal rata-rata lebih kecil dibandingkan dengan total aset eksternal. Kondisi negara yang serupa dengan Negara Japan dan Hong Kong adalah negara Singapore dan Macao. Negara dengan aliran modal total masuk dan keluar paling rendah pada kelompok negara developed countries adalah Macao sebesar 31.7. Gambar 11 selanjutnya mengelompokkan kembali negara-negara Asia-Pasifik berdasarkan negara berkembang (developing countries). Pada kelompok negara developing countries, aktivitas aliran modal yang paling tinggi dan signifikan adalah Negara
45
China dengan nilai rata-rata total kewajiban eksternal sebesar 585.69. Sedangkan total aset eksternal rata-rata di China sebesar 1371.02. Aliran modal masuk dan keluar yang tinggi setelah negara China adalah India dan Indonesia. Hal menarik ditunjukkan pada kondisi di Negara China, dimana total aset eksternal secara ratarata jauh lebih besar jika dibandingkan dengan total kewajiban eksternal. Hal ini berbeda dengan negara-negara developing lainnya, dimana pada kondisi sebaliknya total kewajiban eksternal jauh lebih besar dibandingkan dengan total aset eksternal. Negara dengan aliran modal total masuk dan keluar yang paling rendah pada kelompok negara developing countries adalah Pakistan sebesar 41.83 Chile
.
Canada
29.4 14.0 406.6 173.0 2391.0
Macao Korea Selatan Singapore New Zealand
362.9 535.5 7.9 15.1 125.5 54.2 265.3 329.9 44.2 9.2 1108.2 1675.0
27.0 3.3
Philipina
41.1 11.0
Thailand
46.7 15.4
Malaysia
40.3 17.4
Indonesia
94.0 13.9
672.9 524.7 382.6 290.0
Total Debt Liabilities
98.9 9.2 182.7 224.9
China
262.6 79.8
Asia Pacific Developed Countries Asia Pacific
Pakistan
India
Japan Australia
24.1 3.7
4126.8
United States Hong Kong
Peru
Bangladesh
Asia Pacific Developing Countries
Total Debt Aset
13.8 1.6
60.5 29.9
Total Debt Liabilities
Total Debt Aset
Sumber: the External Wealth of Nations Mark II database
Gambar 12 Rata-rata aliran modal dalam bentuk utang masuk dan keluar (total aset dan kewajiban utang eksternal) di negara-negara kawasan AsiaPasifik periode 1976-2015 Gambar 12 menjelaskan aliran modal masuk dan keluar dalam bentuk utang (total aset dan kewajiban utang eksternal dan) yang dirata-ratakan dari tahun 1976 sampai tahun 2015. Data total aset dan kewajiban utang eksternal menunjukkan angka billion US dollar. Secara rata-rata untuk negara di kawasan Asia-Pasifik total aset utang eksternal menunjukkan angka 290.0, sedangkan total kewajiban utang eksternal sebesar 382.6. Hal ini menunjukkan secara keseluruhan rata-rata modal dalam bentuk utang yang masuk cenderung lebih besar jika dibandingkan
46
dengan modal dalam bentuk utang yang keluar. Hal ini dapat dilihat total kewajiban utang cenderung lebih besar dibandingkan dengan total aset utang, baik pada kelompok negara-negara developed countries dan developing countries. Hanya ada beberapa negara yang berada pada kondisi sebaliknya, yaitu Hong Kong, Macao, Singapore, Japan dan China. Gambar 12 juga menunjukkan rata-rata modal dalam bentuk utang masuk dan keluar berdasarkan kelompok pendapatan. Aktivitas aliran modal utang yang masuk dan keluar secara rata-rata masih di dominasi oleh negara-negara kelompok developed countries. Total aktivitas aliran modal utang tersebut (total aset utang eksternal + total kewajiban utang eksternal) secara rata-rata sebesar 1197.6, sedangkan negara-negara developing countries jika dirata-ratakan hanya sebesar 90.4. Hal ini menunjukkan masih terjadinya dominansi aktivitas keuangan dalam bentuk utang pada negara-negara berpendapatan tinggi di kawasan AsiaPasifik. Gambar 12 juga memperlihatkan bahwa untuk negara-negara developed countries, negara United States masih mendominasi aktivitas keuangan dalam bentuk utang di kawasan Asia-Pasifik, kemudian disusul oleh Japan, Hong Kong dan Canada. Total kewajiban utang eksternal dari United States adalah 4126.8, kemudian Japan sebesar 1108.2, Hong Kong sebesar 362.9 dan Canada sebesar 406.6. Negara United States kembali menempati tempat tertinggi kemudian disusul oleh Japan, Hong Kong dan Canada yaitu masing-masing 2391.0, 1675.0, 535.5 dan 173.0. Gambar 12 selanjutnya memperlihatkan total kewajiban dan aset utang untuk kelompok negara developing countries. Aktivitas aliran modal utang tertinggi kelompok negara developing countries adalah China yang kemudian disusul oleh India dan Indonesia. Besar total kewajiban utang rata-rata pada negara-negara tersebut adalah sebesar 182.7, 98.9 dan 94.0, sedangkan besar total aset utang rata-rata pada negara-negara tersebut adalah sebesar 224. 9, 9.2, 13.9. Hal menarik yang ditunjukkan pada kelompok developing countries adalah bahwa mayoritas negara-negara tersebut memiliki aliran total utang masuk yang lebih besar dibandingkan dengan aliran total utang yang keluar kecuali China. Dengan demikian, Gambar 12 memperlihatkan negara-negara kelompok developing countries dalam mendanai kegiatan pembangunannya masih tergantung terhadap utang terhadap negara-negara lainnya. Gambar 13 menjelaskan aliran modal masuk dan keluar dalam bentuk ekuitas (total eksternal aset dan kewajiban ekuitas) yang juga dirata-ratakan dari Tahun 1976 sampai Tahun 2015. Data total aset ekuitas eksternal dan liabilities menunjukkan angka billion US dollar. Secara rata-rata untuk negara di kawasan Asia-Pasifik, total eksternal aset ekuitas eksternal menunjukkan angka 104.6, sedangkan total kewajiban ekuitas eksternal sebesar 104.7. Dimana jika ditotalkan secara rata-rata aktivitas keuangan di negara kawasan Asia-Pasifik sebesar 209.3. Angka ini memperlihatkan bahwa aliran equity total lebih rendah jika dibandingkan dengan aliran debt total (lihat Gambar 12) dengan besaran mencapai 672.6. Hal ini menunjukkan bahwa aktivitas aliran modal utang lebih mendominasi dibandingkan aliran modal ekuitas di negara kawasan Asia-Pasifik. Gambar 7 juga menunjukkan rata-rata aliran modal dalam bentuk ekuitas masuk dan keluar berdasarkan kelompok pendapatan. Aktivitas aliran modal ekuitas yang masuk dan keluar secara rata-rata masih di dominasi oleh negara-negara developed countries. Dimana total aktivitas aliran modal ekuitas tersebut (total
47
aset ekuitas eksternal + total kewajiban ekuitas eksternal) di negara developed countries rata-rata adalah sebesar 376.4, sedangkan negara-negara developing countries jika dirata-ratakan hanya sebesar 23.1. Sama halnya seperti aliran modal utang, aktivitas keuangan dalam bentuk ekuitas masih didominasi oleh negaranegara berpendapatan tinggi di kawasan Asia-Pasifik. Chile
4.3 14.3
Peru
113.3 163.9
Kanada
1044.8
United States
Pakistan
1.3 0.1
Philipina
5.3 0.7
Thailand
16.3 0.7
90.9 117.9
Hongkong Macao
1323.7
0.1 1.9
6.9 2.8
Korea Selatan
68.0 13.5
Malaysia
16.8 3.5
Singapura
31.0 77.1
Indonesia
15.8 0.4
New Zealand
4.9 8.9
Japan Australia
Asia Pacific Developed Countries Asia Pacific
Total Equity Liabilities
India 363.6 186.8
82.1
China
86.6 62.7
180.3 196.1
51.3 0.5
Bangladesh
Asia Pacific Developing Countries
20.9 0.1 0.0
20.2 2.9
104.7 104.6 Total Equity Aset
Total Equity Liabilities
Total Total Equity Aset
Sumber: the External Wealth of Nations Mark II database
Gambar 13 Rata-rata aliran modal dalam bentuk ekuitas masuk dan keluar (total aset dan kewajiban ekuitas eksternal) di negara-negara kawasan Asia-Pasifik periode 1976-2015 Gambar 13 juga memperlihatkan bahwa untuk negara-negara developed countries, negara United States masih mendominasi aktivitas keuangan dalam bentuk ekuitas di kawasan Asia-Pasifik. Kemudian disusul oleh Japan, Canada dan Hong Kong. Rata-rata total aset ekuitas eksternal masing-masing negara tersebut adalah sebagai berikut: 1323.7, 186.8, 163.9 dan 117.9. Total kewajiban ekuitas eksternal, negara United States kembali menempati posisi tertinggi kemudian disusul oleh Japan, Canada dan Hong Kong yang masing-masing sebesar 1044.8, 363.6, 113.3 dan 90.9. Hal menarik ditunjukkan bahwa negara United States memiliki aliran modal ekuitas masuk yang lebih rendah dibandingkan dengan aliran ekuitas keluar. Hal ini juga ditunjukkan oleh Negara Hong Kong, Canada, Chile, Singapore, New Zealand dan Macao. Sedangkan pada kondisi sebaliknya, dimana aliran modal ekuitas masuk lebih besar
48
dibandingkan aliran ekuitas keluar ditunjukkan oleh negara Japan, Australia dan Korea Selatan. Gambar 13 selanjutnya memperlihatkan total kewajiban dan aset ekuitas untuk kelompok negara developing countries. Pada kelompok negara developing countries aktivitas aliran modal ekuitas masuk dan keluar tertinggi adalah China yang kemudian disusul oleh Negara India dan Malaysia. Besar total kewajiban ekuitas rata-rata pada negara-negara tersebut adalah sebesar 82.1, 51.3 dan 16.8, Sedangkan besar total aset ekuitas rata-rata pada negara-negara tersebut adalah sebesar 20.9, 0.5 dan 3.5. Hal menarik yang ditunjukkan pada kelompok developing countries adalah bahwasannya seluruh negara-negara tersebut memiliki aliran total ekuitas masuk yang lebih besar, dibandingkan aliran total ekuitas yang keluar. Pengaruh Liberalisasi Keuangan dan Arah Aliran Modal Terhadap Volatilitas Makroekonomi di Kawasan Asia-Pasifik Sebelum memasuki perhitungan koefisien regresi guna melihat dampak adanya liberalisasi keuangan dan arah aliran modal terhadap volatilitas makroekonomi di kawasan Asia-Pasifik, berikut disajikan gambaran umum mengenai variabel-variabel penyusun persamaan regresi. Tabel 8 menunjukkan variabel yang digunakan dalam penelitian. Variabel tersebut dibagi kedalam dua kategori yaitu variabel dependen atau terikat, dan variabel independen atau variabel bebas. Untuk variabel independen pada penelitian ini dibagi kedalam dua kategori yaitu variabel inti dan variabel kontrol. Variabel kontrol digunakan dalam penelitian ini sebagai variabel yang dikendalikan sehingga hubungan variabel bebas terhadap variabel terikat tidak dipengaruhi oleh faktor luar yang diteliti. Penentuan variabel kontrol dalam penelitian ini berdasarkan pada penelitianpenelitian sebelumnya yang dikembangkan dari penelitian Kose et al. (2003), Neaime (2005) dan Ahmed dan Suardi (2009). Variabel dependen pada Tabel 8 menunjukkan bahwa variabel makroekonomi yang paling volatil adalah variabel pertumbuhan gross fixed capital formation sebagai proksi dari variabel investasi. Sedangkan variabel makroekonomi yang memiliki tingkat volatilitas paling rendah adalah variabel pertumbuhan gross domestic product. Pergerakan masing-masing volatilitas variabel makroekonomi yaitu income (gross domestic product dan gross national product), konsumsi (private consumption dan final consumption) serta investasi (gross fixed capital formation) memiliki kesamaan. Hal ini dapat dilihat bahwa seluruh variabel volatilitas mengalami penurunan di dekade 1986-1995 kemudian meningkat kembali pada dekade 1996-2005. Tabel 1 juga menunjukkan pergerakan variabel dependen per dekade. Data financial openness dan financial liberalization secara rata-rata setiap dekade selalu mengalami kenaikan. Selain itu, data arah aliran modal yang terdiri dari total aset eksternal, total kewajiban eksternal, total aset utang eksternal, total kewajiban utang eksternal, total aset ekuitas eksternal dan total kewajiban ekuitas eksternal juga secara rata-rata selalu mengalami kenaikan per tiap dekade. Kenaikan aliran modal masuk ataupun keluar tidak lain disebabkan karena semakin liberal dan terintegrasinya pasar keuangan negara-negara di kawasan Asia-Pasifik terhadap pasar keuangan global.
