🔗 Full Article:
https://journal.yrpipku.com/index.php/ijedr/article/view/8086/4772

---

1️⃣ Research Design Logic

Penelitian ini tidak menggunakan pendekatan linear konvensional semata. Alasannya sederhana:

Dampak kebijakan moneter tidak selalu konstan sepanjang waktu.

Efek QE pada periode normal kemungkinan berbeda dengan periode krisis. Selain itu, parameter kebijakan dapat berubah akibat shock eksternal seperti COVID-19.

Karena itu, strategi metodologi dirancang dalam tiga lapis:

1. Nonlinear dynamics (TVAR)
2. Bayesian shrinkage stabilization (BVAR)
3. Time-varying parameter dynamics (TVP-VAR)

Pendekatan ini membentuk struktur analisis bertahap dan saling memvalidasi.

---

2️⃣ Data Structure

📊 Periode:

2007Q1 – 2023Q4

📈 Variabel utama:

• PDB (GDP)
• BI Rate
• SUN (proxy QE)
• Inflasi (INF)
• REER

Seluruh variabel diuji:

• Stasioneritas (ADF test)
• Lag optimal (AIC/SC)
• Stability condition
• Residual diagnostics

Pendekatan ini memastikan model tidak mengalami misspecification.

---

3️⃣ Tahap Pertama: Threshold VAR (TVAR)

🔹 Mengapa TVAR?

Model VAR linear mengasumsikan bahwa:$$\text{Dampak kebijakan = konstan sepanjang waktu}$$Dampak kebijakan = konstan sepanjang waktu

Padahal dalam kenyataan:

• Saat krisis → transmisi kebijakan lebih kuat
• Saat normal → dampak bisa lebih lemah

TVAR memungkinkan pemisahan dua rezim:$$Y_t = \begin{cases} A^{(1)}(L)Y_{t-1} + \varepsilon_t & \text{if } q_t \leq \gamma \\ A^{(2)}(L)Y_{t-1} + \varepsilon_t & \text{if } q_t > \gamma \end{cases}$$

Di mana:

• $q_t$ ​ = threshold variable (misalnya INF atau SUN)
• $\gamma$ = threshold parameter
• Regime 1 = kondisi normal
• Regime 2 = kondisi krisis

🔎 Logika Ekonometrik:

TVAR menjawab pertanyaan:

Apakah efek QE bersifat state-dependent?

Hasil menunjukkan bahwa dampak QE terhadap PDB lebih kuat dalam regime krisis.

Ini membuktikan bahwa kebijakan moneter bersifat nonlinear.

---

4️⃣ Tahap Kedua: Bayesian VAR (BVAR)

🔹 Mengapa BVAR?

VAR dengan banyak variabel dan lag menghadapi masalah:

• Over-parameterization
• Instabilitas koefisien
• Noise shock yang tinggi

BVAR memperkenalkan prior distribusi Bayesian:$$Y_t = c + \sum_{i=1}^{p} A_i Y_{t-i} + u_t$$

Dengan prior Minnesota-type:$$A_i \sim N(\bar{A}_i, V_i)$$

🔎 Logika Ekonometrik:

BVAR melakukan shrinkage:

• Mengurangi varian estimasi
• Meningkatkan stabilitas impulse response
• Memperbaiki forecasting performance

Tujuan tahap ini:

Menguji apakah hasil TVAR tetap konsisten dalam kerangka estimasi Bayesian.

Dan hasilnya: konsisten.

---

5️⃣ Tahap Ketiga: Time-Varying Parameter VAR (TVP-VAR)

🔹 Mengapa TVP-VAR?

Model sebelumnya masih mengasumsikan koefisien konstan dalam tiap regime.

Padahal krisis seperti COVID-19 dapat mengubah transmisi kebijakan secara gradual.

TVP-VAR memungkinkan:$$Y_t = B_t Y_{t-1} + u_t$$

dengan dinamika:$$B_t = B_{t-1} + \eta_t$$

Artinya:

• Koefisien tidak tetap
• Parameter mengikuti random walk
• Respons kebijakan berubah dari waktu ke waktu

🔎 Logika Ekonometrik:

TVP-VAR menjawab:

Apakah efektivitas QE meningkat selama pandemi?

Hasil menunjukkan adanya peningkatan sensitivitas PDB terhadap QE selama periode COVID-19.