4.1. Jenis dan Sumber Data
Data yang dikumpulkan merupakan data deret waktu periode 1980-2008. Jenis dan sumber data digolongkan ke dalam tiga blok, yaitu: (1) blok makroekonomi, (2) blok deforestasi, dan (3) blok degradasi hutan. Tabel 3 menyajikan jenis dan sumber data blok makroekonomi, Tabel 4 dan Tabel 5, jenis dan sumber data blok deforestasi, dan Tabel 6, jenis dan sumber data blok degradasi hutan. Data disajikan pada Lampiran 1.
Tabel 3. Jenis dan Sumber Data Blok Makroekonomi
No. Jenis Data Sumber Data
1 Yt = Produk domestik bruto (PDB) (Rp miliar) BI
2 Ct = Konsumsi (Rp miliar) BI
3 It = Investasi (Rp miliar) BI
4 Gt = Pengeluaran pemerintah (Rp miliar) BI
5 Tt = Penerimaan pajak (Rp miliat) BPS
6 Xt = Nilai ekspor (Rp miliar ) BI
7 Mt = Nilai impor (Rp miliar) BI
8 NXt = Ekspor bersih (Rp miliar) Hasil Olahan
9 MSt = Penawaran uang (Rp miliar) BI
10 rt = Suku bunga (%) BI
11 et = Nilai tukar (Rp/USD) BI
12 Rt = rt - πt (%) Hasil Oahan
13 πt = Inflasi (%); diperoleh dari data IHKt Hasil Olahan
14 IHKt = Indek Harga Konsumen (tahun 2000 =100) BPS
15 πEt = Ekspektasi inflasi; diperoleh dari πt Hasil Olahan 16 DEFt = GDP Deflator (tahun 2000 = 100) BI dan BPS
17 UIPt = Rt - RUSt Hasil Olahan
18 RUSt = rUSt - πUSt Hasil Olahan
19 rUSt = US Federal Fund Rate (%) BEA-USGOV
20 πUSt (%) diperoleh dari USCPIt Hasil Olahan
21 USCPIt = IHK Amerika Serikat (tahun 2000 = 100) BEA-USGOV 22 USGDPt = PDB Amerika Serikat (USD miliar) IFS
22 oilPt = Harga minyak mentah dunia (USD/barrel) IEA
23 LDt = Permintaan tenaga kerja (juta orang) BPS
24 LSt = Penawaran tenaga kerja (juta orang) BPS
25 ULt = Jumlah pengangguran (juta orang) BPS
26 Wt = Upah tenaga kerja (Rp/bulan) BPS
Keterangan:
BI= Bank Indonesia; BPS=Badan Pusat Statistik; BEA-USGOV=Bureau of Economic
Analysis US Government; IFS=International Financial Statistics; IEA=International Egergy
Tabel 4. Jenis dan Sumber Data Blok Deforestasi-Areal HTI, Sawit dan Karet
No. Jenis Data Sumber Data
Deforestasi untuk Areal HTI
1 DFHTIt = Tingkat Deforestasi untuk Areal HTI (ribu ha) Hasil Olahan
DFHTIt = AHTIt – AHTIt-1
2 AHTIt = Luas areal HTI (ribu ha) KEMENHUT
3 Produksi kayu HTI (ribu m3) KEMENHUT
4 qHTIt = Produktivitas HTI (m3/ha) Hasil Olahan
qHTIt = (AHTIt/Umur Tebang)/ Produksi Kayu HTI
5 SKHTIt = Penawaran Kayu HTI (ribu m3) Hasil Olahan
6 DKHTIt = Permintaan Kayu HTI (ribu m3) Hasil Olahan
7 PP
KHTI
t = Harga kayu HTI (Rp/m3)
INHUTANI II,
Widyantoro (2005)
8 PP
XPULP
t = Harga ekspor pulp (Rp/m3) FAOSTAT
9 PP
BBM
t = Harga BBM (Rp/liter) BPS
Deforestasi untuk Areal Sawit
10 DFSWt=Tingkat Deforestasi untuk Areal Sawit (ribu ha) Hasil Olahan
DFSW
t = ATSWt – ATSWt-1
11 ATSWt = Luas areal sawit (ribu ha) KEMENTAN
12 qSWt = Produktivitas tanaman sawit (ton/ha) Hasil Olahan
qSWt = ATSWt/Produksi Buah Sawit (ribu ton)
13 Produksi buah sawit (ribu ton) KEMENTAN
14 SBSWt = Penawaran buah sawit (ribu ton) Hasil Olahan
15 DBSWt = Permintaan buah sawit (ribu ton) Hasil Olahan
16 PP
BSW
t = Harga buah sawit (Rp/kg) KEMENTAN
17 PP
DMSW
t = Harga dalam negeri minyak sawit (Rp/ton) KEMENTAN
18 PP
XMSW
t = Harga ekspor minyak sawit (Rp/ton) KEMENTAN
Deforestasi untuk Areal Karet
