FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI MALAYSIA

PROSIDING PERKEM VII, JILID 1 (2012) 209 - 227 ISSN: 2231-962X

Faktor-faktor yang Mempengaruhi Pengangguran di Malaysia Factors Influencing the Unemployment Rate in Malaysia Norhayati Baharin [email protected] Ishak Yussof Rahmah Ismail Pusat Pengajian Ekonomi Fakulti Ekonomi dan Pengurusan Universiti Kebangsaan Malaysia

ABSTRAK Kajian ini dijalankan bertujuan mengenalpasti pembolehubah makroekonomi sebagai faktor yang mempengaruhi kadar pengangguran di Malaysia. Tempoh kajian ini meliputi tahun 1981 hingga 2010 dengan menggunakan data siri masa. Kajian ini memfokuskan kepada empat pembolehubah makroekonomi yang mempengaruhi kadar pengangguran iaitu kadar pertumbuhan ekonomi benar, kadar pertumbuhan FDI benar, keterbukaan ekonomi dan kadar inflasi .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 Malaysia adalah signifikan dipengaruhi oleh keterbukaan ekonomi dan kadar pertumbuhan ekonomi benar dalam jangka masa panjang dan jangka masa pendek. Sebaliknya pembolehubah kadar pertumbuhan pelaburan langsung asing signifikan mempengaruhi kadar pengangguran dalam jangka masa pendek sahaja. Pembolehubah kadar inflasi tidak signifikan mempengaruhi kadar pengangguran bagi kedua-dua tempoh jangka masa. Justeru implikasi dasar menunjukkan bahawa kawalan terhadap pembolehubah makroekonomi berupaya memastikan kadar pengangguran kekal rendah di Malaysia. Kata Kunci: Kadar pengangguran, Malaysia, pendekatan ARDL, pembolehubah makroekonomi

ABSTRACT This study attemps to identify the macroeconomic variables as the determinant factor which influence unemployment rate in Malaysia. The period of this study is from 1981 until 2010. The study focused on four macroeconomic variables as the independent variables. The variables are real economics growth rate, economics openness, real FDI growth rate and inflation rate. Autoregressive Distributed lag (ARDL) approach proposed by Pesaran and Shin (1996) is used to estimate factors contributing to unemployment rate. The results show that in long run and short run, economics openness and real economics growth rate are statistically significant in influencing unemployment rate in Malaysia. Meanwhile, real FDI growth rate is only statistically significant in influencing unemployment rate in the short-run whilst inflation rate is not significant for both periods. Therefore, the results indicate that unemployment rate in Malaysia can be reduce through controlling the relevant microeconomic variables. Keywords:Unemployment rate, economic growth, macroeconomic variables, ARDL method.

PENGENALAN Isu utama dalam pembangunan ekonomi sesebuah negara ialah guna tenaga dan kadar pengangguran. 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. Sebab berlakunya pengangguran adalah pelbagai dan kompleks. Bagi sesetengah individu, pengangguran hanya berlaku dalam jangka masa yang pendek yang mana ianya merupakan satu proses semulajadi bagi individu-individu yang bergerak di antara satu pekerjaan ke Persidangan Kebangsaan Ekonomi Malaysia ke VII (PERKEM VII), Transformasi Ekonomi Dan Sosial Ke Arah Negara Maju, Ipoh, Perak, 4 – 6 Jun 2012

