Projek Ardl Singapura Terbaru

29
TAJUK: HUBUNGAN JANGKA PANJANG ANTARA PENGANGGURAN, INFLASI DAN PELABURAN LANGSUNG ASING DI SINGAPURA ABSTRAK Kajian ini dijalankan bertujuan mengenalpasti hubungan inflasi dan pelaburan langsung asing terhadap pengangguran dalam jangka panjang di Singapura. Tempoh kajian ini meliputi 1983 hingga 2012. Pengujian empirikal dibuat menggunakan kaedah ekonometrik siri masa iaitu “Autoregressive Distributed lag” (ARDL) yang dicadangkan oleh Pesaran dan Shin(1996). Keputusan daripada penganggaran yang dibuat mendapati pengangguran di Singapura siginifikan dipengaruhi oleh inflasi dan pelaburan langsung asing bagi tempoh jangka pendek dan jangka panjang. Keputusan hubungan antara inflasi dan pengangguran mendapati keluk Philip wujud di Singapura dan wujudnya hubungan sonsang antara pelaburan langsung asing dan pengangguran di Singapura dalam jangka pendek dan jangka panjang. 1.0 PENGENALAN Ekonomi Singapura merupakan ekonomi pasaran bebas yang amat maju dan berjaya. Singapura mempunyai sebuah persekitaran perniagaan yang terbuka, nyata dan agak bebas daripada amalan rasuah. Keluaran dalam Negara kasar(KDNK) perkapitanya adalah yang tertinggi di dunia. Di Singapura, dasar monetari dikawal selia oleh 1

description

projek singapura

Transcript of Projek Ardl Singapura Terbaru

BAB 1

TAJUK: HUBUNGAN JANGKA PANJANG ANTARA PENGANGGURAN, INFLASI DAN PELABURAN LANGSUNG ASING DI SINGAPURA

ABSTRAKKajian ini dijalankan bertujuan mengenalpasti hubungan inflasi dan pelaburan langsung asing terhadap pengangguran dalam jangka panjang di Singapura. Tempoh kajian ini meliputi 1983 hingga 2012. Pengujian empirikal dibuat menggunakan kaedah ekonometrik siri masa iaitu Autoregressive Distributed lag (ARDL) yang dicadangkan oleh Pesaran dan Shin(1996). Keputusan daripada penganggaran yang dibuat mendapati pengangguran di Singapura siginifikan dipengaruhi oleh inflasi dan pelaburan langsung asing bagi tempoh jangka pendek dan jangka panjang. Keputusan hubungan antara inflasi dan pengangguran mendapati keluk Philip wujud di Singapura dan wujudnya hubungan sonsang antara pelaburan langsung asing dan pengangguran di Singapura dalam jangka pendek dan jangka panjang.

1.0 PENGENALAN

Ekonomi Singapura merupakan ekonomi pasaran bebas yang amat maju dan berjaya. Singapura mempunyai sebuah persekitaran perniagaan yang terbuka, nyata dan agak bebas daripada amalan rasuah. Keluaran dalam Negara kasar(KDNK) perkapitanya adalah yang tertinggi di dunia.Di Singapura, dasar monetari dikawal selia oleh Monetary Authority of Singapore(MAS). Pengurusan dasar monetari banyak dipengaruhi oleh Nominal Effective Exchange Rate(NEER) yang diperkanal pada tahun 1981. Singapura lebih mementingkan perdangangan untuk meningkatkan pertumbuhan ekonomi negaranya. Singapura tidak menitikberat kadar inflasi kerana kekuatan daripada penggunaan dollar. Pengangguran merupakan masalah ekonomi utama bagi sebuah negara tidak kira sama ada negara membangun ataupun negara maju. Bagi negara yang ingin berada dalam keadaan ekonomi yang baik, memerlukan pengangguran pada tahap rendah. Sesebuah negara dikatakan mempunyai pertumbuhan yang mampan jika kadar penganggurannya rendah. Sebaliknya jika kadar pengangguran tinggi, bermakna berlakunya pembaziran sumber manusia. Masalah pengangguran terus merupakan satu daripada masalah ekonomi yang sangat penting dan harus ditangani dalam pasaran buruh. Peningkatan dan pengurangan pengangguran dikaitkan dengan inflasi.Inflasi dan pengangguran merupakan isu ekonomi asas, yang menghubungkan antara dasar dan program kerajaan. Jadi kerajaan akan membuat pembaharuan program-program ekonomi untuk mengatasi masalah tersebut supaya berada pada kadar pengangguran yang rendah dan menjadikan harga stabil. Hubungan antara inflasi dan pengangguran boleh diperjelaskan dalam dua tempoh iaitu jangka pendek dan jangka penjang. Dalam jangka pendek, Terdapat hubungan songsang antara dua pembolehubah. Berdasarkan hubungan ini, apabila kadar pengangguran adalah tinggi kadar inflasi adalah rendah dan begitulah sebaliknya. Manakala untuk jangka panjang apabila ekonomi berkembang, pengangguran menurun menyebabkan inflasi meningkat. Keadaan ini mendorong para pekerja menuntut upah yang lebih tinggi. Keuntungan firma merosot dan ada yang rugi dan pekerja terpaksa diberhentikan. Ini menyebabkan pengangguran meningkat semula. Jadi dalam jangka panjang, hubungan sonsang tiada.Walaubagaimanapun, inflasi dikatakan bukanlah satu-satunya pembolehubah yang boleh mempengaruhi pengangguran. Terdapat beberapa kajian lepas yang menyatakan pengangguran juga boleh dipengaruhi oleh pembolehubah yang lain contohnya pelaburan langsung asing. Tujuan kajian ini akan mengkaji hubungan jangka panjang antara pengangguran, inflasi dan aliran masuk pelaburan langsung asing di Singapura.