19 DFKRt=Tingkat Deforestasi untuk Areal Karet (ribu ha) Hasil Olahan
DFKRt = ATKRt – ATKRt-1
20 ATKRt = Luas areal karet (ribu ha) KEMENTAN
21 qKRt =Produktivitas karet (ton/ha) Hasil Olahan
qKRt = ATKRt/ Produksi karet
22 Produksi karet (ribu ton) KEMENTAN
23 DDKRt = Permintaan karet dalam negeri (ribu ton) Hasil Olahan
DDKRt = Produksi karet minus Ekspor karet
24 SXKRt = Ekspor karet (ribu ton) KEMENTAN
25 PP
DKR
t = Harga dalam negeri karet (Rp/ton) KEMENTAN
26 PP
XKR
Tabel 5. Jenis dan Sumber Data Blok Deforestasi-Areal Padi
No. Jenis Data Sumber Data
1 DFPDt=Tingkat Deforestasi untuk Areal Padi (ribu ha) Hasil Olahan
DFPDt = ATPDt – ATPDt-1
2 ATPDt = Luas areal padi (ribu ha) BPS/KEMENTAN
3 qPDt =Produktivitas padi (ton/ha) Hasil Olahan
qPDt = ATPDt/ Produksi Gabah Kering Giling (GKG)
4 Produksi GKG (ribu ton) BPS
5 SGKGt = Penawaran GKG dalam negeri (ribu ton) Hasil Olahan
6 DGKGt = Permintaan GKG (ribu ton) Hasil Olahan
7 PP
GKG
t = Harga GKG (Rp/kg) BPS
8 PP
HPP
t = Harga pembelian pemerintah (Rp/kg) BPS
9 PP
DBR
t = Harga dalam negeri beras (Rp/kg) BPS
10 POPt = Jumlah penduduk (juta jiwa) BPS
Tabel 6. Jenis dan Sumber Data Blok Degradasi Hutan
No. Jenis Data Sumber Data
1 DGHPHt= Degradasi Hutan Areal HPH (ribu ha) Hasil Olahan
DGHPHt = AHPHt – AHPHt-1 KEMENHUT
2 AHPHt = Luas areal HPH (ribu ha) KEMENHUT
3 qHAt =Produktivitas Areal HPH (m3/ha) Hasil Olahan
qHAt = (AHPHt/Siklus Tebang)/ Produksi KHA
4 Produksi KHA (ribu m3) KEMENHUT
5 SKILLt = Penawaran kayu “ilegal” (ribu m3) Hasil Olahan
SKILLt = Produksi aktual minus produksi ofisial
6 Produksi ofisial (ribu m3) KEMENHUT
7 Produksi aktual (ribu m3) Hasil Olahan
8 SKHAt = Penawaran KHA (ribu m3) Hasil Olahan
9 DKHAKGt = Permintaan KHA oleh IKG (ribu m3) Hasil Olahan
DKHAKGt = (1/0.50)*Produksi kayu gergajian
10 Produksi kayu gergajian (ribu m3) KEMENHUT
11 DKHAKLt = Permintaan KHA oleh IKL (ribu m3) Hasil Olahan
DKHAKLt = (1/0.45)*Produksi kayu lapis
12 Produksi kayu lapis (ribu m3) KEMENHUT
13 Ekspor KHA (ribu m3) KEMENHUT
14 PP
KHA
t = Harga kayu hutan alam (Rp/m3) KEMENHUT/
ITTO 15 PP
DKG
t = Harga dalam negeri kayu gergajian (Rp/m3) KEMENHUT/
ITTO 16 PP
XKL
t = Harga ekspor kayu lapis (Rp/m3) KEMENHUT/
ITTO
17 DRt = Dana Reboisasi (Rp/m3) KEMENHUT
18 PSDHt = Provisi Sumberdaya Hutan (Rp/m3) KEMENHUT
Keterangan:
HPH = Hak Pengusahaan Hutan; KHA = Kayu Hutan Alam; IKG = Industri Kayu Gergajian; IKL = Industri Kayu Lapis
4.2. Spesifikasi Model
Model dibagi ke dalam tiga blok, yaitu: (1) blok makroekonomi, (2) blok deforestasi, dan (3) blok degradasi hutan. Hubungan antara blok makroekonomi dengan blok deforestasi dan degradasi hutan melalui saluran transmisi suku bunga. Perubahan keseimbangan suku bunga di blok makroekonomi akan mempengaruhi deforestasi dan degradasi hutan. Sedangkan antara blok deforestasi dengan blok degradasi hutan melalui saluran harga komoditas. Harga kayu hutan alam merupakan saluran transmisi pengaruh perubahan keseimbangan pasar kayu hutan alam di blok degradasi hutan terhadap deforestasi, sedangkan harga komoditas yang dihasilkan lahan deforestasi merupakan saluran transmisi pengaruh perubahan keseimbangan pasar komoditas di blok deforestasi terhadap degradasi hutan.