210

Norhayati Baharin, Ishak Yussof, Rahmah Ismail

pekerjaan yang lain atau pergerakan daripada alam persekolahan ke pasaran kerja. Bagi sesetengah individu yang lain pula beranggapan, pengangguran yang mengambil masa beberapa bulan mungkin disebabkan kesukaran mencari pekerjaan. Kenyataannya, kadar pengangguran merupakan petunjuk yang penting kepada prestasi kitaran ekonomi. Kadar penggangguran mengukur peratus guna tenaga yang sedang mencari pekerjaan (Bilangan orang yang menganggur/jumlah tenaga buruh X 100%). Bilangan pekerjaan yang ditawarkan pula menunjukkan kaitan secara langsung dengan tingkat keluaran dan perbelanjaan.Penurunan kadar pengangguran merupakan petanda yang baik dalam ekonomi kerana firma menambahkan peluang pekerjaan sebagai tindakbalas terhadap peningkatan jualan dan keluaran. Manakala penurunan kadar pengangguran pula merupakan petanda yang tidak baik dalam ekonomi kerana ia menunjukkan prestasi firma yang merosot sehingga menyebabkan firma berhenti mengambil pekerja baru atau memberhentikan pekerja yang sedia ada akibat daripada kejatuhan dalam permintaan. Selain daripada itu, pengangguran juga bermaksud sumber buruh tidak digunakan dengan cekap dan berlaku pengurangan dalam saiz ekonomi. Menurut Okun’s Law(1970), bagi setiap 1% peningkatan kadar pengangguran bermakna kejatuhan ke atas potensi KDNK Negara sebanyak 2%. Berdasarkan gambarajah 1, bermula tahun 1992, kadar pengangguran di Malaysia berada pada paras kurang daripada 4%. Dengan kadar pengangguran yang rendah ini, ia boleh dianggap sebagai kadar pengangguran guna tenaga penuh sebagaimana ahli-ahli ekonomi berpendapat kadar pengangguran guna tenaga penuh wujud apabila kadar pengangguran sesebuah negara mencapai kadar 5-6 %(Mc Connell & Bruce 1995). Menyorot kembali situasi pasaran buruh di Malaysia pada awal tahun 1980-an, kadar pengangguran telah meningkat daripada 5.3% (1980) kepada 5.7% (1981). Masalah ini semakin ketara apabila Malaysia mengalami kemelesatan ekonomi pada tahun 1985. Kadar pengangguran meningkat kepada 5.6% pada tahun 1985 dan 7.4% pada tahun 1986. Ia merupakan tahun yang mencatatkan peratusan kadar pengangguran yang tertinggi dalam tempoh 30 tahun (19812010)(Jabatan perangkaan Malaysia,2009). Antara punca yang dikenalpasti ialah pertumbuhan sektor swasta yang perlahan pada tahun 1970-an sehingga pertengahan tahun 1980-an telah menyebabkan pengurangan dalam permintaan buruh. Manakala sektor awam pula telah bertindak sebagai jentera pembanggunan dan menjadi majikan yang besar dalam tempoh tersebut. Walau bagaimanpun pada awal 1980-an perlaksanaan dasar fiskal mengembang telah meninggalkan kesan yang tidak diingini dalam ekonomi iaitu masalah peningkatan yang cepat dalam hutang awam,pembiayaan belanjawan defisit dan tekanan inflasi yang tinggi iaitu 5-10%setahun (Thillainathan, 1989). Ini menunjukkan penggunaan teori Keynes tidak begitu sesuai digunakan bagi mengatasi masalah pengangguran di Malaysia apabila pengangguran yang wujud pada awal 1980-an bersifat pengangguran struktur dan bukannya pengangguran kitaran. Beberapa faktor telah dikenalpasti sebagai penghalang penggunaan model Keynes di negara sedang membangun (Henss &Ross 1997). Firma di negara sedang membangun tidak bergerakbalas dengan cepat dan berkesan terhadap pertambahan permintaaan untuk keluaran mereka dengan menambah output dan guna tenaga. Ketidakupayaan ini adalah disebabkan oleh kekangan dibahagian penawaran yang mengalami masalah kekurangan modal, bahan mentah dan buruh mahir. Ekonomi negara kembali pulih pada pertengahan tahun 1987. Dengan penyertaan aktif sektor swasta, telah berjaya memulihkan ekonomi negara dan seterusnya pertumbuhan ekonomi negara benar sehingga mencapai 10% pada tahun 1996. Suasana makroekonomi yang memberangsangkan ini telah berjaya menarik kemasukan modal besar yang menyumbang kepada pertumbuhan ekonomi. Kadar pengangguran mulai menurun, walaupun dari segi peratusannya masih lagi tinggi iaitu sekitar 7.3% (1987) dan 7.2% (1986). Tahun-tahun berikutnya menyaksikan kadar pengangguran ini terus menurun sehingga mencapai 2.5% pada tahun 1997. Ia mencatatkan satu angka yang paling rendah dalam tempoh 1981 hingga 2010. Walaubagaimanapun, krisis kewangan Asia telah menganggu momentumnya. Krisis yang bermula pertengahan tahun 1997 mencetuskan serangan spekulatif ke atas matawang Asia Timur termasuklah ringgit. Penubuhan Majlis Tindakan Ekonomi Negara (MTEN) dan Rancangan Pemulihan Ekonomi Negara (RPEN) dengan 6 objektif utama menyebabkan negara Malaysia terselamat daripada krisis yang lebih ekstrim seperti yang berlaku ke atas beberapa negara lain seperti pengangguran yang tinggi, kemiskinan dan kebankrapan yang sangat besar. Berikutan dengan perlaksanaan RPEN, kerajaan telah menggunakan dasar fiskal yang merangsang serta dasar kewangan yang sesuai termasuklah menetapkan Ringgit pada kadar RM3.80 bagi USD1 untuk menstabilkan kadar pertukaran. Langkah-langkah yang diperkenalkan telah menghasilkan pemulihan ekonomi Negara, lebihan dalam akaun semasa, peningkatan dalam pelaburan luar negara dan mengembalikan keyakinan rakyat dan pelabur keseluruhannya (EPU,2011). Kadar pengangguran kekal pada kadar di bawah 4% setahun (1998-2010). Ini bermakna Malaysia telah mengalami keadaan guna tenaga penuh yang bermaksud lebih 94% daripada tenaga buruh mempunyai pekerjaan ( Mc Connell & Brue 1995).

Prosiding Persidangan Kebangsaan Ekonomi Malaysia Ke VII 2012

211

Walaupun negara pernah berhadapan dengan krisis kewangan Asia pada tahun 1997 kadar pengangguran berjaya dikawal dan masih berada di tahap yang rendah iaitu sekitar 2.5%. Trend itu berlaku sehinggalah pada tahun 2010 apabila kadar pengangguran berjaya dikekalkan pada tahap kurang daripada 4%. Persoalannya di sini, bagaimanakah untuk mengekalkan tahap pengangguran tenaga penuh ini dan seterusnya mencapai sasaran yang dinyatakan dalam Rancangan Malaysia Kesepuluh (2011-2015) atau RMK-10 iaitu untuk mencapai kadar pengangguran 3.1% menjelang tahun 2015. Justeru, haruslah dikenalpasti apakah faktor-faktor penentu utama yang menyebabkan berlakunya masalah pengangguran di Malaysia. Paling penting, analisis kajian turut memberi perhatian istimewa ke atas hubungan faktor-faktor tersebut dalam keseimbangan ekonomi jangka pendek dan jangka panjang. Untuk maksud ini, kertas ini dibahagikan kepada lima bahagian utama. Selepas bahagian pengenalan, bahagian kedua membincangkan kajian lepas berkaitan masalah pengangguran. Ini diikuti dengan penerangan terhadap metodologi kajian dan pembentukan model kajian. Hasil keputusan kajian dibincangkan dalam bahagian keempat kertas ini dan diikuti dengan rumusan dan implikasi dasar.

