KESIMPULAN DAN SARAN - ANALISIS HUBUNGAN EKSPOR JAHE INDONESIA, CINA, INDIA, BELANDA SERTA PENG

6.1 Kesimpulan

Berdasarkan penelitian yang telah dilakukan, maka dapat disimpulkan sebagai berikut :

1. Hasil hubungan ke 4 negara (Indonesia, Cina, India, Belanda) mengindikasikan bahwa terdapat kointegrasi yang terjadi pada kegiatan ekspor jahe di pasar Internasional. Indonesia, Cina, India, Belanda terlibat dalam hubungan jangka panjang, namun yang saling mempengaruhi signifikan terhadap peningkatan dan penurunan ekspor jahe hanya Indonesia, Belanda, dan India.

2. Hasil pengaruh shock/guncangan dari Cina, India, Belanda terhadap Indonesia menggunakan IRF untuk periode Januari 2018 - Desember 2024 mendatang, menunjukkan bahwa jika ada guncangan (shock) peningkatan dari Cina maka Indonesia akan merespon secara negatif artinya akan terjadi penurunan ekspor jahe Indonesia. Dan jika ada guncangan (shock) peningkatan dari India maka Indonesia akan merespon secara positif artinya akan terjadi peningkatan ekspor jahe Indonesia, begitupun dengan Belanda, jika ada guncangan (shock) peningkatan dari Belanda maka Indonesia akan merespon secara positif sehingga artinya akan terjadi peningkatan ekspor jahe di Indonesia.

3. Hasil pengaruh perubahan ekspor jahe di Indonesia, Cina, India, Belanda menggunakan Forecast Error Variance Decomposition (FEVD) untuk periode Januari 2018 - Desember 2024, menunjukkan ekspor jahe Indonesia akan

113 meningkat yang pengaruhnya didominasi oleh Indonesia itu sendiri sebesar 92%, Belanda 7%, Cina 0.2%, dan India 0.8%. Untuk ekspor jahe Cina menujukan ekspor akan meningkat yang pengaruhnya didominasi oleh Cina 80%. Indonesia 4%, India 5% dan Belanda 11%. Untukk ekspor jahe India menujukan ekspor akan meningkat yang pengaruhnya didominasi oleh India 68%, Indonesia 20%, Cina 6%, dan Belanda 6%. Sedangkan untuk ekspor jahe Belanda akan terjadi peningkatan ekspor yang pengaruhnya didominasi oleh Indonesia 73%, Cina 1%, India 5%, dan Belanda 21%.

6.2 Saran

Pada penelitian ini penulis menyarankan beberapa hal kepada Departemen Pertanian dan Perdagangan komoditas jahe yakni sebagai berikut :

1. Sebaiknya, Departemen Perdagangan harus bisa meningkatkan ekspor jahe dan memudahkan kebijakan ekspor, karena kegiatan ekspor jahe Indonesia bernilai positif bagi devisa negara, dan dalam pengambilan kebijakan sebaiknya Indonesia memiliki data lengkap dan fokus juga pada ekspor jahe Belanda dan India, karena Belanda dan India sangat mempengaruhi peningkatan dan penurunan ekspor di Indonesia.

2. Indonesia harus siap merespon dengan baik atas segala guncangan ekspor dari Cina, India, dan Belanda, oleh karena itu harus adanya peningkatan sumber daya manusia untuk berperan aktif menganalisa berbagai perubahan perubahan yang terjadi di negara pesaing utama jahe. Dengan ketersediaan data dan pengetahuan, maka Indoesia dapat dengan baik merespon berbagai guncangan.

114 3. Indonesia cukup banyak memasok jahe untuk negara India dan Belanda, oleh karena itu harus adanya perbaikan dari Departemen Pertanian terkait peningkatan produktivitas jahe Indonesia, sebaiknya dilakukan perbaikan dan peningkatan sumber daya manusia, mesin, kerjasama antar petani dan pengusaha jahe, agar dapat menghasilkan jahe dalam jumlah banyak dan bermutu tinggi, dengan begitu Indonesia akan tetap menjadi negara pemasok jahe dunia.

115 DAFTAR PUSTAKA

Akbar, Rizky Aditya, Agus Rusgiyono dan Tarno. (2016). Analisis Integrasi Pasar Bawang Merah menggunakan Metode Vector Error Correction Model (VECM) (Studi Kasus : Harga Bawang Merah di Provinsi Jawa Tengah).