2.0Kajian Literatur

Kajian oleh Philips (1958) telah membuka kepada kajian hubungan antara pengangguran dan kadar inflasi. Pada awal kajian Philips (1958) telah menemui hubungan yang songsang antara perubahan kadar upah dengan pengangguran di British. Friedman (1968) mempersoalkan hubungan keluk Philips apabila data inflasi dan pengangguran bagi Amerika Syarikat selepas tahun 1970 tidak menunjukkan hubungan yang jelas. Kajian Friedman (1968) dan Edmund (1967) menyatakan bahawa hubungan negatif yang stabil antara pengangguran dengan kadar inflasi hanya wujud dalam jangka masa pendek apabila inflasi dijangka tidak berubah. Manakala keluk philips dalam jangka masa panjang berlaku apabila inflasi dijangka berubah dan sama dengan kadar inflasi sebenar. Friedman mengesyorkan hubungan yang positif boleh wujud dimana kadar inflasi dan kadar pengangguran sama-sama meningkat. Keadaan ini dikenali sebagai stagflasi. Keluk Philips jangka panjang juga boleh berbentuk menegak apabila tidak wujud tukar ganti antara inflasi dengan pengangguran. Walaubagaimanapun pengangguran juga boleh di pengaruhi oleh pembolehubah lain iaitu pelaburan langsung asing(FDI). Kebanyakan kajian lepas menunjukkan FDI sebagai sumber penting modal, pelengkap kepada pelaburan domestik swasta, menjana lebih banyak peluang pekerjaan, pemindahan teknologi dan seterusnya merancakkan pertumbuhan ekonomi dinegara tuan rumah (Chowdhury & Mavrotas, 2006). Ini dibuktikan daripada hasil kajian Marian ,Dinga dan Daniel Mnich (2007), dalam kajian impak daripada pelaburan asing dalam projek Toyota-Peugeot Citon Automobile (TPCA) terhadap pasaran tenaga kerja di daerah Kolin, Republik Czech anatara tahun 1993 -2006 yang menggunakan kaedah OLS, mendapati FDI mempunyai kesan yang signifikan. Kemasukan FDI telah mengurangkan jumlah pengangguran sebanyak 1.7% dan meningkatkan guna tenaga 3.7%.Norhayati Baharin, Ishak Yussof dan Rahmah Ismail (2012) kajian yang bertajuk faktor yang mempengaruhi kadar pengangguran di Malaysia. Kajian ini memfokuskan empat pembolehubah makroekonomi yang mempengaruhi kadar pengangguran iaitu KNDK, FDI, keterbukaan ekonomi dan kadar inflasi . Keputusan mendapati kadar pengangguran di Malaysia adalah dipengaruhi oleh keterbukaan ekonomi dan KDNK dalam jangka panjang dan jangka pendek. Sebaliknya pembolehubah kadar pertumbuhan pelaburan langsung asing mempengaruhi kadar pengangguran dalam jangka masa pendek sahaja. Kadar inflasi tidak signifikan kedua-dua tempoh jangka masaMohsen Bahmani-Oskooe dan Raymond Chi Wing Ng(2002). Kajian ini telah menggunakan model kaedah ekonometrik siri masa iaitu Autoregressive Distributed lag (ARDL) untuk mengkaji permintaan wang jangka panjang di Hong Kong. Penemuan kajian adalah mendapati kewujudan hubungan jangka panjang antara wang agregat benar, pendapatan benar, kaedah faedah nominal, kadar faedah asing dan kadar pertukaran asing.

3.0 OBJEKTIF KAJIAN

1. Melihat kewujudan keluk Philip antara inflasi dan pengangguran di Singapura dimana dalam jangka pendek wujud hubungan sonsang manakala jangka panjang wujudnya hubungan positif.2. Melihat faktor penentu lain dengan pengangguran dimana faktor tersebut pelaburan langsung asing dimana adakah faktor juga boleh mempengaruhi pengangguran di Singapura.