49
Tabel 8
Rata-rata nilai variabel dependent dan independent di Kawasan AsiaPasifik periode 1976-2015
Dependent Variable FInancial Liberalization and The Direction of Capital Flows Control Variable
Volatility growth of GDP (Vgdp) Volatility growth of GNP (Vgnp) Volatility growth of private consumption (Vpc) Volatility growth of final consumption (Vfc) Volatility growth of gross fixed capital formation (Vgfcf) Financial openness Financial liberalization Total external asset/GDP Total external debt asset/GDP Total external equity asset/GDP Total external liabilities/GDP Total external debt liabilites/GDP Total external equity liabilities/GDP Trade openness Income per capita Inflation Inflation volatility Terms of trade volatility Discretionary fiscal policy Financial development Institutional quality
1976-85 0.030 0.090
1986-95 0.025 0.081
1996-05 0.027 0.091
2006-15 0.022 0.088
0.083
0.075
0.093
0.080
0.080
0.072
0.090
0.077
0.132
0.114
0.165
0.138
0.89 0.46 0.41 0.53 0.47 0.55 0.01
1.66 0.53 0.85 0.93 0.51 0.65 0.03
2.49 0.56 1.38 1.30 0.66 0.74 0.14
3.62 0.57 2.02 1.82 0.71 0.77 0.28
0.01 0.77 5735.46 15.62 7.57 6.63 0.0221 0.56 5.88
0.04 0.12 0.22 0.84 1.02 1.02 11900.51 18969.82 30699.47 6.66 2.82 3.08 6.76 2.38 1.69 3.79 5.10 3.71 0.0127 0.0121 0.0128 0.75 0.89 0.97 6.18 6.41 6.37
*Kebijakan fiskal procyclical tidak dilaporkan sebagai oleh konstruksi variabel ini tidak bervariasi dari waktu ke waktu.
Tabel 8 juga menunjukkan pergerakan variabel kontrol yang digunakan dalam penelitian per dekade. Pergerakan data trade openness menunjukkan pergerakan yang selalu meningkat setiap dekade. Hal ini menunjukkan bahwa aktivitas pertukaran barang dan jasa di negara-negara kawasan Asia-Pasifik selalu meningkat dari dekade per dekade waktu. Begitupula untuk income per capita secara rata-rata di kawasan Asia-Pasifik selalu mengalami peningkatan setiap dekade. Kenaikan income per capita juga menunjukkan kenaikan yang sangat signifikan dimana pada dekade 1976-85 hanya sebesar 5735.46 (US $) meningkat secara signifikan sebesar 30699.47 (US $) pada dekade 2006-15. Data inflation secara rata-rata mengalami penurunan pada dekade 1976-85 sampai 1996-05 dan naik kembali pada dekade 2006-15. Kenaikan inflation pada akhir dekade disebabkan karena adanya beberapa gejala krisis keuangan global, seperti krisis subprime mortgage dan krisis Eropa yang telah merusak harga pasar dunia, sehingga terjadi kenaikan tingkat inflasi. Sedangkan untuk inflation volatility
50
selalu mengalami penurunan setiap dekade. Hal ini menunjukkan bahwa tingkat harga mengalami kestabilan dari waktu ke waktu. Begitupula dengan data terms of trade volatility yang pada tiap dekade selalu mengalami penurunan. Hal ini ditunjukkan pada dekade 1976-85 terms of trade volatility berada pada angka 6.63 dan pada akhir dekade 2006-15 turun secara signifikan sebesari 3.71. Data discretionary fiscal policy mengalami penurunan pada tiga dekade awal dan naik kembali pada dekade terakhir. Discretionary fiscal policy menunjukkan guncangan pengeluaran pemerintah suatu negara. Dekade 1976-85 discretionary fiscal policy turun sampai periode 1996-05 dari 0.0221 sampai 0.0121, kemudian naik kembali pada dekade terakhir menjadi 0.0128. Data financial development juga mengalami kenaikan setiap dekade, hal ini dikarenakan terdapat hubungan antara semakin meningkatnya liberalisasi dan keterbukaan keuangan. Financial development naik dari dekade awal 1976-85 sebesar 0.56 sampai 2006-15 sebesar 0.97. Selanjutnya data institutional quality juga mengalami kenaikan pada tiga dekade awal dan turun pada dekade terakhir. Setelah disajikan gambaran umum mengenai variabel penyusun persamaan, berikut adalah hasil estimasi persamaan guna menjawab pengaruh liberalisasi keuangan dan arah aliran modal terhadap volatilitas makroekonomi di kawasan Asia-Pasifik. Tabel 9 menyajikan hasil estimasi pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi di kawasan Asia-Pasifik (lihat Lampiran 1 dan 2). Volatilitas dari pertumbuhan variabel makroekonomi dibagi menjadi lima bagian, yaitu Vgdp (volatilitas pertumbuhan GDP), Vgnp (volatilitas pertumbuhan GNP), Vpc (volatilitas pertumbuhan private consumption), Vfc (volatilitas final consumption) dan Vgfcf (volatilitas pertumbuhan investasi). Sementara itu, faktor liberalisasi keuangan dibagi menjadi dua yaitu faktor financial liberalization yang menunjukkan liberalisasi keuangan secara de jure (Chinn dan Ito 2007) dan faktor financial openness yang menunjukkan liberalisasi keuangan secara de facto ((Lane dan Milesi-Ferreti 2006). Hasil estimasi juga memasukkan unsur dummy Asia-Pasifik developed countries (dimana nilai 1 untuk “negara-negara developed countries,” sedangkan nilai 0 untuk negara-negara “developing countries”). Selain itu dummy Asia-Pasifik developed countries diinteraksikan dengan financial openness. Hal ini dimaksudkan untuk melihat adanya kemungkinan pengaruh financial openness yang berbeda antar kelompok pendapatan seperti temuan dari Kose, et al. (2003) dan Mirdala et al. (2015). Faktor-faktor lain juga dimasukan dalam estimasi ini, yaitu: trade openness, income per capita, inflation, inflation volatility, terms of trade volatility, discretionary fiscal policy, fiscal policy procyclicality, financial development dan institutional quality. Uji spesifikasi model panel dinamis pada Tabel 9 dan Tabel 10 telah memenuhi kriteria terbaik. Pertama, estimator lag dependen variabel berada diantara pooled least square dan fixed effect, yang menunjukkan bahwa model yang digunakan tidak bias. Kedua, nilai uji sargan pada semua hasil estimasi tidak menolak hipotesis nol, ini menunjukkan bahwa hasil estimasi valid demgan tidak ada korelasi antara instrument dengan komponen error. Ketiga, hasil estimasi konsisten, dimana AR1 menunjukkan hipotesis nol ditolak, dan AR2 menunjukkan hipotesis nol tidak ditolak. Hasil uji spesifikasi dapat dilihat secara lengkap pada Lampiran 1 sampai Lampiran 4.
51
Tabel 9 Hasil estimasi model dampak liberalisasi keuangan terhadap volatilitas makroekonomi di Kawasan Asia-Pasifik Vgdp Financial openness
-0.0062*** (0.005)
Asia-Pasifik developed countries (dummy) Financial openness Asia-Pasifik developed countries (dummy interaction) Financial liberalization Trade openness Income per capita Inflation Inflation volatility Terms of trade volatility Discretionary fiscal policy Fiscal policy procyclicality Financial development Institutional quality Observation Sargan (p-value) AR (1) AR (2)
-0.0033 (0.840) 0.0188* (0.068) 0.0103*** (0.000) -0.0277 (0.706)
Vgnp
0.0525** (0.029) 0.0726** (0.018) -0.0561** (0.015)
-0.0053*** (0.010)
0.0075 (0.327) 0.0082*** (0.000) -0.0204 (0.755)
-0.0014 (0.934) 0.0161 (0.100) 0.0097*** (0.000) -0.0058 (0.933)
0.4419* (0.061) 0.4679*** (0.003) 0.1170 (0.512)
0.4509** (0.039) 0.5313*** (0.001) -0.0225 (0.919)
0.0338* (0.095) 0.0082 (0.605) 0.0005 (0.910) 133 0.304 -2.45 [0.014] 0.94 [0.345]
Vpc
0.0560** (0.016) 0.0746*** (0.008) -0.0585*** (0.009)
-0.0103** (0.017)
0.0041 (0.580) 0.0076*** (0.000) 0.0016 (0.979)
0.0222 (0.488) 0.0332* (0.094) 0.0100** (0.034) 0.8939* (0.082)
0.3692* (0.095) 0.4310*** (0.006) 0.1240 (0.443)
0.3757* (0.063) 0.4969*** (0.002) 0.0241 (0.907)
0.0354** (0.040) -0.0037 (0.815) -0.0025 (0.585) 133
0.0263 (0.116) 0.0048 (0.723) -0.0004 (0.922) 133
0.544 -2.76 [0.006] 0.95 [0.345]
0.275 -2.47 [0.013] 1.41 [0.160]
Vfc
0.0900 (0.156) 0.0671** (0.040) -0.0943** (0.036)
-0.0049* (0.085)
0.0064 (0.641) 0.0098** (0.043) 0.8927** (0.045)
-0.0028 (0.898) 0.0133 (0.244) 0.0022 (0.487) -0.1013 (0.327)
5.4618*** (0.001) 0.7204*** (0.001) 0.0280 (0.959)
5.5547*** (0.000) 0.8283*** (0.003) -0.0575 (0.896)
0.0278* (0.072) -0.0088 (0.517) -0.0031 (0.497) 133
0.0401 (0.219) 0.0217 (0.121) 0.0147 (0.148) 133
0.428 -2.79 [0.005] 1.41 [0.159]
0.234 -2.79 [0.005] 1.23 [0.218]
Vgfcf 0.0538** (0.041) 0.790** (0.011) -0.0549** (0.029)
-0.0085 (0.155)
0.1613** (0.011) 0.1509** (0.032) -0.1602*** (0.008)
-0.0017 (0.835) -0.0005 (0.862) -0.0478 (0.524)
-0.0257 (0.316) 0.0463** (0.048) 0.0187*** (0.007) -0.2294 (0.280)
0.0070 (0.662) 0.0163** (0.035) -0.1934 (0.264)
0.5263 (0.115) 0.4977** (0.032) 0.2535 (0.290)
0.4365* (0.073) 0.5007 (0.910) 0.0245 (0.910)
0.709 (0.302) 0.9630*** (0.000) 0.3144 (0.487)
0.6519 (0.243) 1.099*** (0.000) 0.0093 (0.981)
0.0232 (0.484) 0.0189 (0.542) 0.0169 (0.107) 133
0.0318 (0.162) 0.0266 (0.177) -0.0020 (0.706) 133
0.0330** (0.044) 0.0105 (0.466) -0.0054 (0.250) 133
0.0042 (0.880) -0.0330 (0.895) -0.0106 (0.188) 133
-0.0280 (0.169) -0.0608* (0.055) -0.0148* (0.099) 133
0.079 -1.75 [0.080] 0.78 [0.438]
0.128 -2.17 [0.030] 1.39 [0.165]
0.173 -2.53 [0.011] 1.56 [0.119]
0.138 -2.00 [0.046] 0.62 [0.533]
0.114 -2.25 [0.025] 0.11 [0.912]
Keterangan: nilai dalam () merupakan p-value ***, **, * signifikan pada 1%, 5%, 10%
51
52
Hasil estimasi dimulai dengan menunjukkan dampak financial openness (keterbukaan keuangan) terhadap volatilitas pertumbuhan variabel makroekonomi di kawasan Asia-Pasifik. Hasil estimasi menunjukkan keterbukaan keuangan memiliki pengaruh yang negatif signifikan. Adanya keterbukaan keuangan di kawasan AsiaPasifik akan memberikan efek positif dengan menurunkan volatilitas pertumbuhan income dan konsumsi. Hasil estimasi menunjukkan pengaruh yang signifikan pada variabel volatilitas pertumbuhan GDP, GNP, private consumption, dan final consumption dengan koefisien sebesar -0.0062, -0.0525, -0.0103 dan -0.0049. Hal ini serupa sebagaimana temuan Ahmed Suardi (2009) yang telah meneliti di SubSaharan Africa dan Kose et al. (2003, 2005) yang telah meneliti secara agregasi. Namun, sebuah pertanyaan muncul berdasarkan fakta dari berbagai penelitian yang menunjukkan adanya keterbukaan pasar keuangan lebih memberikan keuntungan untuk developed countries, sementara cenderung bersifat merugikan untuk kelompok developing countries. Penelitian ini mengkoreksi hasil estimasi pengaruh keterbukaan keuangan di kawasan Asia-Pasifik secara agregat dengan memasukkan pengaruh dummy (developed countries=1, developing countries=0) dan dummy yang diinteraksikan dengan keterbukaan keuangan pada estimasi berikutnya. Hasil menunjukkan untuk kelompok developed countries nilai intersep lebih tinggi jika dibandingkan dengan kelompok developing countries untuk volatilitas GDP, GNP dan gross fixed capital formation. Rata-rata perbedaan nilai volatilitas antara kelompok negara developed