Jurnal Gaussian. Vol. 5 No. 6 Februari 2016. Hal 811-820.

Anggraeni, Wiwik, Retno Kuspinasih, Faizal Mahananto, Sumaryanto, Kuntoro Boga Andri dan Prasetyono. (2017) Model Vector Autoregressive (VAR) untuk Meramalkan Jumlah Pengadaan Beras (Studi Kasus : Jawa Timur).

Jurnal Sesindo. Seminar Nasional Sistem Informasi Indonesia. November 2017. Hal. 271-278.

Backer, C.A., & Bakhuisen van den Brink R.C (1968). Flora of Java (Spermatophytes Only). Vol. III Wolters-Noordhoff, N.V. Groningen: The Belandas.

Badan Pusat Statistik. (2018). Produk Domestik Bruto. Jakarta: Badan Pusat Statistik.

Badan Pusat Statistik. (2018). Statistik Tanaman Biofarmaka Indonesia. Jakarta:

Badan Pusat Statistik

Badan Pusat Statistik. (2018). Buletik Statistik Perdagangan Luar Negri Ekspor.

Jakarta: Badan Pusat Statistik

Badan Standarisasi Nasional. (2018). Standar Nasional Indonesia No. 01-3179-2018 tentang Jahe Segar. Jakarta : Badan Standarisasi Nasional

Balai Penelitian Tanaman Obat dan Rempah. (1997). Jahe. Bogor: Balai Penelitian Tanaman Rempah dan Obat

Cho, Doang Sung., Moon, Wy Chang. (2003). From adamsmith to michael porter (evolusi teori daya saing). Salemba Empat

Cronquist, A. (1981). An Integrated System of Classification of Flowering Plants.

Columbia University Press, New York. hlm. 1177-1180.

Davis J.H. and R.A. Goldberg. (1957). A Concept of Agribusiness. Graduate School of Business Administration. Harvad University. Harvad.

116 Direktorat Jenderal Hortikultura Kementerian Pertanian. (2018). Diakses dari http://database.pertanian.go.id/eksim/index1.asppada tanggal 25 Agustus 2018

Departemen Kesehatan RI. (2008). Farmakope Herbal Indonesia, Edisi 1. Jakarta : Departemen Kesehatan RI

Elpawati, Raditya Audayuda. (2017). Analisis Faktor Faktor Yang Mempengaruhi Impor Jagung di Indonesia dengan Menggunakan Model Regresi Linier Berganda. Jurnal Agribisnis. Vol.12 No. 2 Desember 2018. Hal 103-117.

FAO-Faostat. (2018). Food and Agriculture Organization Of The United Nations.

Diakses dari http://www.fao.org/faostat/en/#data/QC pada tanggal 25 Desember 2018.

Firdaus, M. (2011). Aplikasi Ekonometrika Untuk Data Panel dan Time Series.

Bogor. PT. Penerbit IPB Press.

FSCluster. (2016). Nigeria Food Security and Vulnerability Survey. FAO Nigeria.

Gumbira, Sa’id. dan A. Harizt Intan, (2004). Manajemen Agribisnis. Jakarta:

Ghalia Indonesia.

Hakim, Abdul. (2014). Pengantar Ekonometrika dengan Aplikasi EViews, Edisi 1 Cetakan 1. Ekonisia, Yogyakarta.

Hernani. (2011). Pengembangan Biofarmaka Sebagai Obat Herbal Untuk Kesehatan. Buletin Teknologi Pacapanen Pertanian: Vol 7 (1). Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian

Kementerian Perindustrian. (2017). Industri Jamu Indonesia, Edisi 1. Jakarta : Kementerian Perindustrian Republik Indonesia

Kementerian Perdagangan. (2017). Statistik Perdagangan Luar Negeri., Jakarta : Kementerian Perdagangan Republik Indonesia

Kuwara, S. (2008). Jahe dan Hasil Olahannya, Jakarta : Pustaka Sinar Harapan Latifah. (2008). Standar Operasional Prosedur Budidaya Jahe. Direktorat

Budidaya Tanaman Sayuran dan Biofarmaka, Departemen Pertanian, Jakarta.