KAJIAN LEPAS Pengangguran sering kali dikaitkan dengan lebihan penawaran buruh di pasaran. Keadaan ini biasanya dikaitkan juga dengan masalah yang sering melanda kawasan luar bandar atau pun di negara yang mundur kesan daripada aktiviti ekonomi tidak berkembang dan seterusnya tidak dapat menyediakan peluang pekerjaan yang mencukupi untuk penduduk masing-masing. Namun begitu masalah penggangguran juga terjadi di kawasan bandar dan negara-negara membangun, alah di negara maju pun berlaku. Masalah ini terjadi kerana kekosongan pekerjaan yang ada tidak dapat dipenuhi atas sebab-sebab yang tertentu. Sama ada ianya berpunca daripada pihak yang menganggur atau dari pihak majikan sendiri. Maka, faktor-faktor yang menyebabkan pengangguran ini juga boleh dilihat sama ada dari sudut permintaan buruh atau penawaran buruh.Terdapat banyak kajian lepas yang mengkaji faktor penentu pengangguran sama ada dari prespektif mikroekonomi ataupun dari perspektif makroekonomi. Pelbagai model teoritikal digunakan untuk mengkaji hubungan pembolehubah mikro dan makro ekonomi termasuklah faktor upah, harga, inflasi, tingkat keluaran, kadar bunga, pelaburan langsung asing dan sebagainya. Kajian Okun’s (1970), telah mendapati wujud hubungan yang songsang antara pengangguran dan keluaran negara kasar (KNK). Dalam kajiannya mendapati penurunan 1% dalam pengangguran akan meningkatkan (KNK) potensi sebanyak 2-3%. Susulan itu banyak kajian-kajian serupa turut dilakukan bagi membuktikan kebenaran peraturan Okun’s. Antaranya ialah Dornbusch, Fischer dan Startz(2001) dan Downes (1998) . Kesimpulan mudah yang dinyatakan ialah orang yang tidak bekerja tidak menyumbang kepada pengeluaran dan seterusnya tidak menyumbang kepada pertumbuhan pengeluaran dalam negara. Kajian empirikal yang dijalankan oleh Farzad Farsio(2003) turut menyokong peraturan Okun’s. Dengan menggunakan data suku tahun siri masa negara Amerika Syarikat(US) dari tahun 1977 hingga 2001 mendapati pengangguran penyebab granger kepada Keluaran Dalam Negara Kasar (KDNK) dan hubungan negatif antara KDNK dan pengangguran adalah stabil bagi tempoh masa yang dikaji dengan menggunakan ujian kestabilan Chow. Walau bagaimanapun terdapat juga beberapa kajian yang bercanggah dengan peraturan Okun’s. Antaranya ialah Prachowny (1993), Blinder’s (1997) dan Altig,Fitzgerald dan Rupert’s (1997). Kajian mereka mendapati wujud hubungan yang positif antara pengangguran dan Keluaran Dalam Negara Kasar (GDP). Mereka mendapati bahawa perubahan dalam output mempunyai hubungan dengan produktiviti buruh. Hal ini yang diketepikan dalam kajian Okun’s (1970). Perubahan produktiviti pekerja boleh disebabkan oleh pelbagai faktor, antaranya ialah peningkatan dalam teknologi sebagaimana yang pernah berlaku di negara Amerika Syarikat dan negara-negara barat yang lain. Selain itu ia juga boleh disebabkan peningkatan dalam kualiti buruh seperti pendidikan, kemahiran dan juga kerja lebih masa. Semua faktor ini boleh menyebabkan GDP meningkat dan tidak semestinya dapat mengurangkan pengangguran. Kajian oleh Malley J dan Molana H (1970) yang mengkaji hubungan output dan pengangguran daripada negara-negara G7 ( US, Canada, UK, France, Germany, Italy dan Japan.) bagi tempoh 1960-2001 juga secara umumnya telah mengenepikan peraturan Okun’s kecuali negara German. Terdapat juga pembolehubah makroekonomi lain yang digunakan untuk melihat hubungannya dengan pengangguran. Misalnya kajian yang dilakukan oleh Dutt, Mitra & Ranjan (2007), mengkaji model perdagangan terhadap pengangguran. Menggunakan data keratan rentas bagi polisi perdagangan negara-negara yang dikaji, didapati pengangguran dan keterbukaan ekonomi (