I. Blok Makroekonomi
Ct = a0 + a1(YDt) + a2Rt + 1t ... (1)
Tt = b0 + b1Yt + b2Rt + b3Tt-1 + 2t ...(2)
Gt = c0 + c1Tt + c2oilPt + c3Gt-1 + 3t ... (3)
It = d0 + d1Rt-2 + d2Yt + d3KRISISt + d4It-1 + 4t ... (4)
NXt = e0 + e1(et*IHKt/USCPIt) + e2Yt + e3oilPt + c4NXt-1 + 5t ... (5)
rt = f0 + f1MSt-1 + f2(IHKt - IHKt-1) + f3πEt + f4KRISISt + f5FERt + f6rt-1 + 6t ... (6) IHKt = g0 + g1Yt-1 + g2IHKt-1+ 7t ... (7) et = h0 + h1UIPt + h2NXt-1 + hg3 MSt + h4KRISISt + h5et-1 + 8t ... (8) LDt = i0 + i1Wt-1 + i2Yt + i3LDt-1 + 9t ... (9) Yt = Ct + It + Gt + NXt ... (10) Rt = rt - πt ... (11) UIPt = Rt - RUSt ... (12)
ULt = LSt – LDt ... (13)
II. Blok Deforestasi
A. Deforestasi untuk Areal HTI DFHTI t = j0 + j1PP XPULP t-2 + j P2 KHTJP t + j3(Rt-Rt-2) + j4Wt + j5PP BBM t + j P6 XKRP t + j7PP XMSW t + j P8 XKLP t + j9GP HTJ t + j10AHTIt-1 + 10t ...(14) SKHTIt = k0 + k1PP KHTI
t + k R + k q2 t 3 HTIt + k A4 HTIt + i S5 KHTIt-1 + 11t ... (15)
DKHTIt = l0 + l1PP LHTI t + l R + l W + l (P2 t 3 t 4 PULPt - PPULPt -1) + l5(Yt-Yt-1) + l6DKHTIt-1 + 12t ... (16) SKHTI t = DKHTIt ... (17) PP KHTI
t = m + m (P0 1 XPULPt-PXPULPt-1) + m P2 KHAtP + m3S
KHTI t-1
+ m4PP
KHTI
t-1 + 13t ... (18)
B. Deforestasi untuk Areal Sawit DFSWt = n0 + n1PP XMSW t-2 + n P2 BSWP t + n3Rt-3 + n4Wt + n5PP KHTI t-1 + n P6 KHAP t-1 + n7ATSWt-1 + 14t ... (19) SBSWt = o0 + o1PP BSW t + o R + o q2 t 3 BSWt + o A4 TSWt + o S5 BSWt-1 + 15t ... (20) DBSWt = p0 + p1PP BSW t + p R + p W + p P2 t 3 t 4 DMSWP t + p5Yt + p6DBSWt-1 + 16t ...(21) SBSWt = DBSWt ... (22) PP BSW t = q + q P0 1 XMSWP t + q2D BSW t + q3PP BSW t-1 + 17t ... (23)
C. Deforestasi untuk Areal Karet DFKRt = r0 + r1PP DKR t + r R + r P2 t 3 KHAP t + r4PP XMSW t + r P5 XKRP t + r6ATKRt-1 + 18t ... (24) SKRt = s0 + s1PP DKR t + s R + s q2 t 3 KRt + s A4 TKRt + s S5 KRt-1 + 19t ... (25) DDKRt = t0 + t1PP DKR t + t R + t W + t (Y – Y ) 2 t-1 3 t-1 4 t t-1
+ t6DDKRt-1 + 20t ... (26) SXKRt = u0 + u1PP XKR t-1 + u P2 DKRP t-2 + u3US GDP t-1 + u4SXKRt-1 + 21t ... (27) SKRt = DDKRt + SXKRt ... (28) PP DKR t = v + v (P0 1 XKRt-PXKRt-1) + v S2 XKRt + v S3 KRt + v Pt4 DKRt-1 + 22t ... (29)