Nachrowi, Djalal Nachrowi, Hardius Usman. (2006). Pendekatan Populer dan Praktis Ekonometrika untuk Analisis Ekonomi dan Keuangan. Jakarta:

Badan Penerbit Universitas Indonesia

117 Oktaviani, Mutiara. (2019). Peramalan Penjualan The Hijau Pada Tahun 2020 Pada PT. Rumpun Sari Kemuning 1 Karanganyar Jawa Tengah dengan Menggunakan Model vector autoregressive (VAR) dan Vector Error Correction Model (VECM). Universitas Syarif Hidayatullah. Jakarta Paimin, F. B. dan Murhanato. (2008). Budidaya, Pengelolaan, Perdagangan Jahe.

Jakarta : Penebar Swadaya.

Praditya, A. (2012). Analisis Pengaruh Capital Inflow Terhadap Nilai Tukar Rupiah dengan Menggunakan Model vector autoregressive (VAR) dan Vector Error Correction Model (VECM). Institut Pertanian Bogor. Bogor Pranyoto. (2017). Analisis Kointegrasi dan Kausalitas Granger Tingkat Suku Bunga Simpanan, Perubahan Nilai Tukar Rp/USD dan Return Pasar Saham di Bursa Efek Indonesia Menggunakan Model Vector Error Correction Model (VECM) dan Variance Decompotion. Jurnal Bisnis Damajaya. Vol.3 No.2, Juli 2017

Pribadi, E.R. (2013). Status dan Prospek Peningkatan Produksi dan Ekspor Jahe Indonesia. Perspektif, 12 (2): 79-90

Purwito, A dan Indriani. (2015). Ekspor, Impor, Sistem Harmonisasi, Nilai Pabean dan Pajak dalam Kepabeanan, Jakarta: Mitra Wacana Media.

Pusat Data dan Informasi Pertanian. (2016). Outlook komoditas pertanian subsektor hortikultura. Pusdatin Sekjen Kementerian Pertanian, Jakarta

Ramadhan. (2013). Aneka Manfaat Ampuh Rimpang Jahe untuk Pengobatan.

Surabaya : Diandra Primamitha,

Rosadi, Dedi. (2012). Ekonometrika dan Analisis Runtut Waktu Terapan dengan Eviews. CV. Yogyakarta: Andi Offset

Salvatore, Dominick. (2014). Ekonomi Internasional. Jakarta: Salemba Empat.

Saragih, Bungaran. (2001). Suara dari Bogor : Membangun Sistem Agribisnis.

Bogor: Yayasan USESE bekerjasama dengan Sucofindo

Sharma. A.B. (2004). Global Medicinal Plants Demand May Touch $5Trilion By 2050. Indian Express 2004

Siswono, Y.H, et al. (2004) Pertanian Mandiri Pandangan Strategis Para pakar Untuk Kemajuan Pertanian Indonesia. Jakarta: Penebar Swadaya.

118 Soekartawi. (2001). Pengantar Agroindustri Edisi 1 Cetakan ke 2. PT. Raja,

Jakarta: Grafindo Persada

Supranto, J. (1993). Metode Ramalan Kuantitatif untuk Perencanaan Ekonomi dan Bisnis. Jakarta: PT Rineka Cipta

Suprapti, M. Lies. (2003). Aneka Awetan Jahe. Teknologi Pengolahan. Kanisinus : Yogyakarta. Hal 12

Tambunan, Tulus. (2002). Perdagangan Internasional dan Neraca Pembayaran.

Jakarta: Pustaka LP3ES

UN Comtrade. (2018). International Trade in Goods Based on UN Comtrade Data.Diakses dari https://comtrade.un.org/data/pada tanggal 20 Desember 2018.

World Healt Organization (WHO). (2003)

Widarjono, Agus. (2013). Ekonometrika Pengantar dan Aplikasinya Disertai Panduan EViews. Yogyakarta: UPP SYIM YKPN.

119

LAMPIRAN

120 Lampiran 1. Data Ekspor Jahe Indonesia, Cina, India, Belanda Periode

Januari 2013 – Desember 2017 (Satuan ton)

Tahun Bulan Indonesia Cina India Belanda

2013

Januari 138.924 21232.962 345.173 2155.302 Februari 192.767 14628.714 502.004 3559.734 Maret 176.721 31701.162 371.367 2550.101 April 186.43 29683.634 439.474 1882.046 Mei 237.868 25591.627 405.002 1216.274 Juni 490.495 28955.866 271.309 1141.669 Juli 2438.868 27292.363 365.042 936.69 Agustus 3805.194 24357.956 1507.766 443.523 September 3240.133 22190.725 875.742 413.297 Oktober 3450.533 21118.887 587.62 3096.253 November 13278.567 21162.858 778.572 4296.421 Desember 1209.858 32061.545 5964.131 5282.221