countries dan kelompok negara developing countries jika semua variabel independen sama dengan 0 untuk volatilitas pertumbuhan GDP, GNP, private consumption, final consumption dan gross fixed capital formation sebesar 0.0726, 0.0746, 0.0671, 0.0790 dan 0.1509. Hasil menarik lainnya adalah nilai slope keterbukaan keuangan yang dalam hal ini merupakan slope dari kelompok developing countries menunjukkan hasil positif signifikan untuk semua model volatilitas pertumbuhan variabel makroekonomi. Hal ini menjelaskan bahwa adanya keterbukaan keuangan di kawasan Asia-Pasifik terhadap pasar keuangan global belum memberikan efek positif terhadap kelompok negara developing dengan menurunkan fluktuasi variabel makroekonomi. Sedangkan, untuk negara developed hasil interaksinya dengan financial openness menunjukkan hasil yang negatif signifikan untuk semua hasil estimasi. Hasil estimasi untuk slope dummy interaksi (FI Asia developed countries) pada persamaan volatility pertumbuhan dari GDP, GNP, private consumption, final consumption dan gross fixed capital formation adalah sebagai berikut (nilai slope interaksi dummy – slope financial openness): -0.0036, -0.0025, -0.0043, -0.0011, dan 0.0011. Bagaimanapun hasil ini sesuai dengan penelitian dari Mirdala et al. (2015), Evans dan Hnatkovska (2006), Neaime (2005), dan Kose et al. (2003) yang menjelaskan adanya keterbukaan keuangan di developing countries telah meningkatkan derajat volatilitas variabel makroekonomi. Sementara sebaliknya, adanya keterbukaan keuangan bersifat menguntungkan untuk negara developed countries. Kemudian hasil estimasi menunjukkan tidak ada pengaruh liberalisasi keuangan secara de jure terhadap persamaan estimasi di semua volatilitas makroekonomi. Hal ini sesuai dengan penelitian dari Neaime (2005) dan Kose (2003) yang mengungkapkan adanya kelemahan dalam ukuran liberalisasi keuangan secara
53
de jure telah mampu dijelaskan oleh proksi liberalisasi keuangan secara de facto yang telah dijelaskan sebelumnya. Tabel 9 juga menjelaskan faktor-faktor lain yang memengaruhi volatilitas makroekonomi di kawasan Asia-Pasifik. Trade openness pada hasil estimasi menunjukkan pengaruh positif dan signifikan terhadap seluruh volatilitas makroekonomi di kawasan Asia-Pasifik. Hal ini sesuai dengan hasil penelitian Kose et al. (2003), Dupasquier dan Osakwe (2006), Ahmad dan Suardi (2009), dan Neaime (2005), bahwasanya adanya perdagangan yang terbuka memiliki pengaruh positif terhadap volatilitas variabel makroekonomi. Adanya liberalisasi perdagangan telah meningkatkan fluktuasi pada tingkat harga impor dan ekspor domestik yang kemudian akan menciptakan ketidakpastian konsumsi dan produksi domestik, yang pada akhirnya akan meningkatkan volatilitas variabel makroekonomi. Hasil lainnya menunjukkan pengaruh positif signifikan terms of trade volatility terhadap semua hasil estimasi volatilitas makroekonomi. Adanya kenaikan fluktuasi pada variabel terms of trade meningkatkan ketidakpastian posisi perdagangan negara-negara di Kawasan Asia-Pasifik yang pada akhirnya meningkatkan fluktuasi perekonomian. Hasil ini serupa dengan temuan Kose (2003), Ahmed dan Suardi (2009) dan Neaime (2005). Selanjutnya, hasil estimasi menunjukkan pengaruh income per capita terhadap volatilitas variabel makroekonomi yang berdampak positif dan signifikan. Hal ini senada dengan penelitian dari Easterly, Islam dan Stiglitz (2000) yang menunjukkan hasil positif terhadap volatilitas makroekonomi. Artinya semakin tinggi pendapatan per kapita suatu negara, akan meningkatkan volatilitas pertumbuhan variabel makroekonominya. Hal ini seperti terlihat pada bagian analisis eksploratif data Gambar 1 bahwa negara-negara developed countries yang memiliki pendapatan per kapita tinggi, memiliki adanya trend kenalikan volatilitas pada pertumbuhan variabel makroekonomi. Variabel inflation dan inflation volatility menunjukkan pengaruh positif signifikan hanya terhadap volatilitas GDP dan konsumsi. Hal ini senada dengan penelitian dari Ahmed dan Suardi (2009) dan Neaime (2005) Adanya efek yang negatif ini menurut Friedman (1977) dalam Ahmed dan Suardi (2009) dikarenakan adanya efek yang merugikan dari ketidakpastian inflasi terhadap pertumbuhan ekonomi. Peningkatan ketidakpastian inflasi akan mendistorsi efektivitas mekanisme harga dalam mengalokasikan sumberdaya secara efisien, sehingga menyebabkan efek negatif terhadap volatilitas variabel makroekonomi, namun dalam kajian ini pengaruh liberalisasi keuangan hanya signifikan terhadap volatilitas dari variabel konsumsi. Analisis selanjutnya membahas mengenai pengaruh financial development dan institutional quality. Hasil menunjukkan kedua variabel tersebut berpengaruh negatif signifikan terhadap volatilitas pertumbuhan investasi. Artinya, adanya pembangunan keuangan dan institutional quality yang baik mengindikasikan negara tersebut memiliki resiko yang rendah, dan pada akhirnya akan mengurangi volatilitas pertumbuhan investasi, Hal ini sesuai dengan penelitian dari Ahmed dan Suardi (2009) yang menunjukkan penguasaan pasar keuangan yang baik akan mengurangi pelarian modal sehingga akan menjaga volatilitas dari investasi domestik (Kose et al. 2006).
54 54
Tabel 10 Hasil estimasi model dampak arah aliran modal terhadap volatilitas makroekonomi di Kawasan Asia-Pasifik total asset / gross domestic product total debt asset / gross domestic product total equity asset / gross domestic product total liabilities / gross domestic product
Vgdp -0.049*** (0.001) -0.044** (0.014) -0.106*** (0.036) 0.043** (0.010)
Vgnp -0.040*** (0.001) -0.043** (0.018) -0.112** (0.016) 0.039*** (0.007)
Vpc -0.0550*** (0.001)
Vfc -0.0477*** (0.000) -0.068*** (0.000) -0.174* (0.054)
0.026** (0.014)
Vgfcf -0.034 (0.138) -0.049*** (0.005) -0.050 (0.232)
0.052*** (0.001)
-0.047 (0.158) -0.199*** (0.009) 0.023 (0.335)
total debt liabilities / gross domestic product
0.054** (0.040)
0.056** (0.041)
0.070*** (0.009)
0.057** (0.033)
0.064 (0.174)
total equity liabilities / gross domestic product
0.082 (0.202)
0.100*** (0.074)
0.200* (0.095)
0.053 (0.326)
0.163** (0.037)
trade openness income per capita Inflation inflation volatility terms of trade volatility Discretionary fiscal policy volatility fiscal policy procyclicality financial development institutional quality Observation Sargan (p-value) AR (1) AR (2)
0.025** (0.012) 0.012*** (0.000) -0.036 (0.564) 0.479** (0.016) 0.4759*** (0.003) 0.002 (0.986) 0.023 (0.126) 0.002 (0.862) -0.002 (0.575) 133 0.372 -2.47 [0.013] 0.12 [0.903]
0.017* (0.075) 0.014*** (0.000) -0.022 (0.720) 0.446** (0.029) 0.495*** (0.005) 0.101 (0.597) 0.025 (0.114) 0.014 (0.502) 0.001 (0.758) 133 0.291 -2.85 [0.004] 0.26 [0.792]
0.225** (0.016) 0.012*** (0.000) -0.014 (0.813) 0.405 (0.028) 0.438*** (0.006) 0.013 (0.925) 0.017 (0.250) 0.0002 (0.985) -0.002 (0.472) 133 0.238 -2.41 [0.016] 0.97 [0.331]
0.015 (0.102) 0.143* (0.000) -0.002 (0.963) 0.382** (0.037) 0.460* (0.009) 0.103 (0.552) 0.017 (0.264) -0.018 (0.363) -0.0003 (0.993) 133 0.159 -2.80 [0.005] 0.80 [0.422]
0.039** (0.027) 0.013*** (0.002) 0.851** (0.029) 5.621*** (0.000) 0.789*** (0.002) -0.061 (0.902) 0.039 (0.270) 0.061 (0.138) 0.010 (0.343) 133 0.064 -1.72 [0.086] 0.84 [0.402]
0.030** (0.023) 0.015*** (0.001) 0.872* (0.075) 5.558*** (0.001) 0.852*** (0.000) 0.034 (0.950) 0.024 (0.362) 0.027 (0.133) 0.011 (0.163) 133 0.210 -2.69 [0.007] 1.65 [0.099]
Keterangan: (1) nilai dalam () merupakan p-value , (2) ***, **, * signifikan pada 1%, 5%, 10%
0.016* (0.098) 0.003 (0.312) -0.127 (0.168) 0.607** (0.048) 0.566** (0.011) 0.238 (0.325) -0.0008 (0.970) 0.040 (0.131) -0.013 (0.144) 133 0.101 -2.41 [0.016] 0.84 [0.400]
0.011 (0.251) 0.002 (0.324) -0.043 (0.551) 0.412* (0.070) 0.452* (0.027) 0.065 (0.748) 0.012 (0.439) 0.014 (0.469) -0.003 (0.373) 133 0.229 -2.25 [0.024] 1.54 [0.124]
0.047* (0.053) 0.021*** (0.002) -0.152 (0.402) 0.604 (0.295) 0.818*** (0.000) -0.052 (0.888) -0.016 (0.493) -0.011 (0.648) -0.015* (0.080) 133 0.134 -2.26 [0.024] 0.56 [0.575]
0.040** (0.048) 0.022*** (0.003) -0.149 (0.408) 0.580 (0.310) 0.910*** (0.000) 0.134 (0.716) -0.022 (0.293) -0.033* (0.070) -0.011 (0.126) 133 0.130 -3.20 [0.001] 0.90 [0.368]
55
Selanjutnya Tabel 10 menjelaskan pengaruh arah aliran modal secara total, utang dan ekuitas yang masuk maupun keluar terhadap volatilitas dari pertumbuhan variabel makroekonomi (secara lengkap lihat Lampiran 3 dan 4). Secara teori, pengaruh keterbukaan keuangan internasional memiliki dua kekuatan. Kekuatan tersebut mungkin akan mengurangi atau justru semakin meningkatkan volatilitas variabel makroekonomi. Di satu sisi keterbukaan keuangan dapat mengurangi volatilitas makroekonomi karena adanya diversifikasi dalam berbagi resiko yang kemudian akan menjaga stabilitas variabel makroekonomi. Namun disisi lain, keterbukaan keuangan dapat menyebabkan spesialisasi yang lebih besar dengan demikian akan meningkatkan volatilitas variabel makroekonomi (Kose et al. 2003). Pada bagian ini, untuk memeriksa adanya berbagai bukti empiris pengaruh yang berbeda akan adanya keterbukaan keuangan. Penelitian diarahkan dengan memeriksa isu tersebut melalui adanya kemungkinan pengaruh yang berbeda dari arah aliran modal yang bergerak secara berbeda terhadap volatilitas makroekonomi. Total asset/GDP menunjukkan nilai stock terakumulasi dari capital outflows. Total liabilities/GDP menunjukkan nilai stock terakumulasi dari capital inflows. Tabel 10 menunjukkan bahwa tingkat yang lebih tinggi dari total aset eksternal dihubungkan dengan rendahnya volatilitas variabel makroekonomi secara signifikan. Artinya, adanya kenaikan arus modal yang keluar akan menjaga stabilitas variabel makroekonomi di domestik. Hal ini terlihat dalam persamaan volatilitas pertumbuhan dari GDP, GNP, private consumption dan final consumption dengan koefisien sebesar: -0.049, -0.040, -0.055, -0.047, Sedangkan hasil tidak signifikan terhadap volatilitas pertumbuhan investasi (gross fixed capital formation). Selanjutnya, Tabel 10 juga menunjukkan bahwa sebuah tingkat yang lebih tinggi dari total kewajiban eksternal dihubungkan dengan tingginya volatilitas pertumbuhan variabel makroekonomi. Artinya, adanya kenaikan arus modal yang masuk akan meningkatkan fluktuasi variabel makroekonomi domestik. Hal ini terlihat dalam persamaan volatilitas pertumbuhan dari GDP, GNP, private consumption dan final consumption dengan koefisien sebesar: 0.043, 0.039, 0.026, 0.052. Temuan ini menyiratkan bahwa diversifikasi resiko yang merupakan keuntungan kunci dari adanya liberalisasi keuangan ditentukan oleh akumulasi aset eksternal (Kose et al. 2003). Sementara, tingkat kewajiban eksternal (capital inflows) memiliki pengaruh sebaliknya pada volatilitas pertumbuhan variabel makroekonomi. Hal ini dikarenakan adanya akumulasi dari capital inflows mungkin memberikan spesialisasi yang lebih besar dalam menghadapi adanya guncangan spesifik suatu negara atau industri tertentu. Selain itu, menurut Cardarelli, Elekdag dan Kose (2009) capital inflows seringkali menciptakan tantangan penting bagi pembuat kebijakan karena potensi mereka untuk menghasilkan tekanan yang berlebihan, kehilangan daya saing akibat nilai tukar yang terapresiasi, dan adanya peningkatan kerentanan terhadap krisis. Stiglitz (2002) mengungkapkan bahwa sisi negatif liberalisasi kapital mungkin membawa ketidakstabilan berlebih dalam pasar keuangan daripada peningkatan pengaruh induksi pertumbuhan, jika sebuah perekonomian masih belum terlalu matang. Rodrik dan Subramanian (2008) juga berargumen bahwa akumulasi kapital dari negara-negara developing tidak cukup bukan karena mereka kurang saving tetapi karena mereka tidak mempunyai peluang untuk berinvestasi. Rendahnya peluang untuk berinvestasi, ditambah dengan kenaikan