4.0 METODOLOGI DAN PEMBENTUKAN MODEL KAJIAN

Analisis kajian adalah menggunakan kaedah Autoregressive Distributed lag (ARDL) yang dicadangkan oleh Pesaran & Shin (1996) .Data yang digunakan dalam kajian ini diperolehi daripada data sekunder yang dikeluarkan oleh World Bank dan Data Stream. Data siri masa yang dikumpulkan adalah meliputi tempoh 1983 hingga 2012 iaitu selama tempoh 30 tahun. Model kajian pula dibentuk berdasarkan kajian-kajian yang lepas untuk mengkaji hubungan pengangguran dengan pembolehubah-pembolehubah lain. Pengangguran adalah merupakan pembolehubah bersandar manakala faktor-faktor lain yang menentukan pengangguran sebagai pembolehubah-pembolehubah tidak bersandar.Oleh kerana objektif kajian ialah untuk melihat hubungan pengangguran dan pembolehubah lain di Singapura. Maka dengan itu, fungsi tersebut boleh ditulis dalam bentuk model fungsi log linear yang ditulis seperti berikut:

In UNEt = 0 + 0 INFt + 1 In FDIt + tyang mana UNEt, INFt, FDIt dan t masing-masing ialah pengangguran, kadar inflasi, pelaburan langsung asing dan ralat rawak. Kemudian, pendekatan versi ARDL untuk melihatkan kointegrasi yang diperkenalkan oleh Pesaran, Shin dan Smith (2001) adalah untuk melihat kewujudan hubungan jangka panjang. Dengan lebih khususnya, persamaan tersebut adalah

In UNEt = a0 + 0 In UNEt-j + 1 INFt-j + 2 In FDIt-j + n1 In UNEt-1 + n2 INFt-1 + n3 In FDIt-1 + tyang mana ni pekali bagi jangka masa panjang, ao ialah pintasan, ialah pembezaan pertama pembolehubah dan p ialah lat optimum.Langkah pertama dalam ARDL ialah melakukan kaedah ujian batas dengan menganggarkan persamaan di atas melalui OLS bagi menguji kewujudan hubungan jangka panjang antara pembolehubah pembolehubah dengan melakukan ujian kesignifikanan terhadap pembolehubah dalam model pembetulan ralat . Ini dapat dilakukan dengan menggunakan statistik-F. Hipotesis nul yang mengatakan tidak wujud hubungan jangka masa panjang antara pembolehubah ialah Ho : n1= n2 = n3 =n4 = 0. Manakala hipotesis alternatif mengatakan wujud hubungan jangka masa panjang ialah H1 : n1 n2 n3 n4 0. Merujuk kepada Pesaran et al (2001), batas nilai kritikal terbawah (lower bound critical) mengandaikan pembolehubah-pembolehubah penerang berintegrasi pada aras I(0) dan batas nilai kritikal teratas (upper bound critical) mengandaikan pembolehubah-pembolehubah penerang berintegrasi pada aras I(1). Jika nilai statistik F yang dikira (hasil daripada regrasi) berada diatas batas kritikal teratas, maka hipotesis null yang mengatakan tidak wujud hubungan jangka panjang akan ditolak. Sebaliknya jika nilai statistik-F berada di bawah batas nilai kritikal terbawah, maka hipoteis null tidak dapat ditolak. Sekiranya nilai statistik-F berada diantara dua batas nilai kritikal tersebut, maka tidak dapat dipastikan apakah wujud hubungan jangka panjang atau tidak. Langkah kedua pendekatan ARDL ialah sekiranya terdapat hubungan jangka masa panjang antara pembolehubah-pembolehubah yang diuji, model jangka masa panjang akan dianggarkan seperti berikut:

In UNEt = a0 + 0 In UNEt-j + 1 INFt-j + 2 In FDIt-j + t Langkah ketiga dan yang terakhir ialah menganggar hubungan dinamik jangka masa pendek dengan menerbitkan model terma pembetulan ralat kepada pengangguran. Fungsi tersebut adalah

In UNEt = c0 + InUNEt-j + INFt-j + FDIt-j + ECTt-1 + t

yang mana , , dan adalah pekali dinamik jangka masa pendek dan ialah pekali bagi kecepatan penyesuaian menuju keseimbangan jangka masa panjang.

5.0 KEPUTUSAN DAN PERBINCANGAN

Sebelum menguji kewujudan berkointegrasi antara semua pembolehubah makro yang diuji, terlebih dahulu dijalankan ujian punca unit yang menggunakan ujian PHILLIP-PERRON. Walaupun kaedah ARDL tidak memerlukan pra ujian untuk mengetahui darjah integrasi terhadap pembolehubah bebas tersebut sama ada I(0) atau I(1), ujian punca unit masih diperlukan untuk memastikan kesemua pembolehubah bebas tidak pegun pada peringkat I(2) yang mengundang kepada keputusan yang palsu. Menurut Fosu & Magnus (2006), sekiranya pembolehubah yang diuji pegun pada pada I(2), kiraan F statistik yang terhasil adalah tidak sah kerana kaedah ujian batasan berdasarkan andaian bahawa pembolehubah pegun pada aras I(0) atau I(1). Maka ujian punca unit juga akan memastikan sama ada kaedah ARDL perlu digunakan atau sebaliknya. Jadual 1 menunjukkan hasil keputusan ujian punca unit yang dijalankan ke atas data siri masa bagi semua pembolehubah berkenaan melalui ujian Phillip-Perron. Bilangan lat ditentukan dengan Bandwidth. Ujian yang dilakukan mengambil kira ujian yang memasukkan pembolehubah pintasan dan tren.

