Buku Ekonometrika Deret Waktu

Ekonometrika telah berkembang cukup pesat dalam 15 tahun terakhir,terutama dalam bidang analisis data deret waktu (time series ), termasuk data panel. Pengembangan teknik kointegrasi telah memungkinkan ekonometrikawan membuat suatu usaha serius untuk menangani masalah regresi semu/palsu dan data time series. Bersamaan dengan perkembangan ini, muncul metodologi yang disebut-sebut sebagai general-to-specific, yang dikombinasikan dengan penggunaan model-model koreksi sisaan (error correction models). Akan tetapi, perubahan ini umumnya tidak diungkapkan dalam buku teks pengantar ekonometrika untuk mahasiswa S1 atau S2.

Meskipun telah ada buku teks yang menyinggung tentang perubahan ini, umumnya pembahasannya hanya sepintas saja, walaupun materi pembahasan model regresi klasik sudah ketinggalan zaman dalam penggunaan data deret waktu. Dalam buku ini, penulis berusaha memberikan berbagai catatan yang tidak hanya mencakup topik terkini, tetapi juga, jika perlu, menggabungkan ide baru tersebut dengan materi yang klasik. Jadi, walaupun teknik-teknik yang dikembangkan dalam dekade terakhir dicakup terutama dalam lima bab terakhir dalam buku ini, bab-bab sebelumnya sering dibahas untuk mengantisipasi terhadap pembaruan-pembaruan ini.

Buku teks ini ditujukan bagi mahasiswa S1/S2 fakultas ekonomi. Namun demikian, buku ini berguna pula bagi mahasiswa S3 yang sedang belajar ekonometrika lanjutan.

Apa keunggulan buku ini ?

  1. Praktis, tersedia latihan dengan prosedur tahap demi tahap secara lengkap menggunakan program Eviews dan SPSS
  2. Disediakan powerpoint setiap bab, untuk memudahkan memahami isi buku dan membantu tenaga pengajar dalam mempersiapkan bahan kuliah. Download powerpoint di sini.
  3. Disediakan data latihan  dalam bentuk Excel untuk memudahkan mengikuti latihan dalam buku ini. Download data latihan di sini.

Judul Buku : Ekonometrika Deret Waktu: Teori dan Aplikasi

Pengarang : Prof.Dr. Bambang Juanda  dan Junaidi, SE,M.Si

Penerbit : IPB Press Tahun 2012

ISBN : 978-979-493-365-7

Halaman : 248  +  vxii halaman

Harga : Rp 55.000

DAFTAR   ISI

BAB I. PENDAHULUAN

1.1. Pengantar

1.2. Pengertian Ekonometrika Deret Waktu

1.3. Karakteristik Data Deret Waktu

1.4. Paket Program Komputer untuk Analisis

LAMPIRAN BAB I. PENGENALAN EVIEWS  DAN  SPSS

BAB II. KESTASIONERAN DATA DERET WAKTU

2.1. Pengantar

2.2. Proses Stokastik dan Kestasioneran Data Deret Waktu

2.3. Pemeriksaan Kestasioneran Data Deret Waktu

2.3.1 Pemeriksaan Kestasioneran dengan Trend Data

2.3.2.Pemeriksaan Kestasioneran dgn Koefisien Autokorelasi dan Korelogram ACF

2.3.3. Uji Akar Unit (Unit Root Test)

2.4. Penggunaan Eviews untuk Pemeriksaan Kestasioneran Data

2.4.1. Trend Data

2.4.2. Autokorelasi dan Korelogram

2.4.3. Uji Statistik Q

2.4.4. Uji Statistik Ljung-Box (LB)

2.4.5. Uji Akar Unit (Unit Root Test)

BAB III. ANALISIS TREND DAN TEKNIK PEMULUSAN

3.1  Pengantar

3.2. Komponen Deret Waktu

3.3. Analisis Trend

3.3.1. Trend Linier

3.3.2. Trend Kuadratik

3.3.3. Trend Eksponensial

3.3.4. Pemilihan Trend Yang Paling Sesuai

3.3.5. Prosedur SPSS untuk Analisis Trend

3.4. Pemulusan dengan Rata-Rata Bergerak (Moving Average)

3.4.1. Simple Moving Average  (Proses Konstan)

3.4.2.  Double Moving Average (proses trend linier)

3. 4.3. Contoh Peramalan dengan Teknik Moving Average

3.5.  Pemilihan Model Terbaik

BAB IV. DEKOMPOSISI DATA DERET WAKTU

4.1. Pengantar

4.2.  Rata-Rata Bergerak Terpusat

4.3. Model dan Teknik Dekomposisi

4.4.  Contoh Teknik Dekomposisi

4.5. Prosedur SPSS untuk Dekomposisi Data Deret Waktu

BAB V. MODEL ARIMA (BOX – JENKINS)

