BAB 1
TAJUK: HUBUNGAN JANGKA PANJANG ANTARA PENGANGGURAN, INFLASI DAN
PELABURAN LANGSUNG ASING DI SINGAPURA
ABSTRAKKajian ini dijalankan bertujuan mengenalpasti hubungan
inflasi dan pelaburan langsung asing terhadap pengangguran dalam
jangka panjang di Singapura. Tempoh kajian ini meliputi 1983 hingga
2012. Pengujian empirikal dibuat menggunakan kaedah ekonometrik
siri masa iaitu Autoregressive Distributed lag (ARDL) yang
dicadangkan oleh Pesaran dan Shin(1996). Keputusan daripada
penganggaran yang dibuat mendapati pengangguran di Singapura
siginifikan dipengaruhi oleh inflasi dan pelaburan langsung asing
bagi tempoh jangka pendek dan jangka panjang. Keputusan hubungan
antara inflasi dan pengangguran mendapati keluk Philip wujud di
Singapura dan wujudnya hubungan sonsang antara pelaburan langsung
asing dan pengangguran di Singapura dalam jangka pendek dan jangka
panjang.
1.0 PENGENALAN
Ekonomi Singapura merupakan ekonomi pasaran bebas yang amat maju
dan berjaya. Singapura mempunyai sebuah persekitaran perniagaan
yang terbuka, nyata dan agak bebas daripada amalan rasuah. Keluaran
dalam Negara kasar(KDNK) perkapitanya adalah yang tertinggi di
dunia.Di Singapura, dasar monetari dikawal selia oleh Monetary
Authority of Singapore(MAS). Pengurusan dasar monetari banyak
dipengaruhi oleh Nominal Effective Exchange Rate(NEER) yang
diperkanal pada tahun 1981. Singapura lebih mementingkan
perdangangan untuk meningkatkan pertumbuhan ekonomi negaranya.
Singapura tidak menitikberat kadar inflasi kerana kekuatan daripada
penggunaan dollar. Pengangguran merupakan masalah ekonomi utama
bagi sebuah negara tidak kira sama ada negara membangun ataupun
negara maju. Bagi negara yang ingin berada dalam keadaan ekonomi
yang baik, memerlukan pengangguran pada tahap rendah. Sesebuah
negara dikatakan mempunyai pertumbuhan yang mampan jika kadar
penganggurannya rendah. Sebaliknya jika kadar pengangguran tinggi,
bermakna berlakunya pembaziran sumber manusia. Masalah pengangguran
terus merupakan satu daripada masalah ekonomi yang sangat penting
dan harus ditangani dalam pasaran buruh. Peningkatan dan
pengurangan pengangguran dikaitkan dengan inflasi.Inflasi dan
pengangguran merupakan isu ekonomi asas, yang menghubungkan antara
dasar dan program kerajaan. Jadi kerajaan akan membuat pembaharuan
program-program ekonomi untuk mengatasi masalah tersebut supaya
berada pada kadar pengangguran yang rendah dan menjadikan harga
stabil. Hubungan antara inflasi dan pengangguran boleh
diperjelaskan dalam dua tempoh iaitu jangka pendek dan jangka
penjang. Dalam jangka pendek, Terdapat hubungan songsang antara dua
pembolehubah. Berdasarkan hubungan ini, apabila kadar pengangguran
adalah tinggi kadar inflasi adalah rendah dan begitulah sebaliknya.
Manakala untuk jangka panjang apabila ekonomi berkembang,
pengangguran menurun menyebabkan inflasi meningkat. Keadaan ini
mendorong para pekerja menuntut upah yang lebih tinggi. Keuntungan
firma merosot dan ada yang rugi dan pekerja terpaksa diberhentikan.
Ini menyebabkan pengangguran meningkat semula. Jadi dalam jangka
panjang, hubungan sonsang tiada.Walaubagaimanapun, inflasi
dikatakan bukanlah satu-satunya pembolehubah yang boleh
mempengaruhi pengangguran. Terdapat beberapa kajian lepas yang
menyatakan pengangguran juga boleh dipengaruhi oleh pembolehubah
yang lain contohnya pelaburan langsung asing. Tujuan kajian ini
akan mengkaji hubungan jangka panjang antara pengangguran, inflasi
dan aliran masuk pelaburan langsung asing di Singapura.