JADUAL 1: KEPUTUSAN UJIAN KEPEGUNAN MENGGUNAKAN UJIAN PHILLIP-PERRONPembolehubahArasTahap Pembezaan Pertama

PintasanPintasan dan TrenPintasanPintasan dan Tren

In UNEt-1.579299-2.293831-7.412147***-6.270487***

INFt1.747960-2.709268*-0.367105-3.465221*

In FDIt-1.052881-4.207690**-17.10979***-17.32698***

( ***) signifikan pada aras keertian 1%, (**) signifikan pada aras keertian 5%, (*) signifikan pada aras keertian 10%

Berdasarkan jadual 1, keputusan ujian kepegunan yang menggunakan regrasi pintasan tanpa tren didapati semua pembolehubah siri masa tidak pegun pada aras 1(0). Ujian yang menggunakan regrasi dengan pintasan dan tren pula didapati hanya 2 pembolehubah iaitu INFt yang pegun pada aras keertian 1% manakala pembolehubah In FDIt pegun pada aras keertian 5% . Ujian seterusnya dijalankan dengan melakukan tahap pembezaan pertama , I(1). Melalui keputusan tersebut didapati semua pembolehubah adalah pegun pada tahap keertiaan 1% melalui regrasi dengan pintasan tanpa tren kecuali INFt. Manakala ujian regrasi dengan menggunakan pintasan dan tren juga didapati kesemua pembolehubah adalah pegun pada tahap keertian 1% iaitu In UNEt dan In FDIt `manakala INFt pula pegun pada aras keertiaan 1%. Ini bermakna ujian kepegunan pada tahap pembezaan pertama melalui regrasi pintasan dan tren adalah model yang terbaik kerana semua pembolehubah siri masa adalah pegun iaitu mempunyai tren stokastik secara bersama mengikut masa.Langkah seterusnya adalah melakukan ujian batasan kepada kointegrasi. Kajian ini memerlukan memilih tempoh lag yang signifikan. Dalam kajian ini lag 2,3 dan 4 telah dilakukan ujian. Dalam jadual menunjukkan hasil ujian tersebut dimana ujian statistic F dilakukan. Hasil keputusan kajian, lag 2 dan lag 3 adalah signifikan. Penentuan lag 2 telah dipilih untuk membuat kajian seterusnya. Mengikut Pesaran(2001) untuk data tahunan, lag optimum adalah 2 dan menurut Bahmani-Oskooee, penentuan lag panjang berdasarkan pada nilai pertama siginifikan. Oleh itu, hipotesis null yang menyatakan tidak wujud hubungan jangka panjang di tolak.

JADUAL 2: UJIAN BATASAN KOINTEGRASILATF-STATISTIK

230.4783***

329.7189***

435.4955***

( ***) signifikan pada aras keertian 1%, (**) signifikan pada aras keertian 5%, (*) signifikan pada aras keertian 10%NotaNilai kritikal batas diberi dalam jadual C1(iii) oleh M.H. Pesaran, Y. Shin dan R.J Smith dirujuk. Nilai bagi 2 pembolehubah tidak bersandar adalah 3.717- 4.14 pada aras keyakinan 90% dan 3.79 4.85 pada aras keyakinan 95%. Langkah seterusnya, penganggaran pekali jangka panjang dilakukan.Penganggaran ini dilakukan dengan menggunakan 3 model iaitu AIC, SIC dan R2 terlaras (adjusted R2). Keputusan mendapati hasil ketiga-tiga model tersebut adalah sama. Dalam kajian di Singapura mendapati inflasi dan pelaburan langsung asing mempunyai hubungan dalam jangka panjang dengan pengangguran. Buktinya adalah inflasi dan pelaburan langsung asing signifikan pada aras keertian 1% ditunjukkan dalam jadual 3. Daripada nilai koefisien inflasi menunjukkan hubungan jangka panjang adalah positif manakala nilai koefisien pelaburan langsung asing menunjukan nilai negatif. Hal ini menunjukkan hubungan positif antara inflasi dan pengangguran dalam jangka panjang di Singapura. Manakala hubungan antara pelaburan langsung asing dan pengangguran menunjukkan negatif.Hasil keputusan jangka panjang inflasi ini menyokong Friedman(1968) yang mendapati peningkatan inflasi meningkatkan pengangguran dalam jangka masa panjang . Terbukti keluk Philip yang mewujudkan kesatuan pekerja telah wujud bagi negara Singapura. Dapatan kajian juga menyokong kajian Thirunaukarasu (2008) yang mendapati dalam jangka masa panjang peningkatan pelaburan langsung asing akan mengurangkan pengangguran. Pertambahan pelaburan langsung asing sebanyak 1% telah mengurangkan pengangguran sebanyak 0.65%.