2014

Januari 1486.4 40081.659 2662.592 5559.465 Februari 1359.53 20762.338 2657.007 4647.64

Maret 2439.812 40751.499 3091.682 3816.059 April 5800.354 35863.411 3650.87 2942.049 Mei 9728.587 24488.357 2804.462 1637.361 Juni 13078.382 27820.551 1345.062 1422.701 Juli 11716.696 35481.668 1266.779 2060.58 Agustus 7496.636 40404.926 529.924 3065.984 September 6037.938 36676.777 4713.784 5116.187 Oktober 1279.613 36116.502 9264.828 7240.747 November 5022.638 30902.431 12607.297 4917.737 Desember 4779.610 39517.149 10154.176 5378.138

2015

Januari 2742.592 38975.307 5157.224 3648.676 Februari 2317.207 33699.721 4667.952 5549.717 Maret 3091.652 40615.774 4032.514 2347.903 April 2650.87 32745.829 3060.079 1549.503 Mei 2874.462 27513.106 2055.9 798.805 Juni 1445.062 34389.442 719.958 878.377 Juli 1966.279 36367.325 1425.572 2744.828 Agustus 829.924 31988.302 561.328 4869.265 September 3713.784 45051.733 2185.117 4188.602 Oktober 4264.828 42126.223 856.787 3981.098 November 4607.297 39568.301 621.97 3131.071 Desember 4154.176 43001.433 1044.943 3024.568

121 2016

Januari 2832.192 18015.869 1577.035 3165.542 Februari 2327.107 18254.623 0 2388.373 Maret 3091.002 20277.151 2476.614 4516.94

April 3650.97 17168.804 2325.09 3448.913 Mei 3874.262 15216.128 2097.775 1825.835 Juni 1435.062 11957.237 1132.363 2317.427 Juli 2066.379 10600.19 1070.937 2615.417

Agustus 929.814 14506.855 0 1848.768

September 2713.784 16497.947 470.244 3667.939 Oktober 3260.828 16960.574 584.697 4616.978 November 3307.297 15989.837 1047.765 5377.569 Desember 2054.276 15605.028 850.43 4165.542

2017

Januari 275.925 22445.406 1035.061 4388.373 Februari 131.249 14078.226 1967.48 4512.74

Maret 105.746 20000.958 5747.247 4448.913 April 74.79 18724.054 1834.902 2825.835 Mei 281.723 13272.088 2164.729 2615.477 Juni 847.3 14154.956 1301.621 2613.417 Juli 1565.787 19700.234 1088.73 1848.768 Agustus 6741.395 22016.064 1071.556 2468.912 September 1254.343 21324.621 408.48 2878.735 Oktober 2461.815 22432.406 702.837 2915.427 November 511.206 20339.958 1468.183 3613.416 Desember 269.356 20588.662 1908.989 3848.758

122 Lampiran 2. Uji Stasioner Ekspor Jahe Indonesia, Cina, India, Belanda

a. Uji Stasioner Ekspor Jahe Indonesia Pada Level

Null Hypothesis: INDONESIA has a unit root Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.917571 0.0035 Test critical values: 1% level -3.546099

5% level -2.911730

Date: 02/03/20 Time: 17:46

Sample (adjusted): 2013M02 2017M12 Included observations: 59 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

INDONESIA(-1) -0.423565 0.108119 -3.917571 0.0002

C 1291.032 461.1353 2.799681 0.0070

R-squared 0.212134 Mean dependent var 2.210712 Adjusted R-squared 0.198312 S.D. dependent var 2772.072 S.E. of regression 2482.030 Akaike info criterion 18.50485 Sum squared resid 3.51E+08 Schwarz criterion 18.57528 Log likelihood -543.8931 Hannan-Quinn criter. 18.53234 F-statistic 15.34736 Durbin-Watson stat 2.109799 Prob(F-statistic) 0.000242

123 b. Uji Stasioner Ekspor Jahe Cina Pada Level

10,000

Null Hypothesis: CHINA has a unit root Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.067798 0.0346 Test critical values: 1% level -3.546099

5% level -2.911730 Date: 02/03/20 Time: 17:48

Sample (adjusted): 2013M02 2017M12 Included observations: 59 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