D. Deforestasi untuk Areal Padi DFPDt = w0 + w1PP GKG t + w P2 HPPP t + w3Rt + w4PP BBM t + w P5 KHAP t + w6PP KHTI t + w POP + w A7 t 8 TPDt-1 + 23t ... (30) SGKGt = x0 + x1PP GKG t + x R + x P2 t 3 BBMP t + x4q PD t + x5SPDt-1 + 24t ... (31) DGKGt = y0 + y1PP HPP t-1 + y R + y P2 t 3 BBMP t + y4PP DBR t + y Y5 t + y6DGKGt-1 + 25t ... (32) SGKGt = DGKGt... (33) PP GKG t = z + z (P0 1 HPPt - PHPPt-1) +z S2 GKGt + z P3 GKGP t-1 + 26t ... (34) E. Total Deforestasi untuk Areal HTI, Sawit, Karet dan Padi
TDFt = DFHTIt + DFSWt + DFKRt + DFPDt ... (35)
III. Blok Degradasi Hutan DGHPHt = aa0 + aa1PP XKL t + aa P2 KHAP t + aa3Rt + aa4S KILL t-2 + aa5PP XMSW t-1 + aa6PP XKR t-1 + aa GP7 HPHt + aa A8 HPHt-1 + 27t ... (36) SKILLt = bb0 + bb1PP KHA t + bb R + bb P2 t 3 BBMP t + bb4DRt + bb5q HA t + bb6GPKUMt + bb7SILLt-1 + 28t ... (37) SKHAt = cc0 + cc1PP KHA t-1 + cc R + cc PSDH + cc q2 t-1 3 t 4 HAt + cc5AHPHt + cc6SKHAt-1 + 29t ... (38) DKHAKGt = dd0 + dd1PP KHA t + dd P2 KHTIP t + dd3Rt + dd4Wt + dd5Yt + dd6DKHAKGt-1 + 30t ... (39) DKHAKLt = ee0 + ee1PP KHA t + ee P2 KHTIP t + ee3Rt-1 + ee4Wt + ee5PP XKL t + ee6(Yt-Yt-1)+ ee6DKHAKLt-1 + 31t ... (40)
SKHAt + SKILLt = DKHAKGt + DKHAKLt + SXKHAt ... (41) PP KHA t = ff + ff P0 1 XKLP t + ff2(S KILL t+SKHAt) + ff3PP KHA t-1 + 32t ... (42) di mana ε = error terms a0, b0, c0, .... , ff0 = intercept ai, bi, ci, ..., ffi = parameter dugaan; i =1, 2, 3, ...., 32
KRISISt adalah peubah dummy krisis ekonomi: 0=tahun-tahun tidak terjadi
krisis ekonomi dan 1=tahun-tahun terjadi krisis ekonomi.
FERt adalah peubah dummy regim nilai tukar: 0=tahun-tahun dengan sistem
nilai tukar tetap (fixed exhange rate) dan 1 = tahun-tahun dengan sistem nilai tukar mengambang (floating exchange rate).
GPHTIt adalah peubah dummy kebijakan percepatan pembangunan HTI:
0=tahun-tahun kebijakan yang diberlakukan dan 1=tahun-tahun kebijakan tidak diberlakukan.
GPHPHt adalah peubah dummy kebijakan pencabutan izin HPH:
0=tahun-tahun kebijakan diberlakukan dan 1=0=tahun-tahun-0=tahun-tahun kebijakan tidak diberlakukan.
GPKUMt adalah peubah dummy kebijakan pemberantasan illegal logging:
0=tahun-tahun kebijakan diberlakukan dan 1=tahun-tahun kebijakan tidak diberlakukan.