56
pada modal yang masuk justru akan menambah tekanan bagi negara-negara developing dan tidak ada keuntungan yang dapat diambil dengan adanya peningkatan investasi. Adanya perbedaan pengaruh antara capital inflows dan outflows pada bagian ini dapat dijadikan suatu landasan untuk menjelaskan secara terperinci mengapa adanya keterbukaan keuangan memberikan efek negatif terhadap volatilitas dari pertumbuhan variabel makroekonomi di kelompok negara developing countries, sedangkan menguntungkan untuk kelompok Negara developed countries. Pada Gambar 11 telah diperlihatkan bahwa aliran modal keluar baik secara total, utang dan dalam bentuk ekuitas untuk semua negara developing countries (yaitu: Peru, Pakistan, Malaysia, Indonesia, Philipina, Thailand, India dan Bangladesh) lebih besar dibandingkan aliran modal masuknya, kecuali Negara China. Hal ini yang menyebabkan adanya keterbukaan keuangan memiliki hubungan yang positif terhadap volatilitas pertumbuhan variabel makroekonomi di kelompok developing countries, hasil dari pada Tabel 9. Efek negatif tersebut dikarenakan arah aliran modal di kelompok negara developing countries lebih di dominasi oleh aliran modal masuk dibandingkan dengan aliran modal keluar sebagaimana temuan di Tabel 10. Penelitian ini juga mempertimbangkan tipe berbeda dari aliran modal dengan membagi aset dan kewajiban eksternal ke dalam dua kategori, ekuitas dan utang. Hasil menunjukkan bahwa sebuah negara yang memegang lebih banyak utang aset eksternal dari negara-negara lain mengalami volatilitas pertumbuhan makroekonomi yang lebih rendah. Hal ini ditunjukkan dari hasil persamaan volatilitas pertumbuhan dari GDP, GNP, private consumption dan final consumption sebesar -0.044, -0.043, -0.068 dan -0.049. Artinya, semakin tinggi utang aset eksternal dengan memberikan pinjaman bersih ke negara-negara luar negeri akan dihubungkan dengan volatilitas makroekonomi yang lebih rendah. Sedangkan hal berbeda ditunjukkan pada total kewajiban utang eksternal, sebuah negara yang memegang lebih banyak kewajiban utang (sebagai peminjam utang luar negeri) mengalami volatilitas pertumbuhan makroekonomi yang tinggi. Hal ini ditunjukkan dari hasil persamaan volatilitas pertumbuhan dari GDP, GNP, private consumption dan final consumption sebesar 0.054, 0.056, 0.070, 0.057. Dengan demikian, negara yang meminjam dengan negara lain diluar negeri berupa utang akan terkena volatilitas yang lebih tinggi karena harus tunduk pada perubahan tingkat suku bunga pinjaman suku bunga eksternal mereka. Adanya peningkatan volatilitas makroekonomi mungkin terjadi karena negara bisa mengkhususkan produksinya menjadi usaha yang lebih beresiko. Tabel 10 juga menjelaskan pengaruh ekuitas, hasil menunjukkan bahwa sebuah negara yang memegang lebih banyak aset ekuitas dari negara lain mengalami volatilitas pertumbuhan makroekonomi yang lebih rendah. Hal ini ditunjukkan dari hasil persamaan volatilitas pertumbuhan dari GDP, GNP, private consumption dan gross fixed capital formation sebesar -0.106, -0.112, -0.174, dan -0.199 dengan hasil semua signifikan. Artinya semakin tinggi ekuitas aset eksternal dengan dihubungkan dengan volatilitas makroekonomi yang lebih rendah. Sedangkan hal berbeda ditunjukkan pada total kewajiban ekuitas eksternal, sebuah negara yang memegang lebih banyak kewajiban ekuitas mengalami volatilitas pertumbuhan makroekonomi yang tinggi. Hal ini ditunjukkan dari hasil persamaan volatilitas pertumbuhan dari GNP, private
57
consumption dan gross fixed capital formation sebesar 0.100, 0.200 dan 0.163. Adanya pemisahkan total aset dan kewajiban eksternal menjadi ekuitas dan utang, penelitian ini menemukan hasil yang signifikan untuk kedua variabel pada persamaan volatilitas makroekonomi. Tingginya total aset eksternal dalam bentuk ekuitas dan utang dihubungkan dengan volatilitas makroekonomi yang rendah, sebaliknya kewajiban eksternal yang tinggi pada ekuitas dan utang dihubungkan dengan volatilitas makroekonomi yang tinggi. Dengan kata lain, dalam hal volatilitas makroekonomi, manfaat dari diversifikasi resiko nampak datang dengan memegang aset eksternal, terlepas dari apakah aset tersebut berbentuk utang atau ekuitas. Sementara itu, tingginya kewajiban eksternal berupa menjual aset domestik diluar negeri atau meminjam utang luar negeri akan diikuti dengan volatilitas makroekonomi yang lebih tinggi.
SIMPULAN DAN SARAN
Simpulan 1.
2.
Pengaruh financial openness sebagai ukuran liberalisasi keuangan secara de facto berpengaruh secara negatif dan signifikan terhadap volatilitas pertumbuhan variabel makroekonomi di kawasan Asia-Pasifik secara keseluruhan. Hal ini menunjukkan bahwa adanya keterbukaan keuangan memberikan efek positif dengan melemahkan adanya ketidakstabilan kondisi makroekonomi. Selanjutnya, hasil penelitian ini memisahkan negara-negara di Kawasan Asia-Pasifik berdasarkan kelompok pendapatan menggunakan variabel dummy. Hasil menunjukkan hubungan negatif antara financial openness terhadap volatilitas makroekonomi di Kawasan Asia-Pasifik ternyata hanya terjadi di kawasan negara berpendapatan tinggi, sedangkan untuk negara-negara developing countries menunjukkan keadaan sebaliknya. Dimana keterbukaan keuangan berhubungan secara positif terhadap volatilitas makroekonomi. Hal ini menunjukkan adanya keterbukaan keuangan memiliki efek negatif dengan meningkatkan volatilitas pertumbuhan variabel makroekonomi di negara-negara developing countries. Pengaruh financial liberalization sebagai ukuran liberalisasi keuangan secara de jure menunjukkan hasil yang tidak signifikan terhadap semua model volatilitas pertumbuhan variabel makroekonomi. Akumulasi total aset eksternal sebagai proksi dari capital outflows menunjukkan hubungan yang negatif terhadap semua volatilitas pertumbuhan variabel makroekonomi kecuali gross fixed capital formation (investasi). Hal ini menunjukkan semakin banyak modal yang keluar akan menjaga kestabilan variabel makroekonomi. Sedangkan sebaliknya, akumulasi total kewajiban eksternal sebagai proksi dari capital outflows menunjukkan hubungan yang positif terhadap semua volatilitas variabel makroekonomi. Hal ini menunjukkan semakin banyak modal masuk justru meningkatkan ketidakstabilan variabel makroekonomi. Adanya efek positif capital outflows terhadap volatilitas variabel makroekonomi dikarenakan diversifikasi resiko secara internasional, sedangkan efek negatif capital inflows terhadap
58
volatilitas variabel makroekonomi disebabkan karena adanya spesialisasi yang menyebabkan terjadinya pergeseran resiko. Utang dan ekuitas menunjukkan hasil yang sama, dimana total aset utang dan ekuitas menunjukkan hubungan negatif, sedangkan total kewajiban utang dan ekuitas d menunjukkan hubungan positif terhadap volatilitas pertumbuhan variabel makroekonomi.
Saran 1.
2.
3.
Keterbukaan keuangan memiliki dampak yang berbeda pada kelompok negara berdasarkan pendapatan, untuk itu bagi otoritas pemerintahan negaranegara developing di kawasan Asia-Pasifik hendaknya memberikan hambatan yang tepat melalui regulasi dan kebijakan khusus pada pasar keuangan. Hal ini disebabkan karena liberalisasi keuangan lebih memberikan keuntungan terhadap kelompok negara developed. Sedangkan sebaliknya liberalisasi keuangan merugikan negara-negara developing karena meningkatkan volatilitas dari pertumbuhan variabel makroekonomi di negara-negara tersebut. Pemerintah di negara-negara kawasan Asia-Pasifik hendaknya mengelola dan memberikan regulasi yang tepat pada aliran modal yang masuk, baik dalam bentuk utang maupun ekuitas. Hal ini disebabkan karena adanya pengaruh negatif aliran modal masuk terhadap volatilitas makroekonomi di Kawasan Asia-Pasifik. Dampak negatif dari aliran modal masuk disebabkan karena adanya peningkatan spesialisasi yang memungkinkan terjadinya pergeseran resiko secara sistematis dari suatu negara atau industri spesifik tertentu. Selain itu dampak negatif juga dapat disebabkan karena adanya aliran modal yang sifatnya hot money. Pemerintah dalam menjaga volatilitas variabel makroekonomi, juga harus memperhatikan dan menjaga berbagai kondisi makroekonomi lainnya seperti tingkat inflasi dan fluktuasinya, mendisiplinkan pengeluaran pemerintah serta meningkatkan kualitas institusi dan pembangunan keuangan di negaranya. Saran untuk penelitian selanjutnya diharapkan dapat melepas sifat agregasi penelitian dengan melihat pengaruh pasar keuangan yang terintegrasi dari suatu negara terhadap negara lain atau kawasan tertentu. Sehingga adanya penelitian mengenai integrasi keuangan satu negara terhadap negara lain atau kawasan tertentu dapat memberikan kesimpulan yang lebih spesifik pada kondisi suatu negara tertentu.
DAFTAR PUSTAKA Abiad A, Leigh D, Mody A. 2009. Financial integration, capital mobility and income convergence. Economic Policy. 24(4):241-305. Ahmed AD dan Suardi S. 2009. Macroeconomic volatility, trade and financial liberalization in Africa. Journal World Development. 37(10):1623-1636. Anastasios P. 2010. Capital mobility and macroeconomic volatility: evidence from Greece. Journal of Economic Asymetris. 1(7):101-121.