ekspot import ), GDP

212


mempunyai hubungan yang negatif. Keputusan anggaran OLS menunjukkan bahawa jika satu peratus keterbukaan ekonomi meningkat ia akan mengurangkan pengangguran sebanyak 1.2%. Kajian dari sudut yang serupa juga dilakukan oleh Felbermayr, G, Prat J & Hans-Jörg Schmerer (2010) yang menggunakan data panel daripada 20 buah negara-negara OECD, mendapati wujud hubungan yang negatif antara kadar pengangguran dengan keterbukaan ekonomi. Satu lagi bentuk pembolehubah makro yang sering digunakan dalam kajian ini ialah 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 Münich (2007), dalam kajian impak daripada pelaburan asing dalam projek Toyota-Peugeot Citoёn 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%. Turut mendapat hasil keputusan yang sama ialah kajian oleh Rafiq M, Iftikhar Ahmad,Asmat Ullah dan Zahoor Khan(2009).Kajian yang menggunakan simple single equation linear regression (SELRM) mendapati FDI mempunyai kesan yang negatif terhadap pengangguran di Pakistan. Walaubagaimanapun wujud hasil kajian yang berbeza dalam melihat hubungan antara FDI dan pengangguran. Antaranya ialah kajian yang dijalankan di Turki oleh Aktar dan Ozturk (2009). Teknik VAR diaplikasikan terhadap variance decomposition dan impulse response finction bagi melihat pelbagai bentuk hubungan dalaman antara FDI, eksport, pengangguran dan GDP dalam tempoh 2000:1 hingga 2007:4. Hasil kajian mendapati FDI dan GDP tidak menyumbang kepada pengurangan kadar pengangguran di Turki. Menurut Mansor Jusoh (1990), 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. Ahli ekonomi yang terkemudian seperti Solow & Samuelson (1960) merujuk hubungan ini sebagai hubungan antara inflasi dengan pengangguran. Keluk Philips tradisional menyarankan bahawa wujud hubungan negatif yang stabil antara inflasi dengan pengangguran. Samuelson dan Solow(1960), telah menggunakan data Amerika Syarikat bagi tahun 1935-1959 juga mendapat keputusan yang sama iaitu hubungan yang negatif. Samuelson dan Solow menganggarkan bahawa untuk menjamin kadar inflasi yang rendah, kadar pengangguran seharusnya dibiarkan meningkat antara 5-6%. 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. Hasil kajian-kajian lepas mendapati hubungan antara kadar pengangguran dan kadar inflasi boleh menjadi negatif atau positif. Misalnya, kajian Schreiber dan Wolters (2004),yang menggunakan kaedah analisis kointegrasi VAR mendapati terdapat hubungan jangka masa panjang yang negatif antara inflasi dan kadar pengangguran di negara German. Snower & Karanassou (2002) turut menyokong hasil kajian yang sama bagi negara Spain. Kesimpulan yang dibuat dalam kajian beliau ialah peningkatan dalam pertumbuhan wang meningkatkan kadar inflasi dan mengurangkan kadar pengangguran. Manakala kajian yang dibuat oleh Muhammad Imtiaz Subhani, Osman & Nayaz(2011) mendapat hasil kajian yang berbeza-beza bagi keempat-empat negara yang dikaji iaitu Pakistan, India , Bangladesh dan Sri Langka. Dengan mengunakan data tahunan 1981 hingga 2010 dan mengaplikasi kaedah analisis regrasi mudah mendapati hubungan yang negatif antara kadar inflasi dan kadar pengangguran bagi negara Bangladesh. Bagi negara Pakistan pula, hubungannya adalah positif. Manakala dua buah lagi negara iaitu India dan Sri Langka menunjukkan tiada hubungan antara kadar inflasi dan pengangguran. Hasil kajian Beyer & Farmer (2002) dalam kajiannya menemui kecerunan keluk Philips yang positif bagi jangka masa panjang di Amerika Syarikat bagi tempoh 1959 hingga 1999. Kajian mengenai isu pengangguran di Malaysia merangkumi pelbagai sudut, sama ada dari segi penawaran buruh itu sendiri ataupun dari sudut prespektif makroekonomi. Kajian yang dilakukan oleh Zaleha Mohd Noor, Norashidah Mohamed Nor & Judhiana Abdul Ghani (2007) yang menguji peraturan Okun’s di Malaysia dengan menggunakan data tahunan siri masa dari tahun 1970 hingga 2004 mendapati terdapat hubungan yang negatif antara kadar pengangguran dan KDNK benar. Walau


213

bagaimanpun pekali bagi kadar pengangguran lebih kecil daripada yang diperolehi oleh Okun iaitu penurunan 1 peratus pengangguran akan membawa peningkatan sebanyak 1.75 peratus dalam KDNK potensi. Hasil kajian juga menunjukkan wujudnya penyebab dua arah bagi pembolehubah penganguran dan KDNK. Penurunan pengangguran akan mengembangkan ekonomi dan dalam masa yang sama peningkatan dalam aktiviti ekonomi akan mengurangkan pengangguran.Kajian Tingi & Lingii (2011), turut mengesahkan kewujudan peraturan Okun di Malaysia. Hasil kajian yang menggunakan pendekatan Autogressive Distribited Lag (ARDL) menunjukkan hubungan negatif yang stabil bagi kadar pengangguran dan pertumbuhan output untuk tempoh jangka masa panjang. Kajian oleh Thirunaukarasu (2008), menganalisis hubungan dinamik antara FDI, pengangguran, pertumbuhan ekonomi dan eksport. Dengan menggunakan teknik VAR, hasil kajian mendapati pertumbuhan ekonomi dan eksport sebagai penentu utama terhadap pengangguran di Malaysia. Justeru adalah penting untuk mengekalkan pertumbuhan ekonomi yang tinggi dan menguatkan sektor berorentasikan eksport untuk memastikan pengangguran yang rendah.Rasiah (2002) dalam kajiannya melihat sejauh mana perkembangan perdagangan dalam sektor pembuatan mempengaruhi guna tenaga, kemahiran dan upah ,mendapati FDI merupakan jentera utama dalam pertumbuhan eksport pembuatan. Hasil kajian mendapati pelaburan langsung asing yang menguasai sebahagian besar pengeksportan barang pembuatan telah mengurangkan kadar pengangguran dengan kadar inflasi yang kekal rendah. Fumitaka Furuoka (2007) melihat hubungan antara kadar inflasi dan kadar pengangguran bagi tempoh 1973 hingga 2004. Hasil kajian yang menggunakan kaedah Pembetulan Ralat Vektor (VECM) mendapati wujud hubungan yang negatif bagi tempoh jangka masa panjang antara kadar inflasi dan kadar pengangguran. Kajian juga mendapati wujud hubungan penyebab granger antara kadar pengangguran dan kadar inflasi dalam jangka masa pendek. Ulasan kajian lepas, sama ada di peringkat antarabangsa ataupun Malaysia, mendapati terdapat pelbagai faktor utama yang menyebabkan berlakunya pengangguran di sesebuah negara. Paling jelas ialah, terdapat hubungan yang songsang antara pengangguran dengan output negara. Namun begitu, dapatan kajian lepas turut menunjukkan bahawa faktor-faktor penentu kepada masalah pengangguran adalah tidak konklusif. Oleh itu, kertas ini bertujuan menganalisis hubungan pengangguran dengan beberapa pembolehubah makroekonomi yang dianggap penting dalam konteks ekonomi Malaysia.