5.1. Pengantar

5.2. Proses Regresi Diri

5.3. Proses Rataan Bergerak

5.4. Proses Campuran Diri dan Rataan Bergerak (ARMA(p,q))

5.5. Model Autoregressive Integrated Moving Average (ARIMA)

5.6. Prosedur Box-Jenkins

5.6.1. Identifikasi Model

5.6.2. Estimasi Parameter Model

5.6.3. Evaluasi Model

5.6.4. Prediksi atau Peramalan

5.7. Prosedur Eviews untuk Pemodelan ARIMA

5.7.1. Identifikasi Model

5.7.2. Evaluasi Model

BAB VI. MODEL ARCH DAN GARCH

6.1 Pengantar

6.2.  Model ARCH dan GARCH

6.2.1. Model ARCH

6.2.2. Model GARCH

6.3. Varian-Varian Model ARCH dan GARCH

6.3.1. Model ARCH-M

6.3.2. Model TARCH/EGARCH

6.3.2.1. Model TARCH

6.3.2.2. Model EGARCH

6.4. Tahapan Estimasi Model ARCH dan GARCH

6.5. Prosedur Eviews untuk Estimasi Model ARCH/ GARCH

6.5.1. Identifikasi Efek ARCH

6.5.2. Estimasi Model

6.6. Prediksi atau Peramalan

BAB VII. REGRESI TERKOINTEGRASI DAN MODEL ECM: Kasus Dua PEUBAH

7.1 Pengantar

7.2 Regresi Lancung dan Regresi Terkointegrasi

7.3 Prosedur Eviews untuk Uji Kointegrasi

7.4 Error Correction Mechanism  (ECM)

7.5 Prosedur Eviews untuk Pendugaan Model ECM

BAB VIII. MODEL VECTOR AUTOREGRESSIVE (VAR)

8.1. Pengantar

8.2. Pengertian Model VAR

8.3. Bentuk-Bentuk Model VAR

8.4. Estimasi Model VAR

8.5. Analisis dalam Model VAR

8.5.1. Peramalan

8.5.2. Impulse Response

8.5.3. Forecast Error Decomposition Variance (FEDV)

8.5.4. Uji Kausalitas

8.6. Prosedur Eviews untuk Pemodelan dan Analisis VAR

8.6.1. Prosedur Eviews untuk Pemodelan VAR

8.7. Prosedur Eviews untuk Peramalan dengan VAR

8.8. Prosedur Eviews untuk Analisis Impulse Response Function (IRF)

8.9. Prosedur Eviews untuk Analisis FEDV

8.10. Prosedur Eviews untuk Uji Kausalitas

BAB IX.  UJI KOINTEGRASI MULTIVARIAT DAN MODEL VECM

9.1. Pendahuluan

9.2. Uji Kointegrasi Multivariat: Johansen Test

9.3. Prosedur Eviews untuk Uji Kointegrasi Johansen dan Pemodelan VECM

BAB X.  REGRESI DATA PANEL

10.1. Pengantar

10.2. Model Umum Regresi Data Panel

10.3. Pendekatan-Pendekatan dalam Regresi Data Panel

10.3.1.Metode Common-Constant (PLS)

10.3.2.Metode Fixed Effect (Fixed Effect Model=FEM)

10.3.3. Metode Random Effect (Random Effect Model=REM)

10.4. Pemilihan Model Regresi Data Panel

10.4.1. Pemilihan antara Model PLS dengan FEM

10.4.2. Pemilihan antara PLS dengan REM

10.4.3. Pemilihan antara Model FEM dengan REM

10.5. Cara Menginput Data Panel pada Eviews

10.6. Prosedur Eviews untuk Estimasi Regresi Data Panel

10.6.1. Estimasi dengan  Metode PLS

10.6.2. Estimasi dengan Metode FEM

10.6.3. Estimasi dengan Metode REM

10.7. Prosedur Eviews untuk Pemilihan Model

10.7.1. Uji Chow untuk Memilih Antara Model PLS dengan FEM

10.7.2. Uji Hausman untuk Memilih Antara Model FEM dengan REM

DAFTAR PUSTAKA

DAFTAR  ISTILAH

INDEKS

LAMPIRAN 1. DATA IHSG

LAMPIRAN 2. DATA KURS

LAMPIRAN 3. DATA INF, M1, SBI

LAMPIRAN 4.  OUTPUT  ESTIMASI  VECM

LAMPIRAN 5. DATA  PANEL

LAMPIRAN 6. TABEL Z

LAMPIRAN 7. TABEL T

LAMPIRAN 8. TABEL F

LAMPIRAN 9. TABEL CHI-SQUARE

Published by Bambang Juanda

I am a Professor of Economics at Bogor Agricultural University (IPB), where I teach Macroeconomics, among other courses. Currently I am working as Head of Study Program of Regional and Rural Development Planing Sciences, Graduate School, IPB. My interests are in Econometric Modeling, Experimental Economics, and Fiscal Decentralization.

Join the Conversation

7 Comments

  1. Bapak, saya coba cari bukunya di Semarang kok belum ada ya… Saya perlu sekali nih. Dari powerpointnya saja saya yang otodidak banyak terbantu (step pengerjaan eviewsnya).
    Ada saran bagaimana supaya bisa mendapatkan bukunya dalam satu atau dua hari ini?? Terima kasih, Bapak. Salam.

  2. Assalamualaikum. Apakabar pak? kalau kita menggunakan data time series, berapa jumlah minimal datanya pak? saya mencari referensi yang menjelaskan hal tersebut sampai saat ini belum ketemu.

    1. Makin banayk data, makin baik karena ragam dugaan akan makin kecil, sehingga dugaan makin reliable.
      Uji2 statistika standar, mengasumsikan kenormalan data. Berdasarkan Dalil Limit Pusat (Central Limit Theorem), jika contoh berukuran besar (minimal 30) maka dugaan dijamin menyebar normal. Jika kurang dari 30 harus diuji kenormalannya.

  3. Yth Bpk Bambang
    bukunya di Denpasar belum ada, apa bisa pesen langsung ke Bpk atau IPB?
    Terima kasih

    salam
    putu

Leave a comment

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s

%d bloggers like this: