Unit root test for stationary of da

Unit root test for stationary of data

The major purpose for conducting unit root test is that if we use the data without checking their stationarity properties, the results derived from the regression models would produce the so called spurious results (Datta and Kumar, 2011). Before estimating our modified model in the equation

(2) it was very important to test out stochastic properties of the variables to be estimated. Habitually this task is realised by conducting unit root test. However, one of the weaknesses of unit root test is related to small number of observations and that a minimum number of 20 observations are required so as to get reliable results which can be made inference (Gujarati and Porter, 2009; Gujarati, 2004). The analysis was done using the Dickey-Fuller (DF) or more convenient ADF that is Augmented Dickey-Fuller and Phillips-Perron unit root test. The study proceeded with the estimation of the model in equation (2). The null hypothesis for the two tests was unit root or the time series was non-stationary (i.e. δ = 0) while the alternative hypothesis states that there is no unit root or the time series was stationary (i.e.   0 ).The general form of DF and ADF is estimated by using the following models:

Yt  Yt 1  t (5a)

If  =1, equation (5a) becomes a random walk, that is, a non stationary process. As a result of this

there tends to be the so called unit root problem which means there is a situation of non stationarity in the series. However, if 

Hasil (Bahasa Indonesia) 1:

Akar unit test untuk stasioner dataTujuan utama untuk melakukan unit akar tes adalah bahwa jika kita menggunakan data tanpa memeriksa sifat stationarity mereka, hasil dari model regresi akan menghasilkan hasil palsu yang disebut (Datta dan Kumar, 2011). Sebelum memperkirakan model kita diubah dalam persamaan(2) itu sangat penting untuk menguji stokastik properti variabel harus diperkirakan. Biasanya tugas ini menyadari dengan melakukan unit akar tes. Namun, salah satu kelemahan dari unit akar tes berhubungan dengan jumlah kecil pengamatan dan bahwa jumlah minimal 20 pengamatan yang diperlukan untuk mendapatkan diandalkan hasil yang dapat membuat kesimpulan (Gujarati dan Porter, 2009; Gujarati, 2004). Analisis dilakukan menggunakan Dickey-Fuller (DF) atau lebih nyaman ADF yang Augmented Dickey-Fuller dan Phillips-Perron unit akar tes. Studi melanjutkan dengan estimasi model dalam persamaan (2). Hipotesis null untuk tes kedua adalah unit akar atau time series non-stasioner (yaitu δ = 0) sementara hipotesis alternatif menyatakan bahwa ada tidak berakar unit atau time series stasioner (yaitu   0). Bentuk umum DF dan ADF diperkirakan dengan menggunakan model berikut:YT  Yt 1  t (5a)Jika  = 1, persamaan (5a) menjadi acak berjalan, yaitu proses yang bebas stasioner. Sebagai hasil dari inicenderung menjadi apa yang disebut unit akar masalah yang berarti ada situasi bebas stationarity dalam seri. Namun, jika  < 1, ini berarti bahwa seri Yt stasioner. Namun, akar unitmasalah dapat dihilangkan atau stationarity dapat dicapai dengan pembedaan data set (Wei 2006). Ide dasar dibalik unit ADF akar test untuk stationarity bebas adalah untuk hanya mundur Yt nya (satuperiode) tertinggal nilai dan mengetahui jika  diperkirakan statistik sama dengan satu atau tidak. Dalam hal inikasus, persamaan (5a) dapat lebih lanjut dimanipulasi dengan mengurangi Yt 1 dari kedua belah pihak dan memperoleh:YT Yt 1  ( 1) Yt 1  t (ayat 5b)Jika persamaan (ayat 5b) adalah ditulis ulang sebagai berikut:YT  Yt 1  t (5c)

Hasil (Bahasa Indonesia) 2:

Uji unit root untuk stasioner data Tujuan utama untuk melakukan uji unit root adalah bahwa jika kita menggunakan data tanpa memeriksa sifat stasioneritas mereka, hasil yang diperoleh dari model regresi akan menghasilkan apa yang disebut hasil palsu (Datta dan Kumar, 2011). Sebelum mengestimasi model kita diubah dalam persamaan (2) itu sangat penting untuk menguji sifat stokastik dari variabel yang akan diperkirakan. Biasanya tugas ini diwujudkan dengan melakukan uji unit root. Namun, salah satu kelemahan dari uji akar unit terkait dengan sejumlah kecil pengamatan dan bahwa jumlah minimum 20 pengamatan yang diperlukan sehingga untuk mendapatkan hasil yang dapat diandalkan yang dapat dilakukan inferensi (Gujarati dan Porter, 2009; Gujarati, 2004). Analisis dilakukan dengan menggunakan Dickey-Fuller (DF) atau ADF lebih nyaman yang Augmented Dickey-Fuller dan Phillips-Perron uji unit root. Penelitian ini melanjutkan dengan estimasi model dalam persamaan (2). Hipotesis nol untuk dua tes itu unit root atau time series adalah non-stasioner (yaitu δ = 0) sedangkan hipotesis alternatif menyatakan bahwa tidak ada unit root atau time series adalah stasioner (yaitu   0) .suatu umum bentuk DF dan ADF diperkirakan dengan menggunakan model berikut: Yt  Yt 1  t (5a) Jika  = 1, persamaan (5a) menjadi acak berjalan, yaitu, proses non stasioner. Sebagai hasil dari ini ada cenderung disebut Unit akar masalah yang berarti ada situasi non stasioneritas dalam seri. Namun, jika  <1, ini berarti bahwa seri Yt adalah stasioner. Namun, unit akar masalah dapat dihilangkan atau stasioneritas dapat dicapai dengan differencing kumpulan data (Wei 2006). Ide dasar di balik tes unit root ADF untuk non stasioneritas adalah hanya regresi Yt pada (satu nya periode) tertinggal nilai dan mencari tahu apakah  diperkirakan secara statistik sama dengan satu atau tidak. Dalam kasus ini, persamaan (5a) dapat lebih dimanipulasi dengan mengurangi Yt 1 dari kedua belah pihak dan memperoleh: Yt Yt 1  ( 1) Yt 1  t (5b) Jika persamaan (5b) adalah re -written sebagai berikut: Yt  Yt 1  t (5c)