METODOLOGI DAN PEMBENTUKAN MODEL KAJIAN Analisis kajian adalah menggunakan kaedah Autoregressive Distributed lag (ARDL) yang dicadangkan oleh Pesaran & Shin (1996) dan Pesaran et al.(2001) telah diaplikasikan untuk membentuk fungsi kadar pengangguran di Malaysia. Kaedah ARDL ini dipilih atas tiga sebab iaitu yang pertama ialah prosuder ujian batas yang dijalankan di dalam pendekatan ARDL adalah ringkas (Fosu & Magnus 2006) berbanding kaedah Johansen (1998) dan Johansen & Juselius(1990). Kaedah ini membolehkan hubungan kointegrasi dianggarkan dengan OLS sebaik sahaja lat sesuatu model dikenalpasti.Selain daripada itu ujian kointegrasi pendekatan ARDL juga membolehkan pembolehubah yang berbeza menggunakan optima lat yang berbeza berbanding ujian kointegrasi yang lain (Durasa 2007). Kedua, pendekatan ARDL tidak memerlukan pra ujian ke atas pembolehubah-pembolehubah dilakukan. Pra ujian tersebut seperti ujian kepegunan (root test). Ini bermakna ujian kointegrasi boleh dilakukan tanpa perlu menyemak darjah kepegunan sesuatu siri masa sama ada pembolehubah tersebut berintegrasi pada tahap I(0), I(1) atau kedua-duanya (Zulkefly, Md.Zyadi & Aqualdo, 2007). Ketiga, keadah ARDL ini secara bandingannya mempunyai sifat yang tidak bias, cekap dan sesuai digunakan untuk bilangan sampel data yang kecil (Zulkefly, Md.Zyadi & Aqualdo 2007, Fosu & Magnus 2006 dan Durasa 2007)sebagaimana bilangan data yang digunakan dalam kajian ini. Data yang digunakan dalam kajian diperolehi daripada data sekunder yang dikeluarkan oleh Jabatan Perangkaan Malaysia-Data Siri Masa 2007, 2009 dan 2011, Laporan Ekonomi Malaysia pelbagai tahun dan International Monetary Fund (IMF) .Data siri masa yang dikumpulkan adalah meliputi tempoh 1981 hingga 2010 iaitu selama tempoh 30 tahun. Model kajian pula dibentuk berdasarkan kajian-kajian yang lepas untuk mengkaji hubungan kadar pengangguran dengan pembolehubah-pembolehubah lain. Kadar pengangguran adalah merupakan pembolehubah bersandar manakala faktor-faktor lain yang menentukan kadar pengangguran sebagai pembolehubah-pembolehubah tidak bersandar. Bagi tujuan ini, model yang digunakan adalah berasaskan kepada kajian Thirunaukarasu (2008), dengan dibuat sedikit pengubahsuaian dan penambahan pembolehubah tertentu berdasarkan kajian lepas serta disesuaikan mengikut situasi ekonomi Malaysia . Oleh kerana objektif kajian ialah untuk

214


melihat faktor-faktor penentu yang mempengaruhi kadar pengangguran di Malaysia, satu fungsi umum boleh ditulis seperti berikut: UR = f (REG,OPN,FDIG,IR)_______________________(1) Maka dengan itu, fungsi (1) boleh ditulis dalam bentuk model fungsi linear yang ditulis seperti berikut: URt = β0 + β1 REGt + β2 OPNt + β3FDIGt + β4IRt + ε t________(2) yang mana UR, REG,OPN, FDIG IR dan εt masing-masing ialah kadar pengangguran, kadar pertumbuhan ekonomi benar , keterbukaan ekonomi ,kadar pertumbuhan pelaburan langsung asing benar, kadar inflasi dan ralat rawak. Pada asasnya, pendekatan versi ARDL untuk kointegrasi yang melibatkan anggaran kepada pembetulan ralat vektor(VEC) terhadap model kadar pengangguran dan penentu-penentunya boleh ditulis seperti berikut: p

