27
di mana:
Y
t
= variabel respon(terikat) pada waktu t.
f
0
,f1,
...,f
p,
ß1
..,
ß
p
= koefisien yang di estimasikan.
X
t-1
,X
t-2
,...X
t-p
,Z
t-1
,Z
t-2
,..Z
t-p
=
variabel
bebas
pada
masing-masing
selang
waktu
t-1,t-2,..t-p
e
t
=
error
term
(galat)
pada
saat
t
yang
mewakili
dampak
variabel-variabel yang tidak dijelaskan oleh model.
Metode
Multivariate
Autoregressive
(MAR) 2X2+...b
pada
Persamaan Perbedaan antara
2.33
adalah
sama
dengan
persamaan
regresi
berganda
(y=a+b1X1+b2X2+...b
p
X
p
+e
t
). Perbedaan antara
persamaan
Multivariate Autoregressive dengan
model dengan persamaan
regresi adalah
bahwa
pada
model
Multivariate
Autoregressive menggunakan
time
lag
pada
variabel
bebas,yaitu X1=X
t-1
,
X2=X
t-2
,
X3=X
t-3
,..,X
p
=X
t-p
,
dan Z1=Z
t-1
,
Z2=Z
t-2
,
Z3=Z
t-3
,..,Z
p
=Z
t-p
.
Estimasi
parameter
autoregressive
diperoleh
dengan
beberapa
tahap
yaitu:
menduga dengan matriks, kemudian nilai parameter dikoreksi, karena ada data
pengamatan yang tidak digunakan. Nilai parameter yang digunakan memberikan galat
(error) minimum.
Metode
Multivariate
Autoregressive
(MAR)
yang
umum
dari Persamaan
2.33
terdapat
dalam beberapa
bentuk,
tergantung
pada
derajat
susunan
(order)
dari
p.
Bila
p=1,
bentuknya
menjadi
model Multivariate
Autoregressive
dengan
susunan
(order)
pertama
atau
M-AR(1).
Dalam
bentuk
umum,
model
ini
dituliskan
sebagai
M-AR(p).
Seharusnya
sebelum suatu
model
MAR
dapat
dipergunakan
untuk
susunan
(order)
p
tersebut
harus
dispesifikasikan.
Nilai yang
berlaku
untuk
p
yang
menspesifikasikan
jumlah unsur yang terkandung, dapat diperoleh dengan menyelidiki nilai koefisien
 |