That is, there is cointegration amo

That is, there is cointegration among the variables in equations 3. In doing this, we estimated equations 3 by ordinary least square (OLS) technique. The presence of cointegration is traced by conducting an F-test for the joint significance of the coefficients of the lagged levels of the variables. This testing procedure which is based on the computed F-value from the above estimation is usually a test of the hypothesis of no cointegration among the variables against the presence of cointegration among the variables. Since the F-test has a nonstandard distribution irrespective of whether the variables are 1(0) or 1(1), two sets of critical values generated by Pesaran et al [32] were used. One set assumes that all variables are 1(0) and the other assumes that they are all 1(1). If the computed F-statistics falls above the upper bound critical value, then the null of no cointegration is rejected. If it falls below the lower bound, then the null cannot be rejected. Finally, if it falls between the lower and upper bound, then the result would be inconclusive. However, Canetti and Greene [8] argued that in such an inconclusive case, an efficient way of establishing cointegration is by applying the ECM version of the ARDL model. Secondly, according to Pesaran et al [32], if a unique long run relationship exists among the variables of interest, we estimate a conditional ARDL long run model for inflation rate (INFR) based on equation 3 above. The lags length in the ARDL model is selected based on Schwarz Bayesian Criteria (SBC). For our annual data, Pesaran et al [32] suggested a maximum of two lags. In the third and final step, we obtain the short run dynamic elasticity estimates.

Hasil (Bahasa Indonesia) 1:

Itu adalah, ada cointegration antara variabel dalam persamaan 3. Dalam melakukan ini, kami memperkirakan persamaan 3 oleh biasa setidaknya persegi (OLS) teknik. Kehadiran cointegration dilacak dengan melakukan tes F untuk kepentingan bersama koefisien dari tingkat lagged variabel. Prosedur ini pengujian yang didasarkan pada nilai F yang dihitung dari estimasi di atas adalah biasanya tes hipotesis tidak ada cointegration antara variabel terhadap kehadiran dari cointegration antara variabel. Karena F-tes memiliki distribusi yang tidak standar terlepas dari apakah variabel adalah 1(0) atau 1(1), dua set nilai-nilai kritis yang dihasilkan oleh Pesaran et al [32] yang digunakan. Satu set mengasumsikan bahwa semua variabel yang 1(0) dan yang lain menganggap bahwa mereka adalah semua 1(1). Jika dihitung F-Statistik jatuh di atas nilai penting terikat atas, kemudian null cointegration tidak ditolak. Jika jatuh di bawah terikat lebih rendah, maka null tidak dapat ditolak. Akhirnya, jika jatuh antara bawah dan atas, maka hasilnya akan meyakinkan. Namun, Canetti dan Greene [8] berpendapat bahwa dalam hal demikian dapat disimpulkan, cara yang efisien untuk membangun cointegration adalah dengan menerapkan versi ECM model ARDL. Kedua, menurut Pesaran et al [32], jika ada hubungan jangka panjang yang unik antara variabel-variabel bunga, kami memperkirakan ARDL jangka panjang model yang bersyarat untuk tingkat inflasi (INFR) berdasarkan persamaan 3 di atas. Panjang kelambatan dalam ARDL model dipilih didasarkan pada kriteria Bayesian Schwarz (SBC). Untuk data kami tahunan, Pesaran et al [32] menyarankan maksimum dua kelambatan. Pada tahap ketiga dan terakhir, kita mendapatkan perkiraan elastisitas dinamis jangka pendek.

Hasil (Bahasa Indonesia) 2:

Artinya, ada kointegrasi antara variabel dalam persamaan 3. Dalam melakukan hal ini, kami memperkirakan persamaan 3 dengan least square (OLS) teknik biasa. Kehadiran kointegrasi ditelusuri dengan melakukan F-test untuk signifikansi gabungan dari koefisien tingkat tertinggal dari variabel. Prosedur pengujian ini yang didasarkan pada F-nilai yang dihitung dari estimasi di atas biasanya uji hipotesis tidak ada kointegrasi antara variabel terhadap kehadiran kointegrasi antar variabel. Karena F-test memiliki distribusi tidak standar terlepas dari apakah variabel 1 (0) atau 1 (1), dua set nilai-nilai kritis yang dihasilkan oleh Pesaran et al [32] yang digunakan. Satu set mengasumsikan bahwa semua variabel 1 (0) dan yang lain menganggap bahwa mereka semua 1 (1). Jika dihitung F-statistik jatuh di atas nilai kritis batas atas, maka null tanpa kointegrasi ditolak. Jika jatuh di bawah batas bawah, maka nol tidak dapat ditolak. Akhirnya, jika jatuh antara batas bawah dan atas, maka hasilnya akan tidak meyakinkan. Namun, Canetti dan Greene [8] berpendapat bahwa dalam kasus tidak meyakinkan, cara yang efisien untuk membangun kointegrasi adalah dengan menerapkan versi ECM dari model ARDL. Kedua, menurut Pesaran et al [32], jika hubungan jangka panjang yang unik ada di antara variabel yang menarik, kami memperkirakan ARDL bersyarat Model jangka panjang untuk tingkat inflasi (infr) berdasarkan persamaan 3 di atas. Panjang kelambanan dalam model ARDL dipilih berdasarkan kriteria Schwarz Bayesian (SBC). Untuk data tahunan kami, Pesaran et al [32] menyarankan maksimal dua tertinggal. Pada langkah ketiga dan terakhir, kami mendapatkan jangka pendek perkiraan elastisitas dinamis.