JADUAL 3: PENGANGGARAN PEKALI JANGKA PANJANG SINGAPURA-PENDEKATAN ARDL ARDL (1,1,0)PEMBOLEHUBAHMODEL MODEL MODEL

(R BAR SQUARE) (SBC) (AIC)

INF0.090839***0.090839***0.090839***

In FDI-0.65478*-0.65478*-0.65478*

Pintasan18.0524***18.0524***18.0524***

( ***) signifikan pada aras keertian 1%, (**) signifikan pada aras keertian 5%, (*) signifikan pada aras keertian 10%

Dalam Keputusan penganggaran dinamik pekali jangka pendek yang diperolehi daripada persamaan terma pembetulan ralat (ECT) ditunjukkan dalam jadual 4. Hasil kajian menunjukkan dalam jangka masa pendek, hubungan pembolehubah-pembolehubah makro yang diuji terhadap kadar pengangguran di Singapura berbeza seperti yang ditunjukkan dalam jangka masa panjang. Inflasi merupakan pembolehubah yang signifikan mempengaruhi kadar pengangguran iaitu pada aras keertian 1%. Ini menunjukkan, pembolehubah inflasi signifikan dalam mempengaruhi kadar pengangguran bagi tempoh jangka masa panjang dan jangka masa pendek. Hal ini membuktikan hubungan sonsang wujud di Negara Singapura dan membuktikan keluk Philip wujud di Negara Singapura. Pembolehubah pelaburan langsung asing menunjukkan nilai yang signifikan pada aras keertiaan 1%. Nilai koefisien pelaburan langsung asing menunjukan nilai negatif. Ini bermaksud dalam jangka pendek juga mendapati hubungan pelaburan langsung asing dan inflasi menujukkan terdapatnya hubungan sonsang. Keputusan ini adalah sama kajian daripada Marian ,Dinga dan Daniel Mnich (2007) yang membuktikan pertambahan pelaburan langsung asing dapat menggurangkan pengangguran.

JADUAL 4: MODEL TERMA PEMBETULAN RALAT (KADAR PENGANGGURAN)ARDL (1,1,0)CRITERIA : SCWARZ BAYESIAN CRITERION(SBC)

PEMBOLEHUBAH TIDAK BERSANDAR

INF -0.069210*** [-3.0440 ]

InFDI -0.23307*** [ -2.9239]

PINTASAN6.4258*** [ 4.6820 ]

ECTt-1-0.35595*** [-3.1017 ]

R20.58220

ADJUSTED R20.50954

F-STATISTIK10.6835***

DW-STATISTIK1.9745

( ***)signifikan pada aras keertian 1%, (**) signifikan pada aras keertian 5%

Pekali bagi terma pembetulan ralat (ECT) didapati signifikan pada aras keertian 1%. Ini bermaksud wujudnya pelarasan dalam jangka masa pendek untuk menuju keseimbangan dalam jangka masa panjang dalam model tersebut. Kira-kira 35% (pekali ECT = -0.35) daripada ketakseimbangan dari kejutan tahun sebelumnya diselaraskan kembali kepada keseimbangan jangka panjang dalam tahun semasa. Model regrasi ARDL menunjukkan nilai R2 yang tinggi iaitu 58%. Ini bermakna pembolehubah -pembolehubah tak bersandar dapat menerangkan pembolehubah pengangguran sebanyak 58%. Keputusan ujian diagnostik juga menunjukkan bahawa model tersebut lulus semua ujian bagi ujian korelasi bersiri, ujian kenormalan dan ujian hetrokedastisiti. Ujian CUSUM dan CUSUM(of squares) menunjukkan data yang digunakan adalah stabil kerana plot statistic CUSUM dan CUSUM(of squares) berada sekitar sifar dan tidak melebihi garisan 5 peratus selang keyakinan.Keputusan ujian kestabilan CUSUM dan CUSUM(of squares) dapat dilihat dalam gambarajah 1.