∆URt = c0 + δ1URt-1 + δ2REGt-1 + δ3OPNt-1 + δ4FDIGt-1 + δ5IRt-1 +

i

ΔUR t

+

i

i 1 p

p i ΔREG t

i

i 0

p i ΔOPN t

i

i 0

p i ΔFDIG t

i 0

i

i

ΔIR t

i

t

__________(3)

i 0

yang mana δi pekali bagi jangka masa panjang, co ialah pintasan, ∆ ialah pembezaan pertama pembolehubah dan p ialah lat optimum. Langkah pertama dalam ARDL ialah melakukan kaedah ujian batas dengan menganggarkan persamaan (3) melalui OLS bagi menguji kewujudan hubungan jangka panjang antara pembolehubahpembolehubah dengan melakukan ujian kesignifikanan terhadap pembolehubah dalam model pembetulan ralat . Ini dapat dilakukan dengan menggunakan statistik-F. Hipotesis nul yang mengatakan tidak wujud hubungan jangaka masa panjang antara pembolehubah ialah H o : δ1= δ2 = δ3 = δ4 = δ5 = 0. Manakala hipotesis alternatif mengatakan wujud hubungan jangka masa panjang ialah H 1 : δ1≠ δ2 ≠δ3 ≠ δ4 ≠ δ5 ≠ 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: P

UR t

c0 i 1

p

δ1UR t

p

δ 2 REG t

i i 0

p

δ 3OPN t

i i 0

p

δ 4 FDIG t

i i 0

δ 5 IR t

i

i

i 0

Susunan penentuan lat dalam model ARDL dipilih melalui Akaike Information Criterion (AIC) sebelum model dianggarkan dengan Ordinary Least Squares (OLS). Langkah ketiga dan yang terakhir ialah menganggar hubungan dinamik jangka masa pendek dengan menerbitkan model vektor pembetulan ralat (ECM). Persamaan fungsi model ECM adalah seperti berikut:

ε t __(4)


p

P

URt

2

2i

URt

i 1

ecmt

1

t

i

215

p 2i

REG t

i 0

i

p 2i

i 0

OPN t

i

p 2i

FDIG t

i 0

i

2i

IR t

i

i 0

__________ _______(5)

yang mana φ, ϖ, ϕ, λ dan γ adalah pekali dinamik jangka masa pendek dan ψ ialah pekali bagi kecepatan penyesuaian menuju keseimbangan jangka masa panjang.

KEPUTUSAN DAN PERBINCANGAN Sebelum menguji kewujudan kointegrasi antara semua pembolehubah makro yang diuji, terlebih dahulu dijalankan ujian punca unit yang menggunakan ujian Augmented DickeyFuller (ADF) (1981). Nilai statistik t yang diperolehi daripada ujian ini nanti akan dibandingkan dengan nilai genting yang diberikan oleh Mackinnon (1991). 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 ADF. Bilangan lat ditentukan dengan Akaike Information Criterion (AIC) yang diperkenalkan oleh Akaike (1977). Ujian yang dilakukan mengambil kira ujian yang memasukkan pembolehubah pintasan dan tren. JADUAL 1: Keputusan Ujian Kepegunan Menggunakan Ujian ADF Paras I (0) Paras I(1) Pembolehubah

Pintasan

Pintasan dan Tren

Pintasan

Pintasan dan Tren

UR REG OPN FDIG

-1.754559(0) -4.283064(0)*** -6.275175(1)*** -5.048896(0)***

-1.817698(0) -4.283555(0)** 1.965564(5) -4.881369(0)***

-4.910116(0)*** -6.529713(1)*** -15.01665(0)*** -6.788639(1)***

-4.775595(0)*** -6.385322(1)*** -3.777364(2)** -6.647500(1)***

IR

-4.893106(0)***

-4.635364(0)***

-7.242301(0)***

-7.148649(0)***

Tanda *** (**)* tolak H0, menunjukkan pembolehubah pegun pada aras keertian 1%,(5%) dan 10%. Nilai dalam kurungan menunjukkan lat yang optimum yang ditentukan melalui AIC. Berdasarkan jadual 1, keputusan ujian kepegunan yang menggunakan regrasi pintasan tanpa tren didapati semua pembolehubah siri masa pegun pada aras 1(0) dengan aras keertian 1% kecuali pembolehubah UR. Ujian yang menggunakan regrasi dengan pintasan dan tren pula didapati semuanya adalah pegun pada aras keertian 1%( FDIG dan IR) dan 5% (REG) kecuali pemboleh ubah UR dan OPN yang didapati tidak pegun . 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 . Manakala ujian regrasi dengan menggunakan pintasan dan tren juga didapati kesemua pembolehubah adalah pegun pada tahap keertian 1%, kecuali pembolehubah OPN, 5%. Ini bermakna ujian kepegunan pada tahap pembezaan pertama melalui regrasi pintasan tanpa tren adalah model yang terbaik kerana semua pembolehubah siri masa adalah pegun iaitu mempunyai tren stokastik secara bersama mengikut masa. Keputusan Ujian Batasan Kepada Kointegrasi Langkah pertama yang perlu dilakukan dalam ujian ini adalah untuk menguji kehadiran hubungan jangka panjang antara pembolehubah-pembolehubah yang diuji terhadap kadar pengangguran bagi persamaan 1. Ujian jangka panjang diketahui dengan melakukan ujian kesignifikan terhadap ralat (error correction) berasaskan model ARDL. Ini dapat dilakukan dengan menggunakan statistik-F. Pesaran et al. (2001) telah menyusun dua nilai kritikal untuk jumlah yang berbeza berdasarkan