2.0Kajian Literatur
Kajian oleh Philips (1958) telah membuka kepada kajian hubungan
antara pengangguran dan kadar inflasi. Pada awal kajian Philips
(1958) telah menemui hubungan yang songsang antara perubahan kadar
upah dengan pengangguran di British. Friedman (1968) mempersoalkan
hubungan keluk Philips apabila data inflasi dan pengangguran bagi
Amerika Syarikat selepas tahun 1970 tidak menunjukkan hubungan yang
jelas. Kajian Friedman (1968) dan Edmund (1967) menyatakan bahawa
hubungan negatif yang stabil antara pengangguran dengan kadar
inflasi hanya wujud dalam jangka masa pendek apabila inflasi
dijangka tidak berubah. Manakala keluk philips dalam jangka masa
panjang berlaku apabila inflasi dijangka berubah dan sama dengan
kadar inflasi sebenar. Friedman mengesyorkan hubungan yang positif
boleh wujud dimana kadar inflasi dan kadar pengangguran sama-sama
meningkat. Keadaan ini dikenali sebagai stagflasi. Keluk Philips
jangka panjang juga boleh berbentuk menegak apabila tidak wujud
tukar ganti antara inflasi dengan pengangguran. Walaubagaimanapun
pengangguran juga boleh di pengaruhi oleh pembolehubah lain iaitu
pelaburan langsung asing(FDI). Kebanyakan kajian lepas menunjukkan
FDI sebagai sumber penting modal, pelengkap kepada pelaburan
domestik swasta, menjana lebih banyak peluang pekerjaan, pemindahan
teknologi dan seterusnya merancakkan pertumbuhan ekonomi dinegara
tuan rumah (Chowdhury & Mavrotas, 2006). Ini dibuktikan
daripada hasil kajian Marian ,Dinga dan Daniel Mnich (2007), dalam
kajian impak daripada pelaburan asing dalam projek Toyota-Peugeot
Citon Automobile (TPCA) terhadap pasaran tenaga kerja di daerah
Kolin, Republik Czech anatara tahun 1993 -2006 yang menggunakan
kaedah OLS, mendapati FDI mempunyai kesan yang signifikan.
Kemasukan FDI telah mengurangkan jumlah pengangguran sebanyak 1.7%
dan meningkatkan guna tenaga 3.7%.Norhayati Baharin, Ishak Yussof
dan Rahmah Ismail (2012) kajian yang bertajuk faktor yang
mempengaruhi kadar pengangguran di Malaysia. Kajian ini memfokuskan
empat pembolehubah makroekonomi yang mempengaruhi kadar
pengangguran iaitu KNDK, FDI, keterbukaan ekonomi dan kadar inflasi
. Keputusan mendapati kadar pengangguran di Malaysia adalah
dipengaruhi oleh keterbukaan ekonomi dan KDNK dalam jangka panjang
dan jangka pendek. Sebaliknya pembolehubah kadar pertumbuhan
pelaburan langsung asing mempengaruhi kadar pengangguran dalam
jangka masa pendek sahaja. Kadar inflasi tidak signifikan kedua-dua
tempoh jangka masaMohsen Bahmani-Oskooe dan Raymond Chi Wing
Ng(2002). Kajian ini telah menggunakan model kaedah ekonometrik
siri masa iaitu Autoregressive Distributed lag (ARDL) untuk
mengkaji permintaan wang jangka panjang di Hong Kong. Penemuan
kajian adalah mendapati kewujudan hubungan jangka panjang antara
wang agregat benar, pendapatan benar, kaedah faedah nominal, kadar
faedah asing dan kadar pertukaran asing.
3.0 OBJEKTIF KAJIAN
1. Melihat kewujudan keluk Philip antara inflasi dan
pengangguran di Singapura dimana dalam jangka pendek wujud hubungan
sonsang manakala jangka panjang wujudnya hubungan positif.2.
Melihat faktor penentu lain dengan pengangguran dimana faktor
tersebut pelaburan langsung asing dimana adakah faktor juga boleh
mempengaruhi pengangguran di Singapura.
4.0 METODOLOGI DAN PEMBENTUKAN MODEL KAJIAN
Analisis kajian adalah menggunakan kaedah Autoregressive
Distributed lag (ARDL) yang dicadangkan oleh Pesaran & Shin
(1996) .Data yang digunakan dalam kajian ini diperolehi daripada
data sekunder yang dikeluarkan oleh World Bank dan Data Stream.