6.0 KESIMPULAN

Kajian yang dijalankan ini bertujuan mengenalpasti pembolehubah makroekonomi sebagai faktor yang mempengaruhi kadar pengangguran di Singapura bagi tempoh kajian yang meliputi tahun 1983 hingga 2012 dengan menggunakan data siri masa. Kajian ini telah memfokuskan kepada dua pembolehubah makroekonomi yang mempengaruhi kadar pengangguran iaitu kadar inflasi dan kadar pertumbuhan FDI. Pemilihan pembolehubah-pembolehubah makroekonomi ini adalah berdasarkan kajian-kajian lepas yang telah dijalankan. Pengujian empirikal dibuat menggunakan kaedah ekonometrik siri masa iaitu Autoregressive Distributed Lag (ARDL) yang dicadangkan oleh Pesaran dan Shin (1996) untuk melihat hubungan faktor penentu dengan kadar pengangguran. Keputusan daripada penganggaran yang dibuat mendapati kadar pengangguran di Singapura adalah sangat signifikan dipengaruhi oleh inflasi. Pembolehubah ini mempengaruhi kadar pengangguran dalam jangka masa panjang dan jangka masa pendek. Dalam jangka pendek menunjukkan hubungan negatif manakala dalam jangka panjang menunjukkan hubungan positif. Hal ini menunjukkan terbuktinya keluk Philip wujud bagi negara Singapura. Daripada hubungan ini mendapati, polisi yang digunakan oleh Singapura iaitu polisi kadar pertukaran atau exchange rate targeting yang diperkenalkan pada tahun 1981 tidak memberikan kesan buruk kepada hubungan antara inflasi dengan pengangguran. Mata wang dollar yang digunakan oleh Singapura telah menyebabkan keluk Philip wujud di Singapura.Hasil kajian juga mendapati pembolehubah kadar pertumbuhan pelaburan langsung asing signifikan mempengaruhi kadar pengangguran bagi kedua-dua tempoh jangka masa. Hubungan antara inflasi dengan pengangguran menunjukkan hubungan negatif atau songsang wujud dalam jangka pendek dan jangka panjang.,ianya secara tidak langsung menyokong kajian-kajian lepas dilakukan oleh Chowdhury & Mavrotas, 2006 yang menyatakan peningkatan FDI akan menggurangkan pengangguran iaitu melibatkan hubungan negatif. Hasil daripada polisi kadar pertukaran telah menyebabkan pelaburan langsung asing telah meningkat di Singapura. Hal ini dapat mengurangkan pengangguran di Singapura.

GAMBAR RAJAH 1: PLOT UJIAN KESTABILAN CUSUM DAN CUSUM(SQUARES)

GAMBARAJAH 2: FUNGSI IMPULS RESPON

LAMPIRAN

Ujian kepegunan

Null Hypothesis: LUNE has a unit root

Exogenous: Constant

Bandwidth: 4 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-1.5792990.4801

Test critical values:1% level-3.679322

5% level-2.967767

10% level-2.622989

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(LUNE) has a unit root

Exogenous: Constant

Bandwidth: 16 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-7.4121470.0000

Test critical values:1% level-3.689194

5% level-2.971853

10% level-2.625121

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: LUNE has a unit root

Exogenous: Constant, Linear Trend

Bandwidth: 5 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-2.2938310.4239

Test critical values:1% level-4.309824

5% level-3.574244

10% level-3.221728

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(LUNE) has a unit root

Exogenous: Constant, Linear Trend

Bandwidth: 14 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-6.2704870.0001

Test critical values:1% level-4.323979

5% level-3.580623

10% level-3.225334

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: INF has a unit root

Exogenous: Constant

Bandwidth: 3 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic1.7479600.9995

Test critical values:1% level-3.679322

5% level-2.967767

10% level-2.622989

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(INF) has a unit root

Exogenous: Constant

Bandwidth: 2 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-2.7092680.0851

Test critical values:1% level-3.689194

5% level-2.971853

10% level-2.625121

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: INF has a unit root

Exogenous: Constant, Linear Trend

Bandwidth: 3 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-0.3671050.9841

Test critical values:1% level-4.309824

5% level-3.574244

10% level-3.221728

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(INF) has a unit root

Exogenous: Constant, Linear Trend

Bandwidth: 3 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-3.4652210.0630

Test critical values:1% level-4.323979

5% level-3.580623

10% level-3.225334

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: LGDP has a unit root

Exogenous: Constant

Bandwidth: 2 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-0.9587850.7542

Test critical values:1% level-3.679322

5% level-2.967767

10% level-2.622989

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(LGDP) has a unit root

Exogenous: Constant

Bandwidth: 0 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-4.6750900.0009

Test critical values:1% level-3.689194

5% level-2.971853

10% level-2.625121

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: LGDP has a unit root

Exogenous: Constant, Linear Trend

Bandwidth: 1 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-1.6517440.7465

Test critical values:1% level-4.309824

5% level-3.574244

10% level-3.221728

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(LGDP) has a unit root

Exogenous: Constant, Linear Trend

Bandwidth: 1 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-4.6598000.0046

Test critical values:1% level-4.323979

5% level-3.580623

10% level-3.225334

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: LFDI has a unit root

Exogenous: Constant

Bandwidth: 10 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-1.0528810.7203

Test critical values:1% level-3.679322

5% level-2.967767

10% level-2.622989

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(LFDI) has a unit root

Exogenous: Constant

Bandwidth: 27 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-17.109790.0001

Test critical values:1% level-3.689194

5% level-2.971853

10% level-2.625121

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: LFDI has a unit root

Exogenous: Constant, Linear Trend

Bandwidth: 8 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-4.2076900.0126

Test critical values:1% level-4.309824

5% level-3.574244

10% level-3.221728

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: D(LFDI) has a unit root

Exogenous: Constant, Linear Trend

Bandwidth: 27 (Newey-West automatic) using Bartlett kernel

Adj. t-StatProb.*

Phillips-Perron test statistic-17.326980.0000

Test critical values:1% level-4.323979

5% level-3.580623

10% level-3.225334

*MacKinnon (1996) one-sided p-values.