Notasi peubah telah dijelaskan dalam Subbab 4.1, dan tanda parameter dugaan yang diharapkan telah dijelaskan dalam Subbab 3.5. Tetapi untuk memudahkan dalam pengolahan data dengan software SAS dan Eviews, notasi peubah yang disajikan dalam spesifikasi model dimodifikasi dengan tetap menggunakan sebagian notasinya (periksa Lampiran 9).
4.3. Identifikasi Model
Dua syarat yang harus dipenuhi agar model dapat diidentifikasi, yaitu: order
condition dan rank condition (Koutsoyiannis, 1977). Order condition diketahui
menggunakan rumus: K - M ≥ G - 1. Notasi K adalah total variabel dalam model (endogen dan predetermined). Notasi M adalah total variabel (endogen dan eksogen) dalam sebuah persamaan yang diidentifikasi. Notasi G adalah total persamaan atau variabel endogen. Suatu persamaan dalam model dikatakan exactly
identified bila K - M = G - 1. Bila K - M > G - 1, maka persamaan yang
bersangkutan adalah overidentified. Bila K - M < G - 1, maka persamaan bersangkutan adalah unidentified. Setiap persamaan dalam model tidak boleh
unidentified.
Total variabel dalam model yang dibangun (K) adalah 104 (37 variabel endogen, dan 67 predetermined variables yang terdiri dari: 25 variabel lagged
endogenous dan 42 variabel eksogen), sedangkan jumlah persamaan atau variabel
endogen (G) adalah 37 (32 struktural, dan 5 identitas). Ini berarti bahwa seluruh persamaan dalam model adalah overidentified, karena K (104) – M (yang terbanyak 10) > G – 1 (31). Sedangkan rank condition dipenuhi jika dan hanya jika suatu persamaan dalam sistem persamaan G dapat disusun sekurang-kurangnya satu
non-zero determinant order (G-1) dari koefisien peubah yang keluar dari persamaan
bersangkutan dan masuk ke dalam persamaan lain dalam model (Koutsoyiannis, 1977).
4.4. Pendugaan dan Pengujian Model
Hasil identifikasi model menunjukkan model adalah overidentified, sehingga pendugaan parameter model yang tepat adalah menggunakan metode 2SLS
persamaan dalam model diuji menggunakan uji F, dan pengaruh individual peubah penjelasnya diuji menggunakan uji t. Untuk memastikan model terbebas dari korelasi serial diuji menggunakan Durbin-Watson Statistics dan Durbin-h.
Model diduga menggunakan software SAS versi 9, dan koreksi korelasi
serial error menggunakan software EViews versi 6. Tahap pendugaannya dilakukan
dengan cara: (1) melakukan pendugaan menggunakan software SAS dan (2) apabila ditemukan serial serial error yang relatif tinggi, yang diketahui dari nilai Durbin Watson atau Durbin-h, kemudian diduga kembali menggunakan software
EViews dengan memasukan peubah AR(1) (autoregressive). Hasil pendugaannya
kemudian digunakan untuk simulasi setelah model divalidasi. Model divalidasi menggunakan software SAS, metode Newton, dan prosedur SYSNLIN (system
nonlinear procedure).
4.5. Validasi Model
Pindyck dan Rubinfeld (1991) menyatakan bahwa dalam model simulasi
multi-equation, model secara utuh akan memiliki struktur dinamis yang lebih kaya
dibanding individu persamaan. Miskipun seluruh individu persamaan telah fit dengan data dan secara statistik signifikan, dalam model secara utuh, ketika disimulasikan, belum tentu mampu menelusur kembali data dengan baik. Agar model secara utuh mampu menelusur kembali data dengan baik, persamaan dengan taraf nyata yang tinggi harus diseimbangkan dengan persamaan-persamaan dengan taraf nyata yang lebih rendah.
Validasi model bertujuan untuk mengetahui seberapa jauh model (secara utuh) mampu menelusur kembali data dengan baik sehingga model menjadi valid digunakan untuk simulasi historis atau peramalan (forecasting). Menurut Pindyck dan Rubinfeld (1991) beberapa kriteria dapat dipakai untuk evaluasi, yaitu: (1)
hasil uji statistik terhadap individu persamaan, dan (2) kesesuaian individu peubah dalam konteks simulasi. Kriteria pertama telah disajikan sebelumnya, sedangkan kriteria kedua membutuhkan indikator untuk menyimpulkan bahwa model telah
valid untuk simulasi.
