Hal 1871 dan 1872

Research Method

Error correlation model

Salah satu tujuan dari penelitian ini adalah untuk membangun model permintaan pariwisata

yang menggabungkan variabel sosio -psikologis dalam analisis permintaan pariwisata atas dasar suatu

kerangka penelitian. Sebuah model error correlation model (ECM) diadopsi untuk suatu model

hubungan antara permintaan pariwisata dan faktor yang mempengaruhinya. ECM dipilih dari antara

banyak model yang yang sering dipakai karena pertimbangan suatu hipotetis. Seperti banyak data time

series ekonomi lainnya, data time series untuk variabel pariwisata banyak yang cenderung trended dan

tidak statis dan sangat mungkin untuk menjadi terintegrasi dengan tingkat koefisien determinasi yang

tinggi , R2 , dan signifikan t - statistik yang tidak memiliki arti secara ekonomi.

Selain itu penelitian ini juga juga menyelidiki perubahan struktural dalam ekonomi pariwisata

empat negara asal. mengingat fakta bahwa sistem ekonomi pariwisata antara empat negara asal tersebut

dan hongkong telah berubah secara signifikan dalam tiga dekade terakhir. dalam penelitian ini tes

break struktural dilakukan mengikuti metodologi yang diadopsi oleh ( zivot dan andrew 1992) di mana

uji unit root dilakukan di hadapan struktural break ditentukan secara endogen dan dipilih mana t-

statistik dari augmented Dickey Fuller Test ( ADF ) dari unit root pada nilai minimal.

Sebagai stasioner, jika hubungan permintaan sedang diteliti diuji non - stasioner dan terintegrasi

dari urutan yang sama dengan uji ADF, prosedur kointegrasi diadopsi dalam VAR multivariat (auto

vektor regresi). Dengan perkiraan ekuilibrium bentuk hubungan panjang dari model co - integrasi ,

hubungan jangka pendek kemudian diestimasi berdasarkan pendekatan umum untuk pendekatan khusus

dalam kerangka koreksi kesalahan ( kulendran , 1996; shen li & lagu , 2008). secara umum ada tiga

keuntungan dari analisis permintaan dengan menggunakan metode kointegrasi dan metodologi ECM

yaitu. Pertama, kedua jenis metodelogi yakni long run properties dan dinamika short run dari model

dapat dianalisa dalam kerangka analitik tunggal, kedua, masalah regresi lancung ditemui dalam

pendekatan tradisional dapat diatasi, dan ketiga ECM dapat dengan mudah dipasang pada metodologi

tertentu secara umum proses mencari model yang paling kecil sehingga sesuai dengan data yang

diberikan.

Research method error correlation model

One of the objectives of this study is to build a tourism demand model that incorporates socio-psychological variables into tourism demand analysis on the basis of the proposed framework. An error correction model (ECM) is adopted to model the relationship between tourism demand and its determining factors. The ECM is chosen from among many other casual model due to hypothetical consideration. Like many other economic time series, time series data for many tourism variables are trended and non stationary and are highly likely to be co integrated with high coefficient of determination, R2, and significant t-statistic that does not have any economic meaning. Beside that this study also also investigate structural change in the tourism economic of four origin country. given the fact that the tourism economic system between the four origins and hongkong has change significantly in the past three decades structural changes in the economic should be anticipated. As structural break will bias the result of dickey – fuller test (enders,2004) in this study a structural break test was conducted following the methodology adopted by (zivot and andrew 1992) where unit root test is performed in the presence of structural break are determined endogenously and are selected where the t-statistic from augmented dickey fuller test (ADF) of unit root is at a minimum.As the stationary, if the demand relationship being studied is tested non-stationary and integrated of the same order by the ADF test, a co integration procedure adopted in a multivariate VAR (vector auto regression). With the estimated long run equilibrium relationship features of the co-integration model, short run relationship are then estimated based on a general to specific approach within the error correction framework (kulendran, 1996; shen li & song, 2008). the outline the advantages of analyzing demand using co integration and ECM methodology. First both the long run properties and short run dynamics of the model can be examined in a single analytic frameworks; second the problem of spurious regression encountered in the traditional approach is overcome; and third the ECM can easily be fitted to the general specific methodological a process of searching for the most parsimonious model that best fits the given data