CHINA(-1) -0.284081 0.092601 -3.067798 0.0033

C 7473.547 2593.708 2.881414 0.0056

R-squared 0.141713 Mean dependent var -10.92034 Adjusted R-squared 0.126656 S.D. dependent var 7236.913 S.E. of regression 6763.104 Akaike info criterion 20.50966 Sum squared resid 2.61E+09 Schwarz criterion 20.58009 Log likelihood -603.0350 Hannan-Quinn criter. 20.53715 F-statistic 9.411384 Durbin-Watson stat 2.312325 Prob(F-statistic) 0.003297

124 c. Uji Stasioner Ekspor Jahe India Pada Level

Null Hypothesis: INDIA has a unit root Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -2.923028 0.0487 Test critical values: 1% level -3.546099

5% level -2.911730 Date: 02/03/20 Time: 17:52

Sample (adjusted): 2013M02 2017M12 Included observations: 59 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

INDIA(-1) -0.256128 0.087624 -2.923028 0.0050

C 573.3802 284.8593 2.012854 0.0489

R-squared 0.130356 Mean dependent var 26.50536 Adjusted R-squared 0.115100 S.D. dependent var 1753.979 S.E. of regression 1649.953 Akaike info criterion 17.68819 Sum squared resid 1.55E+08 Schwarz criterion 17.75862 Log likelihood -519.8017 Hannan-Quinn criter. 17.71568 F-statistic 8.544093 Durbin-Watson stat 1.753015 Prob(F-statistic) 0.004964

125 d. Uji Stasioner Ekspor Jahe Belanda Pada Level

Null Hypothesis: NETHERLAND has a unit root Exogenous: Constant

Lag Length: 2 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.541426 0.0005 Test critical values: 1% level -3.550396

5% level -2.913549

Date: 02/03/20 Time: 17:52

Sample (adjusted): 2013M04 2017M12 Included observations: 57 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

NETHERLAND(-1) -0.499965 0.110090 -4.541426 0.0000 D(NETHERLAND(-1)) 0.278473 0.127572 2.182867 0.0335 D(NETHERLAND(-2)) 0.327718 0.126918 2.582125 0.0126

C 1604.539 374.2103 4.287800 0.0001

R-squared 0.285368 Mean dependent var 22.78346 Adjusted R-squared 0.244917 S.D. dependent var 1183.614 S.E. of regression 1028.508 Akaike info criterion 16.77720 Sum squared resid 56064928 Schwarz criterion 16.92057 Log likelihood -474.1501 Hannan-Quinn criter. 16.83292 F-statistic 7.054666 Durbin-Watson stat 2.095377 Prob(F-statistic) 0.000446

126 Lampiran 3. Uji Lag Optimum

Lampiran 4. Uji Stabilitas Model VAR

VAR Lag Order Selection Criteria

Endogenous variables: INDONESIA CHINA INDIA NETHERLAND Exogenous variables: C

Date: 02/03/20 Time: 18:08 Sample: 2013M01 2017M12 Included observations: 55

Lag LogL LR FPE AIC SC HQ

0 -2074.424 NA 7.83e+27 75.57905 75.72504 75.63551 1 -2003.033 129.8010 1.05e+27* 73.56485 74.29479* 73.84712*

2 -1994.972 13.48506 1.41e+27 73.85351 75.16740 74.36161 3 -1971.951 35.15815* 1.12e+27 73.59823 75.49608 74.33214 4 -1954.459 24.17174 1.11e+27 73.54395* 76.02575 74.50368 5 -1942.929 14.25506 1.42e+27 73.70650 76.77225 74.89205

* indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error Date: 02/03/20 Time: 18:17

Root Modulus

0.869315 0.869315

0.620495 - 0.344884i 0.709901

0.620495 + 0.344884i 0.709901

0.597704 0.597704

-0.271640 0.271640

-0.082439 - 0.254167i 0.267202

-0.082439 + 0.254167i 0.267202

0.155069 0.155069

No root lies outside the unit circle.

VAR satisfies the stability condition.

127 Lampiran 5. Uji Kausalitas Granger

Lampiran 6. Estimasi VAR Lag 1

Pairwise Granger Causality Tests Date: 02/05/20 Time: 21:46 Sample: 2013M01 2017M12 Lags: 1

Null Hypothesis: Obs F-Statistic Prob.