Dua indikator yang umum dipakai untuk evaluasi adalah RMSPE (Root
Mean Square Percent Error), dan Theil’s Inequality Coefficient (koefisien
ketidaksamaan Theils), dituliskan U. Kriteria RMSPE mengukur seberapa jauh nilai variabel endogen hasil pendugaan menyimpang secara relatif dari nilai-nilai aktual (%). Sedangkan kriteria U mengukur penyimpangan nilai-nilai-nilai-nilai dugaan yang bermanfaat untuk mengetahui kemampuan model dalam analisis simulasi peramalan. Kriteria RMSPE dan U berturut-turut dirumuskan sebagai berikut (Pindyck and Rubinfeld, 1991):
T
RMSPE = [ (1/T ∑ ((Ys-Ya)/Ya)2]0.5
t=1 di mana
Ys = nilai simulasi Yt
Ya = nilai aktual
T = periode tahun observasi dalam simulasi T [ (1/T ∑ ((Ys-Ya)2]0.5 t=1 U = --- T T [ (1/T ∑ ((Ys)2]0.5 + [ (1/T ∑ ((Ys)2]0.5 t=1 t=1
Nilai RMSPE dan U yang rendah menunjukkan hasil pendugaan model yang baik. Nilai U berkisar antara nol dan satu. Tetapi jika model memiliki U=0, maka model adalah naif. Nilai U dapat diurai ke dalam komponen, yaitu: UM, US dan UC, yang dirumuskan sebagai berikut (Pindyck and Rubinfeld, 1991):
(Ys - Ya)2 UM = --- (1/T) ∑ (Yts-Yta)2 (σs- σa)2 US = --- (1/T) ∑ (Yts-Yta)2 2(1-ρ)σsσa UC = --- (1/T) ∑ (Yts-Yta)2 _ _ ρ = (1/(σsσa T)) ∑ (Yts-Yts) (Yta-Yta) UM + US + UC =1 di mana
UM= Proporsi bias menunjukkan kesalahan sistematik selama UM mengukur penyimpangan nilai rata-rata simulasi dan aktual; berapapun nilai U, nilai UM diharapkan mendekati nol, dan nilai UM yang besar (diatas 0.1 atau 0.2) akan menimbulkan masalah karena ada bias sistematik, dan revisi model diperlukan.
US= Proporsi variance menunjukkan kemampuan model mengulangi derajat
variabilitas variabel yang menjadi perhatian; jika US besar berarti nilai aktual memiliki fluktuasi besar sementara nilai simulasi menunjukkan fluktuasi kecil atau sebaliknya; karena hal ini merupakan masalah, maka model perlu direvisi.
UC= Proporsi covariance mengukur kesalahan tidak sistematik, yaitu kesalahan sisa setelah deviasi nilai rata-rata dipertimbangkan; karena tidak rasional mengharapkan prediksi berkorelasi sempurna dengan nilai aktual, maka kesalahan ini tidak perlu dikuatirkan.
Untuk nilai U > 0, maka ketidaksamaan distribusi yang ideal atas ketiga sumber penyimpangan adalah: UM = US = 0, UC = 1.
4. 6. Simulasi Model
Sesuai tujuan penelitian, simulasi model dilakukan untuk menganalisis dampak kebijakan makroekonomi dan faktor eksternal terhadap deforestasi dan degradasi hutan. Kebijakan makroekonomi yang disimulasikan adalah: (1) kebijakan moneter, yaitu penawaran uang (MSt), dan (2) kebijakan fiskal, yaitu
pengeluaran pemerintah (Gt). Faktor eksternal yang disimulasikan adalah: (1) harga
minyak mentah dunia (oilPt), dan (2) suku bunga rujukan Amerika Serikat (RUSt).
Perubahan penawaran uang yang disimulasikan adalah pertumbuhan rataan per tahun sebesar 23.12%, dan pengeluaran pemerintah adalah pertumbuhan rataan per tahun sebesar 17.96%. Sedangkan perubahan harga minyak yang disimulasikan adalah laju kenaikan harganya rataan per tahun sebesar 7.1% dan rataan lompatan kenaikan harganya sebesar 200% (tahun 1970-an: 233.3%; USD 3.0 ke USD 10 per barel; 1980-an: 166.7%; USD 15 ke USD 40 per barel, dan tahun 2000-an: 200%; USD 30 ke USD 90 per barel). Perubahan suku bunga rujukan Amerika Serikat yang disimulaisikan adalah perubahan sebesar 1% (ditetapkan), dan perubahan rataan per tahun sebesar 5%.