Data siri masa yang dikumpulkan adalah meliputi tempoh 1983 hingga
2012 iaitu selama tempoh 30 tahun. Model kajian pula dibentuk
berdasarkan kajian-kajian yang lepas untuk mengkaji hubungan
pengangguran dengan pembolehubah-pembolehubah lain. Pengangguran
adalah merupakan pembolehubah bersandar manakala faktor-faktor lain
yang menentukan pengangguran sebagai pembolehubah-pembolehubah
tidak bersandar.Oleh kerana objektif kajian ialah untuk melihat
hubungan pengangguran dan pembolehubah lain di Singapura. Maka
dengan itu, fungsi tersebut boleh ditulis dalam bentuk model fungsi
log linear yang ditulis seperti berikut:
In UNEt = 0 + 0 INFt + 1 In FDIt + tyang mana UNEt, INFt, FDIt
dan t masing-masing ialah pengangguran, kadar inflasi, pelaburan
langsung asing dan ralat rawak. Kemudian, pendekatan versi ARDL
untuk melihatkan kointegrasi yang diperkenalkan oleh Pesaran, Shin
dan Smith (2001) adalah untuk melihat kewujudan hubungan jangka
panjang. Dengan lebih khususnya, persamaan tersebut adalah
In UNEt = a0 + 0 In UNEt-j + 1 INFt-j + 2 In FDIt-j + n1 In
UNEt-1 + n2 INFt-1 + n3 In FDIt-1 + tyang mana ni pekali bagi
jangka masa panjang, ao ialah pintasan, ialah pembezaan pertama
pembolehubah dan p ialah lat optimum.Langkah pertama dalam ARDL
ialah melakukan kaedah ujian batas dengan menganggarkan persamaan
di atas melalui OLS bagi menguji kewujudan hubungan jangka panjang
antara pembolehubah pembolehubah dengan melakukan ujian
kesignifikanan terhadap pembolehubah dalam model pembetulan ralat .
Ini dapat dilakukan dengan menggunakan statistik-F. Hipotesis nul
yang mengatakan tidak wujud hubungan jangka masa panjang antara
pembolehubah ialah Ho : n1= n2 = n3 =n4 = 0. Manakala hipotesis
alternatif mengatakan wujud hubungan jangka masa panjang ialah H1 :
n1 n2 n3 n4 0. Merujuk kepada Pesaran et al (2001), batas nilai
kritikal terbawah (lower bound critical) mengandaikan
pembolehubah-pembolehubah penerang berintegrasi pada aras I(0) dan
batas nilai kritikal teratas (upper bound critical) mengandaikan
pembolehubah-pembolehubah penerang berintegrasi pada aras I(1).
Jika nilai statistik F yang dikira (hasil daripada regrasi) berada
diatas batas kritikal teratas, maka hipotesis null yang mengatakan
tidak wujud hubungan jangka panjang akan ditolak. Sebaliknya jika
nilai statistik-F berada di bawah batas nilai kritikal terbawah,
maka hipoteis null tidak dapat ditolak. Sekiranya nilai statistik-F
berada diantara dua batas nilai kritikal tersebut, maka tidak dapat
dipastikan apakah wujud hubungan jangka panjang atau tidak. Langkah
kedua pendekatan ARDL ialah sekiranya terdapat hubungan jangka masa
panjang antara pembolehubah-pembolehubah yang diuji, model jangka
masa panjang akan dianggarkan seperti berikut:
In UNEt = a0 + 0 In UNEt-j + 1 INFt-j + 2 In FDIt-j + t Langkah
ketiga dan yang terakhir ialah menganggar hubungan dinamik jangka
masa pendek dengan menerbitkan model terma pembetulan ralat kepada
pengangguran. Fungsi tersebut adalah
In UNEt = c0 + InUNEt-j + INFt-j + FDIt-j + ECTt-1 + t
yang mana , , dan adalah pekali dinamik jangka masa pendek dan
ialah pekali bagi kecepatan penyesuaian menuju keseimbangan jangka
masa panjang.
5.0 KEPUTUSAN DAN PERBINCANGAN
Sebelum menguji kewujudan berkointegrasi antara semua
pembolehubah makro yang diuji, terlebih dahulu dijalankan ujian
punca unit yang menggunakan ujian PHILLIP-PERRON. Walaupun kaedah
ARDL tidak memerlukan pra ujian untuk mengetahui darjah integrasi
terhadap pembolehubah bebas tersebut sama ada I(0) atau I(1), ujian
punca unit masih diperlukan untuk memastikan kesemua pembolehubah
bebas tidak pegun pada peringkat I(2) yang mengundang kepada
keputusan yang palsu. Menurut Fosu & Magnus (2006), sekiranya
pembolehubah yang diuji pegun pada pada I(2), kiraan F statistik
yang terhasil adalah tidak sah kerana kaedah ujian batasan
berdasarkan andaian bahawa pembolehubah pegun pada aras I(0) atau
I(1). Maka ujian punca unit juga akan memastikan sama ada kaedah
ARDL perlu digunakan atau sebaliknya. Jadual 1 menunjukkan hasil
keputusan ujian punca unit yang dijalankan ke atas data siri masa
bagi semua pembolehubah berkenaan melalui ujian Phillip-Perron.
Bilangan lat ditentukan dengan Bandwidth. Ujian yang dilakukan
mengambil kira ujian yang memasukkan pembolehubah pintasan dan
tren.