216


bilangan pembolehubah tak bersandar. Berdasarkan kaedah ini (Pesaran M.H & B Pesaran 1997), proses penganggaran regrasi OLS dibuat pada perbezaan pertama. Ujian statistik-F yang dilakukan mengambil kira dua bentuk persamaan, iaitu persamaan dengan pintasan dan persamaan dengan pintasan dan tren. Berdasarkan hasil kajian pada jadual 2, ujian satistik F yang dilakukan bagi kes II (persamaan dengan pintasan ) signifikan pada aras keertian 5% dimana nilai statistik F yang dikira iaitu 4.2 lebih besar daripada batas nilai kritikal I(1) yang diperolehi daripada jadual (Pesaran M.H & B Pesaran 1997). Keputusan ini menunjukkan wujudnya hubungan jangka panjang atau kointegrasi antara pembolehubah-pembolehubah tak bersandar dengan kadar pengangguran di Malaysia. Oleh itu hipotesis null yang menyatakan tidak wujud hubungan jangka panjang ditolak. Disebabkan wujudnya hubungan jangka panjang bagi pembolehubah-pembolehubah yang dikaji, maka langkah seterusnya ialah menganggarkan fungsi kadar pengangguran jangka panjang dengan menggunakan pendekatan ARDL (1,1,0,0,1 ) yang dipilih berdasarkan Akaike Information Criterion . Keputusan penganggaran fungsi jangka panjang ditunjukkan dalam jadual 3. Berdasarkan nilai statistik-t, pembolehubah keterbukaan ekonomi adalah sangat signifikan iaitu pada aras keertian 1% dalam mempengaruhi kadar pengangguran. Hubungannya dengan kadar pengangguran adalah secara negatif iaitu apabila keterbukaan ekonomi meningkat 1%, kadar pengangguran akan berkurangan 4.4%. Manakala statistik-t bagi pembolehubah pertumbuhan ekonomi negara signifikan pada aras keertian 5%. Hubungannya dengan kadar pengangguran juga adalah secara songsang iaitu 1% kenaikkan dalam petumbuhan ekonomi negara akan mengurangkan kadar pengangguran 0.26%.

Ujian Statistik

F-Statistik

JADUAL 2: Nilai Statistik -F Untuk Tujuan Hubungan Jangka Panjang Batas nilai kritikal Kes II Batas nilai kritikal Kes III nilai batas nilai batas nilai batas nilai batas Nilai Lat Aras kritikal kritikal kritikal kritikal Statistik kesignifikan terbawah teratas terbawah teratas I(0) I(1) I(0) I(1)

4.1226

2

1% 5% 10%

3.817 2.850 2.425

5.122 4.049 3.574

4.617 3.539 3.063

Nota: 1. Pembolehubah bebas (k) = 4 2. Kes II ialah persamaan dengan pintasan dan kes III ialah persamaan dengan pintasan dan tren. Hasil kajian ini menyokong kajian Downes (1998) yang mendapati peningkatan keluaran dalam negara benar mengurangkan pengangguran dalam jangka masa panjang dan kajian Zaleha Mohd Noor, Norashidah Mohamed Nor & Judhiana Abdul Ghani (2007). Terbukti peraturan Okun’s wujud bagi negara Malaysia, cuma pekalinya lebih kecil iaitu 0.26% berbanding 1.75% (Zaleha Mohd Noor, Norashidah Mohamed Nor & Judhiana Abdul Ghani 2007). Dapatan kajian juga menyokong kajian Thirunaukarasu (2008) yang mendapati dalam jangka masa panjang peningkatan pelaburan langsung asing, pertumbuhan ekonomi dan eksport akan mengurangkan pengangguran. Walaubagaimanapun , penentu utama bagi kadar pengangguran di Malaysia dalam kajian ini adalah keterbukaan ekonomi dan bukanlah pelaburan langsung asing sebagaimana dalam kajian Thirunaukarasu (2008) . Pembolehubah-pembolehubah tak bersandar yang lain menunjukkan ianya tidak signifikan pada aras keertian 1%, 5% mahupun 10% dalam mempengaruhi kadar pengangguran pada jangka masa panjang. Namun begitu, kedua-dua pembolehubah tersebut iaitu pertumbuhan pelaburan langsung asing dan kadar inflasi menunjukkan hubungan yang negatif dengan kadar pengangguran. Ianya secara tidak lansung menyokong kajian-kajian lepas di Malaysia yang dibuat oleh Thirunaukarasu (2008) dan Furuoka (2007) serta di negara-negara lain seperti kajian Schreiber & Wolters (2004) dan Snower & Karanassou (2002). JADUAL 3: Penganggaran pekali jangka panjang Malaysia-pendekatan ARDL Lat ARDL: (1,1,0,0,1) Pembolehubah Bersandar Pembolehubah Tak Bersandar UR Pintasan, C REG OPN FDIG IR 13.4220 -0.25919** -4.4012*** -0.011578 -0.35709 (6.9720) (-2.0546) (-4.7226) (-1.6369) (-1.5518) Nota:1. Nilai statistik –t di dalam kurungan 2. * signifikan pada aras keertian 5 peratus, *** signifikan pada aras keertian 1 peratus. 3. Lat optimum yang digunakan ialah 1 dengan menggunakan kaedah AIC