Variable Deletion Test (OLS case) ******************************************************************************* Dependent variable is DLUNE List of the variables deleted from the regression: LUNE(-1) INF(-1) LFDI(-1) 28 observations used for estimation from 1985 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] C .11610 .084768 1.3696[.187] DLUNE(-1) .091004 .21581 .42168[.678] DLUNE(-2) -.16453 .20208 -.81415[.426] DINF -.060538 .031709 -1.9092[.071] DINF(-1) .067315 .036977 1.8205[.084] DINF(-2) -.015917 .040642 -.39163[.700] DLFDI -.18936 .097634 -1.9395[.067] DLFDI(-1) -.11065 .11397 -.97088[.344] DLFDI(-2) -.15874 .10517 -1.5093[.148] ******************************************************************************* Joint test of zero restrictions on the coefficients of deleted variables: Lagrange Multiplier Statistic CHSQ( 3)= 13.3015[.004] Likelihood Ratio Statistic CHSQ( 3)= 18.0449[.000] F Statistic F( 3, 16)= 4.8264[.014] *******************************************************************************

Variable Deletion Test (OLS case) ******************************************************************************* Dependent variable is DLUNE List of the variables deleted from the regression: LUNE(-1) INF(-1) LFDI(-1) 27 observations used for estimation from 1986 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] C .10408 .088869 1.1711[.260] DLUNE(-1) -.7317E-3 .21329 -.0034305[.997] DLUNE(-2) -.33101 .20744 -1.5957[.131] DLUNE(-3) -.17951 .20152 -.89075[.387] DINF -.092487 .032856 -2.8149[.013] DINF(-1) .060567 .034358 1.7628[.098] DINF(-2) -.014977 .040395 -.37077[.716] DINF(-3) .073202 .040286 1.8171[.089] DLFDI -.22267 .094456 -2.3574[.032] DLFDI(-1) -.12309 .11605 -1.0606[.306] DLFDI(-2) -.13489 .11836 -1.1396[.272] DLFDI(-3) -.067126 .10325 -.65014[.525] ******************************************************************************* Joint test of zero restrictions on the coefficients of deleted variables: Lagrange Multiplier Statistic CHSQ( 3)= 11.0356[.012] Likelihood Ratio Statistic CHSQ( 3)= 14.1879[.003] F Statistic F( 3, 12)= 2.7651[.088] *******************************************************************************

Variable Deletion Test (OLS case) ******************************************************************************* Dependent variable is DLUNE List of the variables deleted from the regression: LUNE(-1) INF(-1) LFDI(-1) 26 observations used for estimation from 1987 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] C .15926 .10001 1.5924[.140] DLUNE(-1) -.24234 .23605 -1.0267[.327] DLUNE(-2) -.41948 .21179 -1.9806[.073] DLUNE(-3) -.31894 .20696 -1.5411[.152] DLUNE(-4) .085618 .21532 .39763[.699] DINF -.085086 .031100 -2.7359[.019] DINF(-1) .027311 .041787 .65358[.527] DINF(-2) -.022996 .035736 -.64348[.533] DINF(-3) .080997 .036722 2.2057[.050] DINF(-4) .049085 .041292 1.1887[.260] DLFDI -.26767 .084755 -3.1581[.009] DLFDI(-1) -.24920 .11414 -2.1834[.052] DLFDI(-2) -.29949 .12318 -2.4313[.033] DLFDI(-3) -.19991 .11223 -1.7813[.102] DLFDI(-4) -.18053 .10723 -1.6836[.120] ******************************************************************************* Joint test of zero restrictions on the coefficients of deleted variables: Lagrange Multiplier Statistic CHSQ( 3)= 7.5414[.057] Likelihood Ratio Statistic CHSQ( 3)= 8.9067[.031] F Statistic F( 3, 8)= 1.0895[.408] *******************************************************************************

Diagnostic Tests ******************************************************************************** Test Statistics * LM Version * F Version ********************************************************************************* * * ** A:Serial Correlation*CHSQ( 1)= .92905[.335]*F( 1, 15)= .51479[.484]** * * ** B:Functional Form *CHSQ( 1)= .56748[.451]*F( 1, 15)= .31030[.586]** * * ** C:Normality *CHSQ( 2)= 1.1100[.574]* Not applicable ** * * ** D:Heteroscedasticity*CHSQ( 1)= .11764[.732]*F( 1, 26)= .10970[.743]******************************************************************************** A:Lagrange multiplier test of residual serial correlation B:Ramsey's RESET test using the square of the fitted values C:Based on a test of skewness and kurtosis of residuals D:Based on the regression of squared residuals on squared fitted values