JADUAL 1: KEPUTUSAN UJIAN KEPEGUNAN MENGGUNAKAN UJIAN
PHILLIP-PERRONPembolehubahArasTahap Pembezaan Pertama
PintasanPintasan dan TrenPintasanPintasan dan Tren
In UNEt-1.579299-2.293831-7.412147***-6.270487***
INFt1.747960-2.709268*-0.367105-3.465221*
In FDIt-1.052881-4.207690**-17.10979***-17.32698***
( ***) signifikan pada aras keertian 1%, (**) signifikan pada
aras keertian 5%, (*) signifikan pada aras keertian 10%
Berdasarkan jadual 1, keputusan ujian kepegunan yang menggunakan
regrasi pintasan tanpa tren didapati semua pembolehubah siri masa
tidak pegun pada aras 1(0). Ujian yang menggunakan regrasi dengan
pintasan dan tren pula didapati hanya 2 pembolehubah iaitu INFt
yang pegun pada aras keertian 1% manakala pembolehubah In FDIt
pegun pada aras keertian 5% . Ujian seterusnya dijalankan dengan
melakukan tahap pembezaan pertama , I(1). Melalui keputusan
tersebut didapati semua pembolehubah adalah pegun pada tahap
keertiaan 1% melalui regrasi dengan pintasan tanpa tren kecuali
INFt. Manakala ujian regrasi dengan menggunakan pintasan dan tren
juga didapati kesemua pembolehubah adalah pegun pada tahap keertian
1% iaitu In UNEt dan In FDIt `manakala INFt pula pegun pada aras
keertiaan 1%. Ini bermakna ujian kepegunan pada tahap pembezaan
pertama melalui regrasi pintasan dan tren adalah model yang terbaik
kerana semua pembolehubah siri masa adalah pegun iaitu mempunyai
tren stokastik secara bersama mengikut masa.Langkah seterusnya
adalah melakukan ujian batasan kepada kointegrasi. Kajian ini
memerlukan memilih tempoh lag yang signifikan. Dalam kajian ini lag
2,3 dan 4 telah dilakukan ujian. Dalam jadual menunjukkan hasil
ujian tersebut dimana ujian statistic F dilakukan. Hasil keputusan
kajian, lag 2 dan lag 3 adalah signifikan. Penentuan lag 2 telah
dipilih untuk membuat kajian seterusnya. Mengikut Pesaran(2001)
untuk data tahunan, lag optimum adalah 2 dan menurut
Bahmani-Oskooee, penentuan lag panjang berdasarkan pada nilai
pertama siginifikan. Oleh itu, hipotesis null yang menyatakan tidak
wujud hubungan jangka panjang di tolak.
JADUAL 2: UJIAN BATASAN KOINTEGRASILATF-STATISTIK
230.4783***
329.7189***
435.4955***
( ***) signifikan pada aras keertian 1%, (**) signifikan pada
aras keertian 5%, (*) signifikan pada aras keertian 10%NotaNilai
kritikal batas diberi dalam jadual C1(iii) oleh M.H. Pesaran, Y.
Shin dan R.J Smith dirujuk. Nilai bagi 2 pembolehubah tidak
bersandar adalah 3.717- 4.14 pada aras keyakinan 90% dan 3.79 4.85
pada aras keyakinan 95%. Langkah seterusnya, penganggaran pekali
jangka panjang dilakukan.Penganggaran ini dilakukan dengan
menggunakan 3 model iaitu AIC, SIC dan R2 terlaras (adjusted R2).
Keputusan mendapati hasil ketiga-tiga model tersebut adalah sama.
Dalam kajian di Singapura mendapati inflasi dan pelaburan langsung
asing mempunyai hubungan dalam jangka panjang dengan pengangguran.
Buktinya adalah inflasi dan pelaburan langsung asing signifikan
pada aras keertian 1% ditunjukkan dalam jadual 3. Daripada nilai
koefisien inflasi menunjukkan hubungan jangka panjang adalah
positif manakala nilai koefisien pelaburan langsung asing
menunjukan nilai negatif. Hal ini menunjukkan hubungan positif
antara inflasi dan pengangguran dalam jangka panjang di Singapura.
Manakala hubungan antara pelaburan langsung asing dan pengangguran
menunjukkan negatif.Hasil keputusan jangka panjang inflasi ini
menyokong Friedman(1968) yang mendapati peningkatan inflasi
meningkatkan pengangguran dalam jangka masa panjang . Terbukti
keluk Philip yang mewujudkan kesatuan pekerja telah wujud bagi
negara Singapura. Dapatan kajian juga menyokong kajian
Thirunaukarasu (2008) yang mendapati dalam jangka masa panjang
peningkatan pelaburan langsung asing akan mengurangkan
pengangguran. Pertambahan pelaburan langsung asing sebanyak 1%
telah mengurangkan pengangguran sebanyak 0.65%.