59
Backus DK, Kehoe PJ, Kydland F E. 1992. International real business cycles. The journal of political economy. 100(4):745-775. Baele L, Ferrando A, Hordahl P, Krylova E, Monnet C. 2004. Measuring Financial Integration in the Euro Area. European Central Bank Occasional Paper Series, no. 14. Bakaert G, Harvey CR, Lundblad C. 2006. Growth volatility and financial liberalization. Journal of International Money and Finance. 25(3):370-403. Baltagi BH. 2005. Econometric Analysis of Panel Data. Chichester: John Wiley and Sons. Borensztein E dan Loungani P. 2011. Asian financial integration: trends and interuption. Working Paper International Monetary Fund, no. 4. Chinn MD, Ito H. 2007. A new measure of financial openness. Journal of Comparative Policy Analysis. 10(3):309-322. Denizer CA, Iyigun MF, Owen A. 2002. Finance and macroeconomic volatility. BE Press Contributions to Macroeconomics. 2(4):1-30. Dornbusch R, Fischer S, Startz R. 2011. Macroeconomics. New York: McGrawHill Companies Inc. Dupasquier C, Osakwe PN. 2006. Trade regimes, liberalization and macroeconomic instability in Africa. Working Paper Singapore Centre for Applied and Policy Economics, no.4. Easterly W, Islam R, Stiglitz JE. 2000. Shaken and stirred: explaining growth volatility [internet]. [Waktu dan tempat pertemuan tidak diketahui]. Washington DC: World Bank. hlm 191-211; [diunduh 2017 Mei 10]. Tersedia pada: http://www.rrojasdatabank.info/wbdevecon00-12.pdf Eichengreen BJ. 2001. Capital account liberalization: what do they cross-country studies tell us? World Bank Economic Review. 15(3): 341-366. Epstein GA, Schor JB. 1992. Structural Determinants and Economic Effects of Capital Controls in OECD Countries. Oxford: Clarendon Press. Evans M, Hnatkovska V. 2006. Financial integration, macroeconomic volatility, and welfare. Journal of the European Economic Association. 5(2-3):500508. Firdaus M. 2012. Aplikasi Ekonometrika untuk Data Panel dan Time Series. Bogor: IPB Press. Garrett G. 1995. Capital mobility, trade and the domestic politics of economic policy. International Organization. 49(4):657-687. Gehrinnger A. 2013.Growth, productivity and capital accumulation: the effects of financial liberalization in the case of European integration. International Review of Economics and Finance. 25(13):291-309. Hartmann P, Heider F, Papaioannou E, Lo Duca M. 2007. The role of financial markets and innovation in productivity and growth in Europe. European Central Bank Occasional Paper Series, no. 72. International Monetary Fund (IMF). 2001. World Economic Outlook, October. Washington DC: IMF. Jappelli T, Pagano M. 2008. Financial market integration under European Monetary Union. CEPR Discussion Paper, no. 7091. Kalemli-Ozcan S, Manganelli S. 2008. Financial integration and risk sharing: the role of the Monetary Union [internet]. [Waktu dan tempat pertemuan tidak diketahui]. Frankfurt: ECB. hlm 1-42; [diunduh 2017 Mei 10]. Tersedia
60
pada:http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.492.3198&r ep=rep1&type=pdf Ko KW. 2008. Financial integration, information and comunication technology, and macroeconomic volatility: evidence from ten Asian economies. Research in international business and finance. 22(10):124-144. Kose MA, Prasad ES, Terrones ME. 2003. Financial integration and macroeconomic volatility. Working Paper International Monetary Fund, no.50. Kose MA, Prasad ES, Terrones ME. 2005. How do trade and financial integration affect the relationship between growth and volatility?. Working Paper International Monetary Fund, no. 19. Kose MA, Prasad ES, Terroness ME. 2009. Does financial globalization promote risk sharing? Journal of Development Economics. 89 (2): 258-270. Kose MA, Prasad E, Rogoff K, Wei SJ. 2010. Financial Globalization and Economic Policies. North-Holland: Elsevier BV. Krugman PR, Obstfeld M. 2003. International Economic:Theory and Policy. Boston: Pearson Education Inc. Lane P. 2003. The cyclical behavior of fiscal policy: Evidence from the OECD. Journal of Public Economics. 87(12):2661–2675. Lane PR, Milesi-Ferretti GM. 2006. The external wealth of nations mark II: revised and extended estimates of foreign assets and liabilities. IMF Working Paper, no. 6/69. Levine R. 2001. International financial liberalization and economic growth. Review of International Economic. 9(4):688–702. Miniane J. 2004. A new set of measure on capital account restrictions. IMF Staff Papers, 52 (2). Mirdala R, Svrcekova A, Semancikova J. 2015. On the relationship between financial integration, financial liberalization and macroeconomic volatility. Working Paper MunichPersonal Repec Archive, no. 66143. Mujahid H, Alam S. 2013. The impact of financial openness, trade openness on macroeconomic volatility in Pakistan: ARDL co-integration approach. Journal of Business Management and Economics. 5(1):1-8. Nazir M. 1999. Metode Penelitian. Jakarta: Ghalia Indonesia. Neaime S. 2005. Financial market integration and macroeconomic volatility in the MENA region: An empirical investigation. Review of Middle East Economics and Finance. 3(3):231-255. Nicolo GD, Juvenal L. 2012. Financial integration, globalization, and real activity. Cesifo working paper, no. 3737. Ozcan K, Sorensen B, Yosha. 2003. Financial integration and economic welfare. European Commission [Internet]. [diunduh 2017 Mei 10] Tersedia pada: http://econweb.umd.edu/~kalemli/SorensenKalemli-Ozcan_Feb9_06.pdf Pancaro C. 2010. Macroeconomic volatility after Trade and capital account liberalization. Policy Research Working Paper, no. 5441. Quinn D.1997. The correlates of chance in international financial regulation. American Political Science Review. 91(3):531-551. Quinn D, Shindler M, Toyoda M. 2011. Assessing of financial openness and integration. IMF Economic Review, no. 59/3.
61
Rajan R. 2001. Economic globalization and asia: trade, finance and taxation. Discussion Paper Centre for International Economic Studies, no. 0150. Ramey G, Ramey VA. 1995. Cross-country evidence on the link between volatility and growth. The American Economic Review. 85(5):1138-1151. Rodrik D, Velasco A. 2000. Short-term capital flows. Working Paper NBER, no. 7364. Shi M, Svensson J. 2006. Political budget cycle: do they differ across countries and why? Journal of African Economies. 90(8-9):451-464. Stavarek D, Repkova I, Gajdosova K. 2011. Theory of financial integration and achievments in the European Union. Working Paper Munich Personal Repec Archieve, no. 34393. Tayebi SK, Torki L. 2008. Effects of financial liberalization on macroeconomic volatilities: application to economic growth, exchange rate and exchange rate pass-through. Iranian Economic Review. 16(31):71-84. Trichet JC. 2005. Financial markets integration in europe: the ECB’s view. BIS Review, 39: 1-5. Verbeek MA. 2000. A Guide to Modern Econometrics. Chichester: John Wiley and Sons.
62
LAMPIRAN
63
LAMPIRAN Lampiran 1 Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi tanpa variabel dummy 1. Pengaruh liberalisasi keuangan terhadap volatilitas gross domestic product . xtabond2 vgdp l. vgdp fo fl to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l. vgdp fdevelop ic, lag (2 2)) iv (fo fl to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 44 Obs per group: min = 7 Wald chi2(12) = 1655.79 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgdp | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgdp | L1. | -.0921469 .1239755 -0.74 0.457 -.3351345 .1508406 | fo | -.0062334 .0022352 -2.79 0.005 -.0106143 -.0018526 fl | -.0033106 .0163654 -0.20 0.840 -.0353861 .028765 to | .0188431 .0103419 1.82 0.068 -.0014267 .0391129 inf | -.0277446 .0736481 -0.38 0.706 -.1720923 .1166031 vinf | .4419719 .2356783 1.88 0.061 -.019949 .9038929 vtot | .4679948 .1581365 2.96 0.003 .1580529 .7779367 fis1 | .1170168 .1783372 0.66 0.512 -.2325176 .4665512 fis2 | .0338586 .0203012 1.67 0.095 -.0059311 .0736483 ic | .0103751 .0018689 5.55 0.000 .0067122 .0140381 fdevelop | .008251 .0159559 0.52 0.605 -.0230219 .039524 insquality | .0005446 .0048186 0.11 0.910 -.0088997 .0099888 _cons | .0254438 .0346705 0.73 0.463 -.0425091 .0933967 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(fo fl to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgdp fdevelop ic) Instruments for levels equation Standard fo fl to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgdp fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.45 Pr > z = 0.014 Arellano-Bond test for AR(2) in first differences: z = 0.94 Pr > z = 0.345 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 34.50 Prob > chi2 = 0.304 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 9.42 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 3.17 Prob > chi2 = 0.999 Difference (null H = exogenous): chi2(17) = 6.25 Prob > chi2 = 0.991 iv(fo fl to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(22) = 6.63 Prob > chi2 = 0.999 Difference (null H = exogenous): chi2(9) = 2.80 Prob > chi2 = 0.972
64
Lampiran 1 Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi tanpa variabel dummy (lanjutan) 2. Pengaruh liberalisasi keuangan terhadap volatilitas gross national product . xtabond2 vgnp l.vgnp fo fl to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vgnp fdevelop ic, lag (2 2)) iv (fo fl to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 44 Obs per group: min = 7 Wald chi2(12) = 1992.58 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgnp | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgnp | L1. | -.0116367 .1386367 -0.08 0.933 -.2833596 .2600862 | fo | -.00535 .0020667 -2.59 0.010 -.0094007 -.0012993 fl | -.0014401 .0172867 -0.08 0.934 -.0353214 .0324411 to | .0161287 .0097933 1.65 0.100 -.0030659 .0353232 inf | -.0058548 .0692565 -0.08 0.933 -.1415952 .1298855 vinf | .3692307 .221299 1.67 0.095 -.0645075 .8029688 vtot | .431007 .1579211 2.73 0.006 .1214874 .7405265 fis1 | .1240144 .1617569 0.77 0.443 -.1930232 .4410521 fis2 | .026329 .0167373 1.57 0.116 -.0064754 .0591335 Ic | .0097954 .0019066 5.14 0.000 .0060586 .0135322 Fdevelop | .004876 .0137428 0.35 0.723 -.0220594 .0318114 insquality | -.0004663 .0047817 -0.10 0.922 -.0098382 .0089057 _cons | .0328363 .033389 0.98 0.325 -.032605 .0982776 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(fo fl to inf vinf vtot fis1 vfis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgnp fdevelop ic) Instruments for levels equation Standard fi fo to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgnp fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.47 Pr > z = 0.013 Arellano-Bond test for AR(2) in first differences: z = 1.41 Pr > z = 0.160 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 35.23 Prob > chi2 = 0.275 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 4.99 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 3.52 Prob > Difference (null H = exogenous): chi2(17) = 1.47 Prob > iv(fo fl to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(22) = 5.55 Prob > Difference (null H = exogenous): chi2(9) = -0.56 Prob >
chi2 = chi2 =
0.998 1.000
chi2 = chi2 =
1.000 1.000
65
Lampiran 1 Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi tanpa variabel dummy (lanjutan) 3. Pengaruh liberalisasi consumption
keuangan
terhadap
volatilitas
private
. xtabond2 vpc l. vpc fo fl to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l. vpc fdevelop ic) iv (fo fl to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 103 Obs per group: min = 7 Wald chi2(12) = 759657.19 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vpc | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vpc | L1. | -.2751832 .0887317 -3.10 0.002 -.4490941 -.1012723 | fo | -.0103415 .0043405 -2.38 0.017 -.0188487 -.0018343 fl | .022228 .0320218 0.69 0.488 -.0405335 .0849895 to | .033204 .0198412 1.67 0.094 -.005684 .0720921 inf | .8939099 .5137052 1.74 0.082 -.1129338 1.900754 vinf | 5.461839 1.69933 3.21 0.001 2.131214 8.792463 vtot | .7204667 .2170283 3.32 0.001 .2950991 1.145834 fis1 | .0280542 .547337 0.05 0.959 -1.044707 1.100815 fis2 | .0401389 .0326388 1.23 0.219 -.023832 .1041097 ic | .010043 .0047241 2.13 0.034 .0007841 .019302 fdevelop | .0217456 .0140265 1.55 0.121 -.0057458 .0492371 insquality | .0147525 .0102082 1.45 0.148 -.0052551 .0347602 _cons | -.171288 .0660535 -2.59 0.010 -.3007505 -.0418255 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(fo fl to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L(1/7).(L.vpc fdevelop ic) Instruments for levels equation Standard fo fl to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) D.(L.vpc fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.79 Pr > z = 0.005 Arellano-Bond test for AR(2) in first differences: z = 1.23 Pr > z = 0.218 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(90) = 99.37 Prob > chi2 = 0.234 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(90) = 6.74 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(71) = 5.97 Prob > chi2 = 1.000 Difference (null H = exogenous): chi2(19) = 0.77 Prob > chi2 = 1.000 iv(fo fl to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(81) = 10.69 Prob > chi2 = 1.000 Difference (null H = exogenous): chi2(9) = -3.95 Prob > chi2 = 1.000
66