CHINA does not Granger Cause INDONESIA 59 0.83760 0.3640

INDONESIA does not Granger Cause CHINA 2.58925 0.1132

INDIA does not Granger Cause INDONESIA 59 0.16332 0.6877

INDONESIA does not Granger Cause INDIA 1.64484 0.2049

NETHERLAND does not Granger Cause INDONESIA 59 0.45671 0.0478 INDONESIA does not Granger Cause NETHERLAND 2.17622 0.1458

INDIA does not Granger Cause CHINA 59 1.28760 0.2613

CHINA does not Granger Cause INDIA 0.57403 0.4518

NETHERLAND does not Granger Cause CHINA 59 0.92481 0.3403

CHINA does not Granger Cause NETHERLAND 0.00094 0.9757

NETHERLAND does not Granger Cause INDIA 59 8.60246 0.0049

INDIA does not Granger Cause NETHERLAND 1.26245 0.2660

Vector Error Correction Es tim ates Date: 02/04/20 Tim e: 16:43

Sam ple (adjus ted): 2013M04 2017M12 Included obs ervations : 57 after adjus tm ents Standard errors in ( ) & t-s tatis tics in [ ]

Error Correction: D(INDONESIA) D(CHINA) D(INDIA) D(NETHER...

CointEq1 -0.178099 -0.181414 0.139755 0.195445 (0.10969) (0.22149) (0.06040) (0.03886) [-1.62364] [-0.81905] [ 2.31384] [ 5.02905]

D(INDONESIA(-1)) -0.171907 0.387638 -0.098158 -0.190804 (0.17169) (0.34667) (0.09454) (0.06083) [-1.00129] [ 1.11816] [-1.03832] [-3.13679]

D(INDONESIA(-2)) 0.050321 0.946999 -0.230421 -0.127866 (0.16262) (0.32837) (0.08954) (0.05762) [ 0.30944] [ 2.88397] [-2.57329] [-2.21929]

D(CHINA(-1)) -0.036711 -0.429243 -0.021157 0.018461 (0.05605) (0.11317) (0.03086) (0.01986) [-0.65499] [-3.79276] [-0.68552] [ 0.92966]

D(CHINA(-2)) -0.047460 -0.293394 -0.002030 0.000222 (0.05579) (0.11266) (0.03072) (0.01977) [-0.85065] [-2.60427] [-0.06607] [ 0.01125]

D(INDIA(-1)) -0.141225 -0.234434 -0.090225 -0.036696 (0.24731) (0.49937) (0.13618) (0.08762) [-0.57105] [-0.46946] [-0.66256] [-0.41881]

D(INDIA(-2)) 0.077287 -1.066385 -0.101467 -0.056665 (0.23280) (0.47008) (0.12819) (0.08248) [ 0.33199] [-2.26852] [-0.79155] [-0.68701]

D(NETHERLAND(-1)) -0.064307 0.738449 0.497116 0.068217 (0.34675) (0.70017) (0.19093) (0.12285) [-0.18546] [ 1.05467] [ 2.60363] [ 0.55528]

D(NETHERLAND(-2)) -0.417731 2.055373 0.600758 0.228404 (0.35255) (0.71187) (0.19412) (0.12491) [-1.18490] [ 2.88727] [ 3.09473] [ 1.82860]

C 12.75200 -203.9713 32.76340 25.07331

(371.215) (749.571) (204.403) (131.521) [ 0.03435] [-0.27212] [ 0.16029] [ 0.19064]

R-s quared 0.172336 0.443022 0.373045 0.409777

Adj. R-s quared 0.013847 0.336367 0.252990 0.296756 Sum s q. res ids 3.69E+08 1.50E+09 1.12E+08 46304645 S.E. equation 2801.528 5656.957 1542.613 992.5750 F-s tatis tic 1.087371 4.153774 3.107277 3.625660 Log likelihood -527.8432 -567.8983 -493.8320 -468.6990

Akaike AIC 18.87169 20.27713 17.67832 16.79646

Schwarz SC 19.23012 20.63556 18.03675 17.15489

Mean dependent 1.625175 -194.9561 26.97582 22.78346 S.D. dependent 2821.129 6944.145 1784.817 1183.614

Determ inant res id covariance (dof adj.) 5.55E+26 Determ inant res id covariance 2.57E+26

Log likelihood -2056.599

Akaike inform ation criterion 73.70522

Schwarz criterion 75.28232

Num ber of coefficients 44

128