JADUAL 3: PENGANGGARAN PEKALI JANGKA PANJANG
SINGAPURA-PENDEKATAN ARDL ARDL (1,1,0)PEMBOLEHUBAHMODEL MODEL
MODEL
(R BAR SQUARE) (SBC) (AIC)
INF0.090839***0.090839***0.090839***
In FDI-0.65478*-0.65478*-0.65478*
Pintasan18.0524***18.0524***18.0524***
( ***) signifikan pada aras keertian 1%, (**) signifikan pada
aras keertian 5%, (*) signifikan pada aras keertian 10%
Dalam Keputusan penganggaran dinamik pekali jangka pendek yang
diperolehi daripada persamaan terma pembetulan ralat (ECT)
ditunjukkan dalam jadual 4. Hasil kajian menunjukkan dalam jangka
masa pendek, hubungan pembolehubah-pembolehubah makro yang diuji
terhadap kadar pengangguran di Singapura berbeza seperti yang
ditunjukkan dalam jangka masa panjang. Inflasi merupakan
pembolehubah yang signifikan mempengaruhi kadar pengangguran iaitu
pada aras keertian 1%. Ini menunjukkan, pembolehubah inflasi
signifikan dalam mempengaruhi kadar pengangguran bagi tempoh jangka
masa panjang dan jangka masa pendek. Hal ini membuktikan hubungan
sonsang wujud di Negara Singapura dan membuktikan keluk Philip
wujud di Negara Singapura. Pembolehubah pelaburan langsung asing
menunjukkan nilai yang signifikan pada aras keertiaan 1%. Nilai
koefisien pelaburan langsung asing menunjukan nilai negatif. Ini
bermaksud dalam jangka pendek juga mendapati hubungan pelaburan
langsung asing dan inflasi menujukkan terdapatnya hubungan sonsang.
Keputusan ini adalah sama kajian daripada Marian ,Dinga dan Daniel
Mnich (2007) yang membuktikan pertambahan pelaburan langsung asing
dapat menggurangkan pengangguran.
JADUAL 4: MODEL TERMA PEMBETULAN RALAT (KADAR PENGANGGURAN)ARDL
(1,1,0)CRITERIA : SCWARZ BAYESIAN CRITERION(SBC)
PEMBOLEHUBAH TIDAK BERSANDAR
INF -0.069210*** [-3.0440 ]
InFDI -0.23307*** [ -2.9239]
PINTASAN6.4258*** [ 4.6820 ]
ECTt-1-0.35595*** [-3.1017 ]
R20.58220
ADJUSTED R20.50954
F-STATISTIK10.6835***
DW-STATISTIK1.9745
( ***)signifikan pada aras keertian 1%, (**) signifikan pada
aras keertian 5%
Pekali bagi terma pembetulan ralat (ECT) didapati signifikan
pada aras keertian 1%. Ini bermaksud wujudnya pelarasan dalam
jangka masa pendek untuk menuju keseimbangan dalam jangka masa
panjang dalam model tersebut. Kira-kira 35% (pekali ECT = -0.35)
daripada ketakseimbangan dari kejutan tahun sebelumnya diselaraskan
kembali kepada keseimbangan jangka panjang dalam tahun semasa.
Model regrasi ARDL menunjukkan nilai R2 yang tinggi iaitu 58%. Ini
bermakna pembolehubah -pembolehubah tak bersandar dapat menerangkan
pembolehubah pengangguran sebanyak 58%. Keputusan ujian diagnostik
juga menunjukkan bahawa model tersebut lulus semua ujian bagi ujian
korelasi bersiri, ujian kenormalan dan ujian hetrokedastisiti.
Ujian CUSUM dan CUSUM(of squares) menunjukkan data yang digunakan
adalah stabil kerana plot statistic CUSUM dan CUSUM(of squares)
berada sekitar sifar dan tidak melebihi garisan 5 peratus selang
keyakinan.Keputusan ujian kestabilan CUSUM dan CUSUM(of squares)
dapat dilihat dalam gambarajah 1.
6.0 KESIMPULAN
Kajian yang dijalankan ini bertujuan mengenalpasti pembolehubah
makroekonomi sebagai faktor yang mempengaruhi kadar pengangguran di
Singapura bagi tempoh kajian yang meliputi tahun 1983 hingga 2012
dengan menggunakan data siri masa. Kajian ini telah memfokuskan
kepada dua pembolehubah makroekonomi yang mempengaruhi kadar
pengangguran iaitu kadar inflasi dan kadar pertumbuhan FDI.
Pemilihan pembolehubah-pembolehubah makroekonomi ini adalah
berdasarkan kajian-kajian lepas yang telah dijalankan. Pengujian
empirikal dibuat menggunakan kaedah ekonometrik siri masa iaitu
Autoregressive Distributed Lag (ARDL) yang dicadangkan oleh Pesaran
dan Shin (1996) untuk melihat hubungan faktor penentu dengan kadar
pengangguran. Keputusan daripada penganggaran yang dibuat mendapati
kadar pengangguran di Singapura adalah sangat signifikan
dipengaruhi oleh inflasi. Pembolehubah ini mempengaruhi kadar
pengangguran dalam jangka masa panjang dan jangka masa pendek.
