Metode VECM Vector Error Correction Model – VECM adalah salah satu metode yang biasa digunakan di dalam sebuah penelitian. Penelitian VECM ini tentu melibatkan variabel-variabel seperti independen dan dependen. Pada pembahasan kali ini akan dijelaskan secara lengkap mengenai definisi, fungsi, hingga perhitungan VECM dalam sebuah penelitian.
Pada awalnya, metode VECM ini adalah bentuk dari metode VAR yang terestriksi. Penyebab adanya restriksi ini karena keberadaan data-data yang tidak stasioner. Itulah sebabnya mengapa VECM sering dikenal dengan desain VAR bagian series non stasioner yang mempunyai hubungan kointegrasi.
Apa itu Metode VECM Vector Error Correction Model?
VECM merupakan singkatan dari Vector Error Correction Model. Metode ini digunakan dalam analisis hubungan jangka panjang dan pendek. Hubungan yang diteliti yaitu antara variabel independen dan dependen pada data time series. Untuk mengetahui hubungan jangka panjang dalam penelitian, maka peneliti harus menganalisis melalui persamaan kointegrasi pada hasil tes VECM. Disisi lain, untuk mengetahui analisa jangka pendek peneliti menggunakan uji Wald Statistics dari persamaan variabel pada hasil tes VECM.
Asumsi yang harus dipenuhi dalam analisis ini yaitu semua variabel harus bersifat stasioner pada orde/derajat yang sama. Dalam hal ini ditandai dengan semua sisaan bersifat white noise, yang mana memiliki rataan nol, varians konstan dan diantara variabel dependen tidak ada korelasi.
Langkah-langkah Mengestimasi VECM, sebagai berikut :
- Uji Stasioneritas Data
- Penentuan Lag Optimal
- Uji Kointegrasi
- Analisis Kausalitas (Uji Granger)
- Pemodelan Vector Error Correction Model
- Impulse Response Function (IRF)
- Variance Decomposition (VD)
Itulah penjelasan lengkap mengenai metode VECM Vector Error Correction Model. Adanya metode ini membantu peneliti untuk mengetahui hubungan antar variabel dalam jangka panjang dan pendek. Jika Anda adalah seorang peneliti, maka metode ini bisa dijadikan terapan sesuai dengan fungsinya.
Dalam menganalisa data, usahakan setiap penghitungannya dapat diteliti dengan baik dan teliti. Dengan begitu, Anda dapat mengambil kesimpulan dari hasil data yang sudah dianalisa.