Lampiran 1 Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi tanpa variabel dummy (lanjutan) 4. Pengaruh liberalisasi keuangan terhadap volatilitas final consumption . xtabond2 vfc l.vfc fo fl to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vfc fdevelop ic, lag (2 2)) iv (fo fl to inf vinf vtot fis1 fis2 insquality) level robust Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 44 Obs per group: min = 7 Wald chi2(12) = 547.98 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vfc | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vfc | L1. | -.0628332 .1388602 -0.45 0.651 -.3349941 .2093278 | fo | -.0049188 .0028595 -1.72 0.085 -.0105233 .0006856 fl | -.0028594 .0223241 -0.13 0.898 -.0466138 .0408951 to | .0133645 .0115568 1.16 0.248 -.0092865 .0360155 inf | -.1013874 .103351 -0.98 0.327 -.3039517 .1011769 vinf | .526349 .3343542 1.57 0.115 -.1289732 1.181671 vtot | .4977942 .2316434 2.15 0.032 .0437815 .9518068 fis1 | .2535456 .2397307 1.06 0.290 -.216318 .7234093 fis2 | .0318649 .0227785 1.40 0.162 -.0127802 .0765099 ic | .0022255 .0032031 0.69 0.487 -.0040526 .0085035 fdevelop | .0266812 .0197519 1.35 0.177 -.0120319 .0653942 insquality | -.0020217 .0053506 -0.38 0.706 -.0125086 .0084652 _cons | .0349773 .036456 0.96 0.337 -.0364752 .1064299 -----------------------------------------------------------------------------Instruments for first differences equation Standard D.(fo fl to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vfc fdevelop ic) Instruments for levels equation Standard fo fl to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vfc fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.17 Pr > z = 0.030 Arellano-Bond test for AR(2) in first differences: z = 1.39 Pr > z = 0.165 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 40.06 Prob > chi2 = 0.128 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 6.82 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 4.98 Prob > Difference (null H = exogenous): chi2(17) = 1.84 Prob > iv(fo fl to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(22) = 8.00 Prob > Difference (null H = exogenous): chi2(9) = -1.18 Prob >
chi2 = chi2 =
0.986 1.000
chi2 = chi2 =
0.997 1.000
67
Lampiran 1 Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi tanpa variabel dummy (lanjutan) 5. Pengaruh liberalisasi keuangan terhadap volatilitas gross fixed capital formation . xtabond2 vgfcf l.vgfcf fo fl to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l. vgfcf fdevelop ic,lag (2 2)) iv (fo fl to inf vinf vtot fis1 fis2 insquality) level robust Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 44 Obs per group: min = 7 Wald chi2(12) = 67.80 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgfcf | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgfcf | L1. | -.1217029 .1295118 -0.94 0.347 -.3755414 .1321357 | fo | -.0085586 .0060159 -1.42 0.155 -.0203496 .0032324 fl | -.0257627 .02567 -1.00 0.316 -.0760751 .0245496 to | .0463812 .0234377 1.98 0.048 .0004442 .0923182 inf | -.2294855 .2124354 -1.08 0.280 -.6458513 .1868803 vinf | .7092364 .6877424 1.03 0.302 -.6387139 2.057187 vtot | .9630483 .2631474 3.66 0.000 .4472889 1.478808 fis1 | .3144553 .4526764 0.69 0.487 -.5727741 1.201685 fis2 | .0042586 .0282115 0.15 0.880 -.0510348 .0595521 ic | .0187508 .0069529 2.70 0.007 .0051234 .0323783 fdevelop | -.0030825 .023416 -0.13 0.895 -.0489769 .042812 insquality | -.0106944 .0081303 -1.32 0.188 -.0266295 .0052406 _cons | .1368897 .0509574 2.69 0.007 .0370151 .2367642 -----------------------------------------------------------------------------Instruments for first differences equation Standard D.(fo fl to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgfcf fdevelop ic) Instruments for levels equation Standard fo fl to inf vinf vtot fis1 vfis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgfcf fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.00 Pr > z = 0.046 Arellano-Bond test for AR(2) in first differences: z = 0.62 Pr > z = 0.533 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 39.62 Prob > chi2 = 0.138 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 5.47 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 5.61 Prob > Difference (null H = exogenous): chi2(17) = -0.14 Prob > iv(fo fl to inf vinf vtot fis1 vfis2 insquality) Hansen test excluding group: chi2(22) = 6.86 Prob > Difference (null H = exogenous): chi2(9) = -1.38 Prob >
chi2 = chi2 =
0.975 1.000
chi2 = chi2 =
0.999 1.000
68
Lampiran 2 Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi dengan variabel dummy 1. Pengaruh liberalisasi keuangan terhadap volatilitas gross domestic product . xtabond2 vgdp l. vgdp industrial_c fo foind to inf vinf vtot fis1 vfis2 ic fdevelop insquality, gmm (l. vgdp fdevelop ic, lag (2 2)) iv ( industrial_c fo foind to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 45 Obs per group: min = 7 Wald chi2(13) = 10022.02 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgdp | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgdp | L1. | -.0954554 .1215536 -0.79 0.432 -.3336961 .1427853 | industrial_c | .0726705 .030767 2.36 0.018 .0123683 .1329727 fo | .0525261 .0239853 2.19 0.029 .0055158 .0995363 foind | -.0561412 .0230567 -2.43 0.015 -.1013314 -.0109509 to | .0075746 .0077262 0.98 0.327 -.0075685 .0227178 inf | -.0204827 .0656423 -0.31 0.755 -.1491391 .1081738 vinf | .4509064 .2181754 2.07 0.039 .0232905 .8785224 vtot | .5313636 .1620064 3.28 0.001 .2138369 .8488903 fis1 | .0225769 .2207355 0.10 0.919 -.4100568 .4552106 fis2 | .035429 .0172295 2.06 0.040 .0016598 .0691983 ic | .0082626 .0017586 4.70 0.000 .0048158 .0117095 fdevelop | -.0037862 .0161482 -0.23 0.815 -.0354361 .0278637 insquality | -.0025442 .0046634 -0.55 0.585 -.0116843 .0065959 _cons | -.0031618 .0383185 -0.08 0.934 -.0782646 .071941 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(industrial_c fo foind to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgdp fdevelop ic) Instruments for levels equation Standard industrial_c fo foind to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgdp fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.76 Pr > z = 0.006 Arellano-Bond test for AR(2) in first differences: z = 0.95 Pr > z = 0.345 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 29.48 Prob > chi2 = 0.544 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 3.76 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 3.45 Prob > chi2 = 0.998 Difference (null H = exogenous): chi2(17) = 0.31 Prob > chi2 = 1.000 iv(industrial_c fo foind to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(21) = 5.78 Prob > chi2 = 1.000 Difference (null H = exogenous): chi2(10) = -2.02 Prob > chi2 = 1.000
69
Lampiran 2 Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi dengan variabel dummy (lanjutan) 2. Pengaruh liberalisasi keuangan terhadap volatilitas gross national product . xtabond2 vgnp l.vgnp industrial_c fo foind to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vgnp fdevelop ic, lag (2 2)) iv ( industrial_c fo foind to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 45 Obs per group: min = 7 Wald chi2(13) = 9689.06 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgnp | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgnp | L1. | -.0186804 .1264638 -0.15 0.883 -.2665449 .2291841 | industrial_c | .0746545 .0281279 2.65 0.008 .0195249 .1297841 fo | .0560858 .0231977 2.42 0.016 .0106191 .1015525 foind | -.0585824 .0223801 -2.62 0.009 -.1024466 -.0147181 to | .0041523 .0075124 0.55 0.580 -.0105718 .0188764 inf | .0016508 .0623641 0.03 0.979 -.1205805 .1238821 vinf | .3757029 .2022089 1.86 0.063 -.0206192 .7720251 vtot | .4969132 .1621867 3.06 0.002 .1790331 .8147932 fis1 | .0241875 .207607 0.12 0.907 -.3827147 .4310898 fis2 | .0278692 .0154806 1.80 0.072 -.0024722 .0582106 ic | .0076182 .0016489 4.62 0.000 .0043865 .0108499 fdevelop | -.0088292 .0136289 -0.65 0.517 -.0355413 .017883 insquality | -.00312 .004591 -0.68 0.497 -.0121182 .0058782 _cons | .0023951 .0384178 0.06 0.950 -.0729024 .0776925 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(industrial_c fo foind to inf vinf vtot fis1 vfis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgnp fdevelop ic) Instruments for levels equation Standard industrial_c fo foind to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgnp fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.79 Pr > z = 0.005 Arellano-Bond test for AR(2) in first differences: z = 1.41 Pr > z = 0.159 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 31.77 Prob > chi2 = 0.428 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 2.39 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 2.85 Prob > chi2 = 0.999 Difference (null H = exogenous): chi2(17) = -0.46 Prob > chi2 = 1.000 iv(industrial_c fo foind to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(21) = 5.64 Prob > chi2 = 1.000 Difference (null H = exogenous): chi2(10) = -3.25 Prob > chi2 = 1.000
70
Lampiran 2 Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi dengan variabel dummy (lanjutan) 3. Pengaruh liberalisasi consumption
keuangan
terhadap
volatilitas
private
. xtabond2 vpc l.vpc industrial_c fo foind to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vpc fdevelop, lag (2 2)) iv ( fo industrial_c foind inf to vinf vtot fis1 fis2 ic insquality ) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 34 Obs per group: min = 7 Wald chi2(13) = 1.95e+06 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vpc | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vpc | L1. | -.2770724 .0833989 -3.32 0.001 -.4405312 -.1136135 | industrial_c | .0671265 .0472748 1.42 0.156 -.0255303 .1597833 fo | .0900674 .0476494 1.89 0.059 -.0033238 .1834586 foind | -.0943992 .0450482 -2.10 0.036 -.1826921 -.0061062 to | .0064568 .0138404 0.47 0.641 -.0206699 .0335835 inf | .8927497 .4450007 2.01 0.045 .0205644 1.764935 vinf | 5.5547 1.449855 3.83 0.000 2.713035 8.396364 vtot | .8283656 .2797089 2.96 0.003 .2801463 1.376585 fis1 | -.0575006 .4378968 -0.13 0.896 -.9157625 .8007613 fis2 | .0232597 .0332568 0.70 0.484 -.0419224 .0884418 ic | .0098061 .0048442 2.02 0.043 .0003116 .0193007 fdevelop | .0189395 .0310799 0.61 0.542 -.0419759 .079855 insquality | .0169835 .0105391 1.61 0.107 -.0036728 .0376398 _cons | -.2322174 .0820718 -2.83 0.005 -.3930752 -.0713596 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(fo industrial_c foind inf to vinf vtot fis1 fis2 ic insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vpc fdevelop) Instruments for levels equation Standard fo industrial_c foind inf to vinf vtot fis1 fis2 ic insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vpc fdevelop) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -1.75 Pr > z = 0.080 Arellano-Bond test for AR(2) in first differences: z = 0.78 Pr > z = 0.438 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(20) = 29.45 Prob > chi2 = 0.079 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(20) = 11.69 Prob > chi2 = 0.926 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(9) = 4.27 Prob > chi2 = 0.893 Difference (null H = exogenous): chi2(11) = 7.42 Prob > chi2 = 0.764 iv(fo industrial_c foind inf to vinf vtot fis1 fis2 ic insquality) Hansen test excluding group: chi2(9) = 9.67 Prob > chi2 = 0.378 Difference (null H = exogenous): chi2(11) = 2.02 Prob > chi2 = 0.998
71
Lampiran 2 Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi dengan variabel dummy (lanjutan) 4. Pengaruh liberalisasi keuangan terhadap volatilitas final consumption . xtabond2 vfc l.vfc industrial_c fo foind to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vfc fdevelop ic, lag (2 2)) iv ( industrial_c fo foind to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 45 Obs per group: min = 7 Wald chi2(13) = 2727.12 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vfc | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vfc | L1. | -.0368906 .1242265 -0.30 0.766 -.2803701 .2065889 | industrial_c | .0790707 .0311026 2.54 0.011 .0181107 .1400307 fo | .0538698 .0263855 2.04 0.041 .0021551 .1055845 foind | -.0549905 .0251816 -2.18 0.029 -.1043454 -.0056355 to | -.0017779 .008542 -0.21 0.835 -.01852 .0149642 inf | -.0478354 .0750072 -0.64 0.524 -.1948468 .099176 vinf | .4365277 .2431346 1.80 0.073 -.0400075 .9130628 vtot | .5007153 .2023511 2.47 0.013 .1041144 .8973162 fis1 | .02456 .2170605 0.11 0.910 -.4008707 .4499907 fis2 | .0330612 .0164259 2.01 0.044 .000867 .0652553 ic | -.0005326 .0030692 -0.17 0.862 -.006548 .0054829 fdevelop | .0105777 .0144998 0.73 0.466 -.0178414 .0389968 insquality | -.0054473 .0047339 -1.15 0.250 -.0147256 .003831 _cons | .0112595 .0420513 0.27 0.789 -.0711596 .0936785 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(industrial_c fo foind to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vfc fdevelop ic) Instruments for levels equation Standard industrial_c fo foind to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vfc fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.53 Pr > z = 0.011 Arellano-Bond test for AR(2) in first differences: z = 1.56 Pr > z = 0.119 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 38.27 Prob > chi2 = 0.173 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 6.72 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 4.01 Prob > chi2 Difference (null H = exogenous): chi2(17) = 2.71 Prob > chi2 iv(industrial_c fo folind to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(21) = 7.31 Prob > chi2 Difference (null H = exogenous): chi2(10) = -0.59 Prob > chi2
= =
0.995 1.000
= =
0.997 1.000
72
Lampiran 2 Hasil estimasi model pengaruh liberalisasi keuangan terhadap volatilitas makroekonomi dengan variabel dummy (lanjutan) 5. Pengaruh liberalisasi keuangan terhadap volatilitas gross fixed capital formation . xtabond2 vgfcf l.vgfcf industrial_c fo foind to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l. vgfcf fdevelop ic, lag (2 2)) iv ( industrial_c fo foind to inf vinf vtot fis1 fis2 insquality) level robust Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 45 Obs per group: min = 7 Wald chi2(13) = 218.98 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgfcf | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgfcf | L1. | -.1864835 .1232574 -1.51 0.130 -.4280635 .0550965 | industrial_c | .1509661 .0702174 2.15 0.032 .0133425 .2885898 fo | .1613045 .0637469 2.53 0.011 .0363629 .2862461 foind | -.1602866 .0607332 -2.64 0.008 -.2793215 -.0412516 to | .00706 .0161472 0.44 0.662 -.0245879 .038708 inf | -.193449 .1731425 -1.12 0.264 -.532802 .1459041 vinf | .6519787 .5584624 1.17 0.243 -.4425874 1.746545 vtot | 1.099656 .2874972 3.82 0.000 .5361719 1.66314 fis1 | .0093684 .3920207 0.02 0.981 -.7589782 .7777149 fis2 | -.0284908 .0207322 -1.37 0.169 -.0691252 .0121437 ic | .0163903 .0077568 2.11 0.035 .0011871 .0315934 fdevelop | -.0608294 .0316456 -1.92 0.055 -.1228536 .0011948 insquality | -.0148137 .0089667 -1.65 0.099 -.0323881 .0027608 _cons | .0866518 .0724824 1.20 0.232 -.055411 .2287147 -----------------------------------------------------------------------------Instruments for first differences equation Standard D.(industrial_c fo foind to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgfcf fdevelop ic) Instruments for levels equation Standard industrial_c fo foind to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgfcf fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.25 Pr > z = 0.025 Arellano-Bond test for AR(2) in first differences: z = 0.11 Pr > z = 0.912 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 40.70 Prob > chi2 = 0.114 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 2.28 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 6.23 Prob > chi2 = 0.960 Difference (null H = exogenous): chi2(17) = -3.95 Prob > chi2 = 1.000 iv(industrial_c fo foind to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(21) = 1.74 Prob > chi2 = 1.000 Difference (null H = exogenous): chi2(10) = 0.54 Prob > chi2 = 1.000
73
Lampiran 3 Hasil estimasi model pengaruh arah aliran modal total terhadap volatilitas makroekonomi 1. Pengaruh arah aliran modal total terhadap volatilitas gross domestic product . xtabond2 vgdp l. vgdp tagdp tlgdp to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l. vgdp fdevelop ic, lag (2 2)) iv (tagdp tlgdp to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 44 Obs per group: min = 7 Wald chi2(12) = 1342.16 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgdpcurr | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgdp | L1. | -.2107042 .1251457 -1.68 0.092 -.4559852 .0345768 | tagdp | -.0449551 .01353 -3.32 0.001 -.0714734 -.0184368 tlgdp | .0432042 .0167425 2.58 0.010 .0103896 .0760188 to | .0255391 .0102216 2.50 0.012 .0055053 .045573 inf | -.0362863 .0629329 -0.58 0.564 -.1596325 .0870599 vinf | .4790463 .1997547 2.40 0.016 .0875344 .8705583 vtot | .4759068 .1615634 2.95 0.003 .1592484 .7925653 fis1 | .0028825 .1697446 0.02 0.986 -.3298108 .3355758 fis2 | .0234826 .0153446 1.53 0.126 -.0065923 .0535575 ic | .0127726 .0020497 6.23 0.000 .0087553 .0167899 fdevelop | .002263 .0130444 0.17 0.862 -.0233036 .0278295 insquality | -.0021385 .003818 -0.56 0.575 -.0096217 .0053447 _cons | .0376665 .030423 1.24 0.216 -.0219616 .0972945 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(tagdp tlgdp to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgdp fdevelop ic) Instruments for levels equation Standard tagdp tlgdp to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgdp fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.47 Pr > z = 0.013 Arellano-Bond test for AR(2) in first differences: z = 0.12 Pr > z = 0.903 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 32.95 Prob > chi2 = 0.372 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 9.54 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 9.51 Prob > chi2 = 0.797 Difference (null H = exogenous): chi2(17) = 0.03 Prob > chi2 = 1.000 iv(tagdp tlgdp to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(22) = 1.77 Prob > chi2 = 1.000 Difference (null H = exogenous): chi2(9) = 7.77 Prob > chi2 = 0.559
74
Lampiran 3 Hasil estimasi model pengaruh arah aliran modal total terhadap volatilitas makroekonomi (lanjutan) 2. Pengaruh arah aliran modal total terhadap volatilitas gross national product . xtabond2 vgnp l.vgnp tagdp tlgdp to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vgnp fdevelop ic, lag (2 2)) iv (tagdp tlgdp to inf vinf vtok fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 44 Obs per group: min = 7 Wald chi2(12) = 1708.75 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgnp | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgnp | L1. | -.123923 .1241298 -1.00 0.318 -.367213 .1193669 | tagdp | -.0404916 .0117091 -3.46 0.001 -.063441 -.0175423 tlgdp | .0391965 .0145284 2.70 0.007 .0107213 .0676717 to | .0225109 .0093396 2.41 0.016 .0042057 .0408162 inf | -.0140452 .0593396 -0.24 0.813 -.1303486 .1022582 vinf | .4050657 .1847036 2.19 0.028 .0430533 .7670782 vtot | .438001 .159108 2.75 0.006 .1261551 .7498468 fis1 | .0134787 .1436991 0.09 0.925 -.2681665 .2951238 fis2 | .0174338 .0151476 1.15 0.250 -.0122549 .0471224 ic | .0121903 .0019509 6.25 0.000 .0083666 .016014 fdevelop | .0002323 .0126506 0.02 0.985 -.0245625 .0250271 insquality | -.0028978 .0040259 -0.72 0.472 -.0107884 .0049928 _cons | .0440386 .0313689 1.40 0.160 -.0174433 .1055205 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(tagdp tlgdp to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgnp fdevelop ic) Instruments for levels equation Standard tagdp tlgdp to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgnp fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.41 Pr > z = 0.016 Arellano-Bond test for AR(2) in first differences: z = 0.97 Pr > z = 0.331 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 36.21 Prob > chi2 = 0.238 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 7.77 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 4.47 Prob > Difference (null H = exogenous): chi2(17) = 3.30 Prob > iv(tagdp tlgdp to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(22) = 7.15 Prob > Difference (null H = exogenous): chi2(9) = 0.62 Prob >
chi2 = chi2 =
0.992 1.000
chi2 = chi2 =
0.999 1.000
75
Lampiran 3 Hasil estimasi model pengaruh arah aliran modal total terhadap volatilitas makroekonomi (lanjutan) 3. Pengaruh arah aliran modal total terhadap volatilitas private consumption . xtabond2 vpc l.vpc tagdp tlgdp to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vpc fdevelop, lag (2 2)) iv (tagdp tlgdp inf to vinf vtot fis1 fis2 ic insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 33 Obs per group: min = 7 Wald chi2(12) = 3.38e+06 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vpc | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vpc | L1. | -.2807614 .0708047 -3.97 0.000 -.419536 -.1419869 | tagdp | -.0550507 .0160396 -3.43 0.001 -.0864878 -.0236137 tlgdp | .046141 .0207002 2.23 0.026 .0055694 .0867126 to | .0392867 .0177813 2.21 0.027 .0044359 .0741374 inf | .8519648 .3904578 2.18 0.029 .0866816 1.617248 vinf | 5.621079 1.272166 4.42 0.000 3.127679 8.114479 vtot | .7895909 .2568083 3.07 0.002 .2862558 1.292926 fis1 | -.0610474 .495511 -0.12 0.902 -1.032231 .9101364 fis2 | .0390612 .0354125 1.10 0.270 -.030346 .1084683 ic | .0131699 .0042552 3.10 0.002 .0048299 .02151 fdevelop | .0613428 .0413453 1.48 0.138 -.0196924 .1423781 insquality | .0104734 .0110431 0.95 0.343 -.0111707 .0321175 _cons | -.1911517 .0740227 -2.58 0.010 -.3362335 -.04607 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(tagdp tlgdp inf to vinf vtot fis1 fis2 ic insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vpc fdevelop) Instruments for levels equation Standard tagdp tlgdp inf to vinf vtot fis1 fis2 ic insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vpc fdevelop) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -1.72 Pr > z = 0.086 Arellano-Bond test for AR(2) in first differences: z = 0.84 Pr > z = 0.402 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(20) = 30.37 Prob > chi2 = 0.064 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(20) = 13.62 Prob > chi2 = 0.849 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(9) = 9.64 Prob > Difference (null H = exogenous): chi2(11) = 3.98 Prob > iv(tagdp tlgdp inf to vinf vtot fis1 fis2 ic insquality) Hansen test excluding group: chi2(10) = 12.20 Prob > Difference (null H = exogenous): chi2(10) = 1.42 Prob >
chi2 = chi2 =
0.381 0.970
chi2 = chi2 =
0.272 0.999
76
Lampiran 3 Hasil estimasi model pengaruh arah aliran modal total terhadap volatilitas makroekonomi (lanjutan) 4. Pengaruh arah aliran modal total terhadap volatilitas final consumption . xtabond2 vfc l.vfc tagdp tlgdp to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vfc fdevelop, lag (2 2)) iv (tagdp tlgdp to inf vinf vtot fis1 fis2 insquality ic) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 33 Obs per group: min = 7 Wald chi2(12) = 941.38 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vfc | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vfc | L1. | -.0711988 .1419723 -0.50 0.616 -.3494594 .2070617 | tagdp | -.0415887 .0094598 -4.40 0.000 -.0601296 -.0230478 tlgdp | .0443374 .0133312 3.33 0.001 .0182088 .0704661 to | .0155584 .0096487 1.61 0.107 -.0033527 .0344696 inf | -.0562344 .0775388 -0.73 0.468 -.2082076 .0957389 vinf | .440116 .2371238 1.86 0.063 -.0246381 .9048701 vtot | .4592742 .1951705 2.35 0.019 .076747 .8418013 fis1 | .0090455 .1811573 0.05 0.960 -.3460164 .3641073 fis2 | .0121003 .0184574 0.66 0.512 -.0240755 .0482761 ic | .0027118 .002468 1.10 0.272 -.0021254 .007549 fdevelop | .0322349 .0195073 1.65 0.098 -.0059987 .0704684 insquality | -.0068161 .0045611 -1.49 0.135 -.0157557 .0021234 _cons | .0518517 .0360848 1.44 0.151 -.0188731 .1225766 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(tagdp tlgdp to inf vinf vtot fis1 fis2 insquality ic) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vfc fdevelop) Instruments for levels equation Standard tagdp tlgdp to inf vinf vtot fis1 fis2 insquality ic _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vfc fdevelop) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.16 Pr > z = 0.031 Arellano-Bond test for AR(2) in first differences: z = 1.54 Pr > z = 0.124 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(20) = 23.73 Prob > chi2 = 0.254 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(20) = 6.45 Prob > chi2 = 0.998 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(9) = 5.01 Prob > Difference (null H = exogenous): chi2(11) = 1.44 Prob > iv(tagdp tlgdp to inf vinf vtot fis1 fis2 insquality ic) Hansen test excluding group: chi2(10) = 5.44 Prob > Difference (null H = exogenous): chi2(10) = 1.01 Prob >
chi2 = chi2 =
0.834 1.000
chi2 = chi2 =
0.860 1.000
77
Lampiran 3 Hasil estimasi model pengaruh arah aliran modal total terhadap volatilitas makroekonomi (lanjutan) 5. Pengaruh arah aliran modal total terhadap volatilitas gross fixed capital formation . xtabond2 vgfcf l.vgfcf tagdp tlgdp to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l. vgfcf fdevelop ic, lag (2 2)) iv ( tagdp tlgdp to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 44 Obs per group: min = 7 Wald chi2(12) = 140.35 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgfcf | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgfcf | L1. | -.1477562 .120139 -1.23 0.219 -.3832244 .0877119 | tagdp | -.034012 .0229277 -1.48 0.138 -.0789495 .0109255 tlgdp | .0239583 .0248689 0.96 0.335 -.0247838 .0727003 to | .0474347 .0245325 1.93 0.053 -.0006482 .0955175 inf | -.1526439 .182196 -0.84 0.402 -.5097415 .2044537 vinf | .6046087 .5768568 1.05 0.295 -.5260098 1.735227 vtot | .8189605 .2301082 3.56 0.000 .3679566 1.269964 fis1 | -.0523015 .3725833 -0.14 0.888 -.7825513 .6779483 fis2 | -.0169631 .0247685 -0.68 0.493 -.0655085 .0315822 ic | .0211707 .0068966 3.07 0.002 .0076537 .0346877 fdevelop | -.0115771 .0253596 -0.46 0.648 -.0612811 .0381269 insquality | -.0158828 .0090778 -1.75 0.080 -.033675 .0019094 _cons | .1669285 .0604613 2.76 0.006 .0484266 .2854304 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(tagdp tlgdp to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgfcf fdevelop ic) Instruments for levels equation Standard tagdp tlgdp to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgfcf fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.26 Pr > z = 0.024 Arellano-Bond test for AR(2) in first differences: z = 0.56 Pr > z = 0.575 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 39.79 Prob > chi2 = 0.134 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 8.21 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 7.03 Prob > Difference (null H = exogenous): chi2(17) = 1.19 Prob > iv(tagdp tlgdp to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(22) = 3.90 Prob > Difference (null H = exogenous): chi2(9) = 4.32 Prob >
chi2 = chi2 =
0.934 1.000
chi2 = chi2 =
1.000 0.889
78
Lampiran 4 Hasil estimasi model pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas makroekonomi 1. Pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas gross domestic product . xtabond2 vgdp l. vgdp tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l. vgdp fdevelop ic, lag (2 2)) iv ( tdelgdp teqagdp tdeagdp teqlgdp to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 46 Obs per group: min = 7 Wald chi2(14) = 10350.31 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgdp | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgdp | L1. | -.1893993 .1185599 -1.60 0.110 -.4217724 .0429739 | tdeagdp | -.0444188 .0177359 -2.50 0.012 -.0791805 -.009657 tdelgdp | .0543967 .0264302 2.06 0.040 .0025944 .106199 teqagdp | -.1068695 .0508902 -2.10 0.036 -.2066125 -.0071266 teqlgdp | .0827095 .0648003 1.28 0.202 -.0442967 .2097157 to | .0179012 .0100418 1.78 0.075 -.0017804 .0375828 inf | -.0224974 .0627431 -0.36 0.720 -.1454716 .1004767 vinf | .4464782 .204011 2.19 0.029 .046624 .8463324 vtot | .4954517 .176447 2.81 0.005 .1496219 .8412815 fis1 | .1019251 .1929882 0.53 0.597 -.2763248 .480175 fis2 | .0252859 .0160192 1.58 0.114 -.006111 .0566829 ic | .0143631 .003095 4.64 0.000 .008297 .0204293 fdevelop | -.0137914 .0205654 -0.67 0.502 -.0540989 .0265161 insquality | .0010942 .0035486 0.31 0.758 -.005861 .0080493 _cons | .0213948 .0320583 0.67 0.505 -.0414384 .084228 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(tdelgdp teqagdp tdeagdp teqlgdp to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgdp fdevelop ic) Instruments for levels equation Standard tdelgdp teqagdp tdeagdp teqlgdp to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgdp fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.85 Pr > z = 0.004 Arellano-Bond test for AR(2) in first differences: z = 0.26 Pr > z = 0.792 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 34.81 Prob > chi2 = 0.291 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 6.85 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 6.75 Prob > chi2 = 0.944 Difference (null H = exogenous): chi2(17) = 0.10 Prob > chi2 = 1.000 iv(tdelgdp teqagdp tdeagdp teqlgdp to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(20) = 5.95 Prob > chi2 = 0.999 Difference (null H = exogenous): chi2(11) = 0.90 Prob > chi2 = 1.000
79
Lampiran 4 Hasil estimasi model pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas makroekonomi (lanjutan) 2. Pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas gross national product . xtabond2 vgnp l.vgnp tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vgnp fdevelop ic, lag (2 2)) iv (tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 46 Obs per group: min = 7 Wald chi2(14) = 8334.66 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgnp | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgnp | L1. | -.1296055 .1094319 -1.18 0.236 -.3440882 .0848771 | tdeagdp | -.0437247 .0185435 -2.36 0.018 -.0800694 -.0073801 tdelgdp | .0561775 .0274412 2.05 0.041 .0023937 .1099613 teqagdp | -.1126847 .0467917 -2.41 0.016 -.2043948 -.0209747 teqlgdp | .1009379 .056436 1.79 0.074 -.0096746 .2115503 to | .0150928 .0092174 1.64 0.102 -.0029729 .0331585 inf | -.0026468 .0576457 -0.05 0.963 -.1156303 .1103367 vinf | .3822049 .1836272 2.08 0.037 .0223022 .7421076 vtot | .4602197 .175749 2.62 0.009 .115758 .8046814 fis1 | .103289 .1736327 0.59 0.552 -.2370248 .4436027 fis2 | .0178093 .0159553 1.12 0.264 -.0134625 .0490811 ic | .0143311 .002952 4.85 0.000 .0085453 .0201169 fdevelop | -.0183509 .0201781 -0.91 0.363 -.0578993 .0211975 insquality | .0000343 .0036982 0.01 0.993 -.007214 .0072827 _cons | .0310687 .033351 0.93 0.352 -.034298 .0964355 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vgnp fdevelop ic) Instruments for levels equation Standard tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vgnp fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.80 Pr > z = 0.005 Arellano-Bond test for AR(2) in first differences: z = 0.80 Pr > z = 0.422 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(31) = 38.79 Prob > chi2 = 0.159 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(31) = 2.62 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(14) = 5.67 Prob > chi2 = 0.974 Difference (null H = exogenous): chi2(17) = -3.05 Prob > chi2 = 1.000 iv(tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(20) = 7.60 Prob > chi2 = 0.994 Difference (null H = exogenous): chi2(11) = -4.98 Prob > chi2 = 1.000
80
Lampiran 4 Hasil estimasi model pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas makroekonomi (lanjutan) 3. Pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas private consumption . xtabond2 vpc l.vpc tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vpc fdevelop) iv (tdeagdp tdelgdp teqagdp teqlgdp inf to vinf vtot fis1 fis2 insquality ic) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 74 Obs per group: min = 7 Wald chi2(14) = 3.08e+06 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vpc | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vpc | L1. | -.2796006 .0840345 -3.33 0.001 -.4443052 -.114896 | tdeagdp | -.0680519 .0152361 -4.47 0.000 -.097914 -.0381898 tdelgdp | .0701099 .0267197 2.62 0.009 .0177401 .1224796 teqagdp | -.1743053 .0904495 -1.93 0.054 -.3515831 .0029724 teqlgdp | .2006727 .1203067 1.67 0.095 -.0351242 .4364696 to | .0308796 .0136187 2.27 0.023 .0041874 .0575719 inf | .8722054 .490375 1.78 0.075 -.088912 1.833323 vinf | 5.558379 1.625236 3.42 0.001 2.372974 8.743783 vtot | .852839 .2330238 3.66 0.000 .3961208 1.309557 fis1 | .0345403 .5515222 0.06 0.950 -1.046423 1.115504 fis2 | .0245384 .0269394 0.91 0.362 -.0282618 .0773387 ic | .0156233 .004592 3.40 0.001 .0066232 .0246234 fdevelop | .0278932 .0185726 1.50 0.133 -.0085083 .0642948 insquality | .0119599 .0085653 1.40 0.163 -.0048277 .0287476 _cons | -.1867644 .063931 -2.92 0.003 -.3120669 -.0614619 -----------------------------------------------------------------------------Instruments for orthogonal deviations equationStandard FOD.(tdeagdp tdelgdp teqagdp teqlgdp inf to vinf vtot fis1 fis2 insquality ic) GMM-type (missing=0, separate instruments for each period unless collapsed) L(1/7).(L.vpc fdevelop) Instruments for levels equation Standard tdeagdp tdelgdp teqagdp teqlgdp inf to vinf vtot fis1 fis2 insquality ic _cons GMM-type (missing=0, separate instruments for each period unless collapsed) D.(L.vpcln fdevelop5) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.69 Pr > z = 0.007 Arellano-Bond test for AR(2) in first differences: z = 1.65 Pr > z = 0.099 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(59) = 67.49 Prob > chi2 = 0.210 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(59) = 7.10 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(46) = 8.28 Prob > chi2 = 1.000 Difference (null H = exogenous): chi2(13) = -1.18 Prob > chi2 = 1.000 iv(tdeagdp tdelgdp teqagdp teqlgdp inf to vinf vtot fis1 fis2 insquality ic) Hansen test excluding group: chi2(47) = 7.32 Prob > chi2 = 1.000 Difference (null H = exogenous): chi2(12) = -0.23 Prob > chi2 = 1.000
81
Lampiran 4 Hasil estimasi model pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas makroekonomi (lanjutan) 4. Pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas final consumption . xtabond2 vfc l.vfc tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vfc fdevelop, lag (2 2)) iv (tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality ic5) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 35 Obs per group: min = 7 Wald chi2(14) = 3363.08 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vfc | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vfc | L1. | -.0849236 .1384956 -0.61 0.540 -.35637 .1865227 | tdeagdp | -.0490349 .0175673 -2.79 0.005 -.0834663 -.0146036 tdelgdp | .0570765 .0267685 2.13 0.033 .0046112 .1095418 teqagdp | -.0507921 .0424706 -1.20 0.232 -.1340329 .0324487 teqlgdp | .0530522 .0539731 0.98 0.326 -.0527331 .1588375 to | .0114317 .009953 1.15 0.251 -.0080759 .0309393 inf | -.0437844 .0733493 -0.60 0.551 -.1875463 .0999775 vinf | .412695 .2280751 1.81 0.070 -.034324 .8597139 vtot | .4529696 .2053244 2.21 0.027 .0505413 .855398 fis1 | .0656926 .1960028 0.34 0.738 -.3184659 .449851 fis2 | .0127941 .0165194 0.77 0.439 -.0195833 .0451715 ic | .0029588 .0030018 0.99 0.324 -.0029246 .0088421 fdevelop | .0140246 .019351 0.72 0.469 -.0239027 .0519519 insquality | -.0033682 .0037784 -0.89 0.373 -.0107738 .0040374 _cons | .0424293 .0357649 1.19 0.235 -.0276686 .1125271 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality ic) GMM-type (missing=0, separate instruments for each period unless collapsed) L2.(L.vfc fdevelop) Instruments for levels equation Standard tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality ic5 _cons GMM-type (missing=0, separate instruments for each period unless collapsed) DL.(L.vfc fdevelop) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -2.25 Pr > z = 0.024 Arellano-Bond test for AR(2) in first differences: z = 1.54 Pr > z = 0.124 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(20) = 24.32 Prob > chi2 = 0.229 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(20) = 3.21 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(9) = 4.43 Prob > chi2 = 0.881 Difference (null H = exogenous): chi2(11) = -1.21 Prob > chi2 = 1.000 iv(tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality ic) Hansen test excluding group: chi2(8) = 3.14 Prob > chi2 = 0.925 Difference (null H = exogenous): chi2(12) = 0.07 Prob > chi2 = 1.000
82
Lampiran 4 Hasil estimasi model pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas makroekonomi (lanjutan) 5. Pengaruh arah aliran modal utang dan ekuitas terhadap volatilitas gross fixed capital formation . xtabond2 vgfcf l.vgfcf tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 ic fdevelop insquality, gmm (l.vgfcf fdevelop ic) iv (tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality) level robust orthogonal Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm. Warning: Number of instruments may be large relative to number of observations. Warning: Two-step estimated covariance matrix of moments is singular. Using a generalized inverse to calculate robust weighting matrix for Hansen test. Difference-in-Sargan/Hansen statistics may be negative. Dynamic panel-data estimation, one-step system GMM -----------------------------------------------------------------------------Group variable: negara Number of obs = 133 Time variable : tahun Number of groups = 19 Number of instruments = 105 Obs per group: min = 7 Wald chi2(14) = 222.60 avg = 7.00 Prob > chi2 = 0.000 max = 7 -----------------------------------------------------------------------------| Robust vgfcf | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------vgfcf | L1. | -.052257 .0828962 -0.63 0.528 -.2147305 .1102166 | tdeagdp | -.0471967 .0334428 -1.41 0.158 -.1127434 .0183501 tdelgdp | .0642567 .047248 1.36 0.174 -.0283477 .1568611 teqagdp | -.1996534 .0761961 -2.62 0.009 -.348995 -.0503118 teqlgdp | .1637102 .0784147 2.09 0.037 .0100202 .3174002 to | .040771 .0205819 1.98 0.048 .0004313 .0811107 inf | -.1498813 .1811237 -0.83 0.408 -.5048771 .2051145 vinf | .5803202 .5720229 1.01 0.310 -.5408241 1.701465 vtot | .9108646 .2591877 3.51 0.000 .402866 1.418863 fis1 | .1346466 .3703098 0.36 0.716 -.5911472 .8604404 fis2 | -.0221411 .0211732 -1.05 0.296 -.0636397 .0193576 ic | .0226617 .0077031 2.94 0.003 .0075639 .0377595 fdevelop | -.0339738 .0187623 -1.81 0.070 -.0707472 .0027996 insquality | -.0118028 .0077149 -1.53 0.126 -.0269238 .0033182 _cons | .1262023 .0569178 2.22 0.027 .0146455 .2377592 -----------------------------------------------------------------------------Instruments for orthogonal deviations equation Standard FOD.(tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality) GMM-type (missing=0, separate instruments for each period unless collapsed) L(1/7).(L.vgfcf fdevelop ic) Instruments for levels equation Standard tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality _cons GMM-type (missing=0, separate instruments for each period unless collapsed) D.(L.vgfcf fdevelop ic) -----------------------------------------------------------------------------Arellano-Bond test for AR(1) in first differences: z = -3.20 Pr > z = 0.001 Arellano-Bond test for AR(2) in first differences: z = 0.90 Pr > z = 0.368 -----------------------------------------------------------------------------Sargan test of overid. restrictions: chi2(90) = 105.20 Prob > chi2 = 0.130 (Not robust, but not weakened by many instruments.) Hansen test of overid. restrictions: chi2(90) = 1.52 Prob > chi2 = 1.000 (Robust, but weakened by many instruments.) Difference-in-Hansen tests of exogeneity of instrument subsets: GMM instruments for levels Hansen test excluding group: chi2(70) = 1.52 Prob > chi2 = 1.000 Difference (null H = exogenous): chi2(20) = -0.00 Prob > chi2 = 1.000 iv(tdeagdp tdelgdp teqagdp teqlgdp to inf vinf vtot fis1 fis2 insquality) Hansen test excluding group: chi2(79) = 1.58 Prob > chi2 = 1.000 Difference (null H = exogenous): chi2(11) = -0.06 Prob > chi2 = 1.000
83
RIWAYAT HIDUP FERIANSYAH, lahir di Jakarta pada tanggal 2 September 1993, dari pasangan Abdul Somad dan Nyayu Habibah. Pendidikan formal yang pernah dijalani adalah TK Sejahtera Jakarta Pusat, dilanjutkan dengan SDN 16 Jakarta dan SDN 195 Palembang. Setelah itu melanjutkan pendidikannya di SMP Muhammadiyah 1 Palembang dan melanjutkan pendidikan di SMAN 2 Palembang pada tahun 2008 – 2011. Pada tahun 2011, penulis diterima sebagai mahasiswa Program Studi Ekonomi dan Studi Pembangunan, Departemen Ilmu Ekonomi, Institut Pertanian Bogor melalui jalur SNMPTN Undangan. Kemudian Penulis melanjutkan sekolah Pascasarjana Ilmu Ekonomi IPB Reguler Angkatan 10 melalui Beasiswa PMDSU (Program Magister-Doktor Sarjana Unggul). Selama perkuliahan program Pascasarjana, Penulis aktif dalam kepengurusan organisasi sebagai staff Divisi Keilmuan di Himpunan Mahasiswa Muslim Pascasarjana (HIMMPAS), dan staff Divisi Kajian Strategis dan Kebijakan Publik (KSKP) di Forum Wacana BEM Pascasarjana IPB. Selama kuliah, penulis juga aktif mengajar kelas responsi mata kuliah Ekonomi Politik dan Ekonomi Umum.