Dalam jangka pendek menunjukkan hubungan negatif manakala dalam
jangka panjang menunjukkan hubungan positif. Hal ini menunjukkan
terbuktinya keluk Philip wujud bagi negara Singapura. Daripada
hubungan ini mendapati, polisi yang digunakan oleh Singapura iaitu
polisi kadar pertukaran atau exchange rate targeting yang
diperkenalkan pada tahun 1981 tidak memberikan kesan buruk kepada
hubungan antara inflasi dengan pengangguran. Mata wang dollar yang
digunakan oleh Singapura telah menyebabkan keluk Philip wujud di
Singapura.Hasil kajian juga mendapati pembolehubah kadar
pertumbuhan pelaburan langsung asing signifikan mempengaruhi kadar
pengangguran bagi kedua-dua tempoh jangka masa. Hubungan antara
inflasi dengan pengangguran menunjukkan hubungan negatif atau
songsang wujud dalam jangka pendek dan jangka panjang.,ianya secara
tidak langsung menyokong kajian-kajian lepas dilakukan oleh
Chowdhury & Mavrotas, 2006 yang menyatakan peningkatan FDI akan
menggurangkan pengangguran iaitu melibatkan hubungan negatif. Hasil
daripada polisi kadar pertukaran telah menyebabkan pelaburan
langsung asing telah meningkat di Singapura. Hal ini dapat
mengurangkan pengangguran di Singapura.
GAMBAR RAJAH 1: PLOT UJIAN KESTABILAN CUSUM DAN
CUSUM(SQUARES)
GAMBARAJAH 2: FUNGSI IMPULS RESPON
LAMPIRAN
Ujian kepegunan
Null Hypothesis: LUNE has a unit root
Exogenous: Constant
Bandwidth: 4 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-1.5792990.4801
Test critical values:1% level-3.679322
5% level-2.967767
10% level-2.622989
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(LUNE) has a unit root
Exogenous: Constant
Bandwidth: 16 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-7.4121470.0000
Test critical values:1% level-3.689194
5% level-2.971853
10% level-2.625121
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: LUNE has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 5 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-2.2938310.4239
Test critical values:1% level-4.309824
5% level-3.574244
10% level-3.221728
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(LUNE) has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 14 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-6.2704870.0001
Test critical values:1% level-4.323979
5% level-3.580623
10% level-3.225334
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: INF has a unit root
Exogenous: Constant
Bandwidth: 3 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic1.7479600.9995
Test critical values:1% level-3.679322
5% level-2.967767
10% level-2.622989
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(INF) has a unit root
Exogenous: Constant
Bandwidth: 2 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-2.7092680.0851
Test critical values:1% level-3.689194
5% level-2.971853
10% level-2.625121
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: INF has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 3 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-0.3671050.9841
Test critical values:1% level-4.309824
5% level-3.574244
10% level-3.221728
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(INF) has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 3 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-3.4652210.0630
Test critical values:1% level-4.323979
5% level-3.580623
10% level-3.225334
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: LGDP has a unit root
Exogenous: Constant
Bandwidth: 2 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-0.9587850.7542
Test critical values:1% level-3.679322
5% level-2.967767
10% level-2.622989
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(LGDP) has a unit root
Exogenous: Constant
Bandwidth: 0 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-4.6750900.0009
Test critical values:1% level-3.689194
5% level-2.971853
10% level-2.625121
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: LGDP has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 1 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-1.6517440.7465
Test critical values:1% level-4.309824
5% level-3.574244
10% level-3.221728
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(LGDP) has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 1 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-4.6598000.0046
Test critical values:1% level-4.323979
5% level-3.580623
10% level-3.225334
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: LFDI has a unit root
Exogenous: Constant
Bandwidth: 10 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-1.0528810.7203
Test critical values:1% level-3.679322
5% level-2.967767
10% level-2.622989
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(LFDI) has a unit root
Exogenous: Constant
Bandwidth: 27 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-17.109790.0001
Test critical values:1% level-3.689194
5% level-2.971853
10% level-2.625121
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: LFDI has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 8 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-4.2076900.0126
Test critical values:1% level-4.309824
5% level-3.574244
10% level-3.221728
*MacKinnon (1996) one-sided p-values.
Null Hypothesis: D(LFDI) has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 27 (Newey-West automatic) using Bartlett kernel
Adj. t-StatProb.*
Phillips-Perron test statistic-17.326980.0000
Test critical values:1% level-4.323979
5% level-3.580623
10% level-3.225334
*MacKinnon (1996) one-sided p-values.
Variable Deletion Test (OLS case)
*******************************************************************************
Dependent variable is DLUNE List of the variables deleted from the
regression: LUNE(-1) INF(-1) LFDI(-1) 28 observations used for
estimation from 1985 to 2012
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob] C .11610 .084768
1.3696[.187] DLUNE(-1) .091004 .21581 .42168[.678] DLUNE(-2)
-.16453 .20208 -.81415[.426] DINF -.060538 .031709 -1.9092[.071]
DINF(-1) .067315 .036977 1.8205[.084] DINF(-2) -.015917 .040642
-.39163[.700] DLFDI -.18936 .097634 -1.9395[.067] DLFDI(-1) -.11065
.11397 -.97088[.344] DLFDI(-2) -.15874 .10517 -1.5093[.148]
*******************************************************************************
Joint test of zero restrictions on the coefficients of deleted
variables: Lagrange Multiplier Statistic CHSQ( 3)= 13.3015[.004]
Likelihood Ratio Statistic CHSQ( 3)= 18.0449[.000] F Statistic F(
3, 16)= 4.8264[.014]
*******************************************************************************
Variable Deletion Test (OLS case)
*******************************************************************************
Dependent variable is DLUNE List of the variables deleted from the
regression: LUNE(-1) INF(-1) LFDI(-1) 27 observations used for
estimation from 1986 to 2012
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob] C .10408 .088869
1.1711[.260] DLUNE(-1) -.7317E-3 .21329 -.0034305[.997] DLUNE(-2)
-.33101 .20744 -1.5957[.131] DLUNE(-3) -.17951 .20152 -.89075[.387]
DINF -.092487 .032856 -2.8149[.013] DINF(-1) .060567 .034358
1.7628[.098] DINF(-2) -.014977 .040395 -.37077[.716] DINF(-3)
.073202 .040286 1.8171[.089] DLFDI -.22267 .094456 -2.3574[.032]
DLFDI(-1) -.12309 .11605 -1.0606[.306] DLFDI(-2) -.13489 .11836
-1.1396[.272] DLFDI(-3) -.067126 .10325 -.65014[.525]
*******************************************************************************
Joint test of zero restrictions on the coefficients of deleted
variables: Lagrange Multiplier Statistic CHSQ( 3)= 11.0356[.012]
Likelihood Ratio Statistic CHSQ( 3)= 14.1879[.003] F Statistic F(
3, 12)= 2.7651[.088]
*******************************************************************************
Variable Deletion Test (OLS case)
*******************************************************************************
Dependent variable is DLUNE List of the variables deleted from the
regression: LUNE(-1) INF(-1) LFDI(-1) 26 observations used for
estimation from 1987 to 2012
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob] C .15926 .10001
1.5924[.140] DLUNE(-1) -.24234 .23605 -1.0267[.327] DLUNE(-2)
-.41948 .21179 -1.9806[.073] DLUNE(-3) -.31894 .20696 -1.5411[.152]
DLUNE(-4) .085618 .21532 .39763[.699] DINF -.085086 .031100
-2.7359[.019] DINF(-1) .027311 .041787 .65358[.527] DINF(-2)
-.022996 .035736 -.64348[.533] DINF(-3) .080997 .036722
2.2057[.050] DINF(-4) .049085 .041292 1.1887[.260] DLFDI -.26767
.084755 -3.1581[.009] DLFDI(-1) -.24920 .11414 -2.1834[.052]
DLFDI(-2) -.29949 .12318 -2.4313[.033] DLFDI(-3) -.19991 .11223
-1.7813[.102] DLFDI(-4) -.18053 .10723 -1.6836[.120]
*******************************************************************************
Joint test of zero restrictions on the coefficients of deleted
variables: Lagrange Multiplier Statistic CHSQ( 3)= 7.5414[.057]
Likelihood Ratio Statistic CHSQ( 3)= 8.9067[.031] F Statistic F( 3,
8)= 1.0895[.408]
*******************************************************************************
Diagnostic Tests
********************************************************************************
Test Statistics * LM Version * F Version
*********************************************************************************
* * ** A:Serial Correlation*CHSQ( 1)= .92905[.335]*F( 1, 15)=
.51479[.484]** * * ** B:Functional Form *CHSQ( 1)= .56748[.451]*F(
1, 15)= .31030[.586]** * * ** C:Normality *CHSQ( 2)= 1.1100[.574]*
Not applicable ** * * ** D:Heteroscedasticity*CHSQ( 1)=
.11764[.732]*F( 1, 26)=
.10970[.743]********************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values C:Based
on a test of skewness and kurtosis of residuals D:Based on the
regression of squared residuals on squared fitted values
Estimated Long Run Coefficients using the ARDL Approach
ARDL(1,1,0) selected based on R-BAR Squared Criterion
*******************************************************************************
Dependent variable is LUNE 28 observations used for estimation from
1985 to 2012
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob] INF .090839
.032385 2.8050[.010] LFDI -.65478 .34988 -1.8714[.074] C 18.0524
5.3217 3.3922[.003]
Estimated Long Run Coefficients using the ARDL Approach