Estimated Long Run Coefficients using the ARDL Approach ARDL(1,1,0) selected based on R-BAR Squared Criterion ******************************************************************************* Dependent variable is LUNE 28 observations used for estimation from 1985 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] INF .090839 .032385 2.8050[.010] LFDI -.65478 .34988 -1.8714[.074] C 18.0524 5.3217 3.3922[.003]

Estimated Long Run Coefficients using the ARDL Approach ARDL(1,1,0) selected based on Akaike Information Criterion ******************************************************************************* Dependent variable is LUNE 28 observations used for estimation from 1985 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] INF .090839 .032385 2.8050[.010] LFDI -.65478 .34988 -1.8714[.074] C 18.0524 5.3217 3.3922[.003] *******************************************************************************

Estimated Long Run Coefficients using the ARDL Approach ARDL(1,1,0) selected based on Schwarz Bayesian Criterion ******************************************************************************* Dependent variable is LUNE 28 observations used for estimation from 1985 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] INF .090839 .032385 2.8050[.010] LFDI -.65478 .34988 -1.8714[.074] C 18.0524 5.3217 3.3922[.003] *******************************************************************************Error Correction Representation for the Selected ARDL Model ARDL(1,1,0) selected based on Schwarz Bayesian Criterion ******************************************************************************* Dependent variable is dLUNE 28 observations used for estimation from 1985 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] dINF -.069210 .022737 -3.0440[.006] dLFDI -.23307 .079712 -2.9239[.007] dC 6.4258 1.3724 4.6820[.000] ecm(-1) -.35595 .11476 -3.1017[.005] ******************************************************************************* List of additional temporary variables created: dLUNE = LUNE-LUNE(-1) dINF = INF-INF(-1) dLFDI = LFDI-LFDI(-1) dC = C-C(-1) ecm = LUNE -.090839*INF + .65478*LFDI -18.0524*C ******************************************************************************* R-Squared .58220 R-Bar-Squared .50954 S.E. of Regression .18548 F-stat. F( 3, 24) 10.6835[.000] Mean of Dependent Variable .032358 S.D. of Dependent Variable .26485 Residual Sum of Squares .79125 Equation Log-likelihood 10.1985 Akaike Info. Criterion 5.1985 Schwarz Bayesian Criterion 1.8680 DW-statistic 1.9745 ******************************************************************************* R-Squared and R-Bar-Squared measures refer to the dependent variable dLUNE and in cases where the error correction model is highly restricted, these measures could become negative.

RUJUKAN

Agbola, F.W. and Damoense, M.Y. (2005) Time-series estimation of import demand functions for pulse in India, Journal of Economic Studies, Vol. 32, No. 2, pp. 146-157Akaike, H. (1974). A New Look at the Statistical Model Identification, IEEE Transaction on Automatic Control, Vol.19, pp.716-723.Bahmani-Oskooee, M. and Bohl, M. (2000) German monetary unification and the stability of the German M3 money demand function. Economics Letters, 66, pp. Dickey, D. and Fuller, W. (1979). Distribution of the Estimators for Autoregressive Time Series with a Unit Root, Journal of the American Statistical Association, Vol. 74, No.366, pp. 427-431.Dickey, D. and Fuller, W. (1981). Likelihood Ratio Tests for Autoregressive Time Series with a Unit Root, Econometrica, Vol.49, No. 4, pp.057-1072. Narayan, P.K. (2005) The saving and investment nexus for China: Evidence from cointegration tests. Applied Economics, 37, pp. 1979-1990.Norhayati Baharin, Ishak Yussof dan Rahmah Ismail (2012). Faktor-faktor yang Mempengaruhi Pengangguran di MalaysiaOkun, A.M. (1975) Inflation: Its mechanics and welfare costs. Brookings papers on Economic Activity, 2, pp. 351-390Okun, A.M. (1980) Postwar Macroeconomic Performance, in M.S. Feldstein (ed.) The American Economy in Transitory, Chicago: University of Chicago PressPesaran, M.H., Shin, Y. and Smith, R.J. (2001) Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16, pp. 289-326.Pesaran, M.H. and Pesaran, B. (2002) Working with Microfit 4.0 Interactive Econometric Analysis. Great Britain, Oxford University Press.Phillips, A.W.H. (1958) The relationship between unemployment and the rate of change of money wages in United Kingdom, 1861 1957. Economica, 15, pp. 283-300.Phillips, P.C.B. and Hansen, B.E. (1990) Statistical inference in instrumental variables regression with I(1) processes. Reviews of Economic Studies, 57, pp. 99-125Phelps, E. (1967) Phillips curves, expectations of inflation and optimal unemployment over time. Economica, 34, pp. 254-281.Turner, P. (1997) The Phillips curve, parameter instability and the Lucas critique. Applied Economics, 29(1), pp. 7-10.Yusuff, M. (1988) Unanticipated money, price level and output in Malaysia. Analisis, 3(1&2), pp. 65-80.

21