ARDL(1,1,0) selected based on Akaike Information Criterion
*******************************************************************************
Dependent variable is LUNE 28 observations used for estimation from
1985 to 2012
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob] INF .090839
.032385 2.8050[.010] LFDI -.65478 .34988 -1.8714[.074] C 18.0524
5.3217 3.3922[.003]
*******************************************************************************
Estimated Long Run Coefficients using the ARDL Approach
ARDL(1,1,0) selected based on Schwarz Bayesian Criterion
*******************************************************************************
Dependent variable is LUNE 28 observations used for estimation from
1985 to 2012
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob] INF .090839
.032385 2.8050[.010] LFDI -.65478 .34988 -1.8714[.074] C 18.0524
5.3217 3.3922[.003]
*******************************************************************************Error
Correction Representation for the Selected ARDL Model ARDL(1,1,0)
selected based on Schwarz Bayesian Criterion
*******************************************************************************
Dependent variable is dLUNE 28 observations used for estimation
from 1985 to 2012
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob] dINF -.069210
.022737 -3.0440[.006] dLFDI -.23307 .079712 -2.9239[.007] dC 6.4258
1.3724 4.6820[.000] ecm(-1) -.35595 .11476 -3.1017[.005]
*******************************************************************************
List of additional temporary variables created: dLUNE =
LUNE-LUNE(-1) dINF = INF-INF(-1) dLFDI = LFDI-LFDI(-1) dC = C-C(-1)
ecm = LUNE -.090839*INF + .65478*LFDI -18.0524*C
*******************************************************************************
R-Squared .58220 R-Bar-Squared .50954 S.E. of Regression .18548
F-stat. F( 3, 24) 10.6835[.000] Mean of Dependent Variable .032358
S.D. of Dependent Variable .26485 Residual Sum of Squares .79125
Equation Log-likelihood 10.1985 Akaike Info. Criterion 5.1985
Schwarz Bayesian Criterion 1.8680 DW-statistic 1.9745
*******************************************************************************
R-Squared and R-Bar-Squared measures refer to the dependent
variable dLUNE and in cases where the error correction model is
highly restricted, these measures could become negative.
RUJUKAN
Agbola, F.W. and Damoense, M.Y. (2005) Time-series estimation of
import demand functions for pulse in India, Journal of Economic
Studies, Vol. 32, No. 2, pp. 146-157Akaike, H. (1974). A New Look
at the Statistical Model Identification, IEEE Transaction on
Automatic Control, Vol.19, pp.716-723.Bahmani-Oskooee, M. and Bohl,
M. (2000) German monetary unification and the stability of the
German M3 money demand function. Economics Letters, 66, pp. Dickey,
D. and Fuller, W. (1979). Distribution of the Estimators for
Autoregressive Time Series with a Unit Root, Journal of the
American Statistical Association, Vol. 74, No.366, pp.
427-431.Dickey, D. and Fuller, W. (1981). Likelihood Ratio Tests
for Autoregressive Time Series with a Unit Root, Econometrica,
Vol.49, No. 4, pp.057-1072. Narayan, P.K. (2005) The saving and
investment nexus for China: Evidence from cointegration tests.
Applied Economics, 37, pp. 1979-1990.Norhayati Baharin, Ishak
Yussof dan Rahmah Ismail (2012). Faktor-faktor yang Mempengaruhi
Pengangguran di MalaysiaOkun, A.M. (1975) Inflation: Its mechanics
and welfare costs. Brookings papers on Economic Activity, 2, pp.
351-390Okun, A.M. (1980) Postwar Macroeconomic Performance, in M.S.
Feldstein (ed.) The American Economy in Transitory, Chicago:
University of Chicago PressPesaran, M.H., Shin, Y. and Smith, R.J.
(2001) Bounds testing approaches to the analysis of level
relationships. Journal of Applied Econometrics, 16, pp.
289-326.Pesaran, M.H. and Pesaran, B. (2002) Working with Microfit
4.0 Interactive Econometric Analysis. Great Britain, Oxford
University Press.Phillips, A.W.H. (1958) The relationship between
unemployment and the rate of change of money wages in United
Kingdom, 1861 1957. Economica, 15, pp. 283-300.Phillips, P.C.B. and
Hansen, B.E. (1990) Statistical inference in instrumental variables
regression with I(1) processes. Reviews of Economic Studies, 57,
pp. 99-125Phelps, E. (1967) Phillips curves, expectations of
inflation and optimal unemployment over time. Economica, 34, pp.
254-281.Turner, P. (1997) The Phillips curve, parameter instability
and the Lucas critique. Applied Economics, 29(1), pp. 7-10.Yusuff,
M. (1988) Unanticipated money, price level and output in Malaysia.
Analisis, 3(1&2), pp. 65-80.
21