5.786 4.667 4.084


217

Keputusan penganggaran dinamik pekali jangka pendek yang diperolehi daripada persamaan terma pembetulan ralat (ECM) ditunjukkan dalam jadual 4. Hasil kajian menunjukkan dalam jangka masa pendek, hubungan pembolehubah-pembolehubah makro yang diuji terhadap kadar pengangguran di Malaysia masih tetap sama seperti yang ditunjukkan dalam jangka masa panjang. Manakala pembolehubah keterbukaan ekonomi juga masih merupakan pembolehubah yang sangat signifikan mempengaruhi kadar pengangguran iaitu pada aras keertian 1% dan diikuti oleh pembolehubah pertumbuhan ekonomi yang signifikan pada aras keertian 5%. Ini menunjukkan, kedua-dua pembolehubah tersebut signifikan dalam mempengaruhi kadar pengangguran bagi tempoh jangka masa panjang dan jangka masa pendek. Dalam jangka masa pendek juga didapati pembolehubah pelaburan langsung asing juga turut signifikan mempengaruhi kadar pengangguran pada aras keertian 10%. Ini bermakna pelaburan langsung asing hanya dapat mempengaruhi kadar pengangguran bagi tempoh jangka masa pendek sahaja. JADUAL 4: Model Terma Pembetulan Ralat Kepada Kadar Pengangguran Lat ARDL: (1,1,0,0,1) Pembolehubah Pembolehubah Tak Bersandar Bersandar DURt Pintasan, DREGt DOPNt DFDIGt DIRt ECM(-1) DC 4.3468 0.04613** 1.4253*** 0.0037497* 0.023423 0.32386*** (5.2065) (-2.2473) (-4.5311) (-2.0016) ((-3.5568) 0.37513) Nota:1. *** signifikan pada aras keertian 1 peratus, ** signifikan pada aras keertian 5 peratus dan * signifikan pada aras keertian 10 peratus. 2. Nilai statistik –t di dalam kurungan Pekali bagi terma pembetulan ralat (ECM) 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 32% (pekali ECM = -0.32386) daripada ketakseimbangan dari kejutan tahun sebelumnya diselaraskan kembali kepada keseimbangan jangka panjang dalam tahun semasa. Keputusan ujian diagnostik ditunjukkan dalam jadual 5. Model regrasi ARDL menunjukkan nilai R2 yang tinggi iaitu 94%. Ini bermakna pembolehubah -pembolehubah tak bersandar dapat menerangkan pembolehubah kadar pengangguran sebanyak 94%. Keputusan ujian diagnostik juga menunjukkan bahawa model tersebut lulus bagi kesemua ujian yang dijalankan iaitu ujian korelasi bersiri dan ujian kenormalan. Walaubagaimanapun ia gagal dalam ujian hetrokedastisiti pada aras keertian 5%. Walaubagaimanapun menurut Fosu & Magnus(2006), oleh kerana persamaan ARDL mengandungi siri masa yang berintegrasi pada aras yang bercampur-campur seperti I(0) dan I(1), maka heteroskedastisiti secara semulajadinya akan dikesan kehadirannya. 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 2.

RUMUSAN DAN IMPLIKASI DASAR Kajian yang telah dijalankan ini bertujuan mengenalpasti pembolehubah makroekonomi sebagai faktor yang mempengaruhi kadar pengangguran di Malaysia bagi tempoh kajian yang meliputi tahun 1981 hingga 2010 dengan menggunakan data siri masa. Kajian ini telah memfokuskan kepada empat pembolehubah makroekonomi yang mempengaruhi kadar pengangguran iaitu kadar pertumbuhan ekonomi benar, kadar pertumbuhan FDI benar, keterbukaan ekonomi dan kadar inflasi .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 Malaysia adalah sangat signifikan dipengaruhi oleh keterbukaan ekonomi pada aras keertian 1% dan pembolehubah kadar pertumbuhan ekonomi benar

218


pada aras keertian 5%. Kedua-dua pembolehubah ini mempengaruhi kadar pengangguran dalam jangka masa panjang dan jangka masa pendek. Hubungan yang negatif antara pembolehubah-pembolehubah yang dikaji juga konsisten dengan kajian-kajian lepas. Hasil kajian juga mendapati pembolehubah kadar pertumbuhan pelaburan langsung asing benar signifikan mempengaruhi kadar pengangguran dalam jangka masa pendek sahaja. Pembolehubah kadar inflasi tidak signifikan mempengaruhi kadar pengangguran bagi kedua-dua tempoh jangka masa. Justeru implikasi dasar terhadap kawalan pembolehubah makroekonomi tertentu berupaya memastikan kadar pengangguran kekal rendah di Malaysia seperti meningkatkan lagi liberalisasi dalam perdagangan dan melaksanakan dasar fiskal yang boleh menyumbang kepada pertumbuhan ekonomi dalam jangka masa panjang. Langkah kerajaan memberi insentif tertentu untuk mengalakkan kemasukkan pelabur langsung asing perlu diteruskan memandangkan FDI berupaya mencipta lebih banyak peluang pekerjaan dalam jangka masa pendek. Namun begitu, tumpuan haruslah diberikan terhadap kemasukan FDI yang berkualiti dan berteknologi tinggi yang mampu menjana peluang pekerjaan yang memerlukan kemahiran tinggi dan profesional selaras dengan pelan transformasi negara untuk menjadi negara yang berpendapatan tinggi menjelang tahun 2020.

RUJUKAN A Chowdhury and G.Mavrotas. 2006 .FDI and Growth: What causes what?. The World Economy. Vol 29, No.1.pp.9-19. Altig,D,T.Fitzgerald and Rupert,P.1997. Okun’sLaw revisited:should We Worry about Low Unemploymnet?. Economic Commentary, May,1-4. Akaike, H. 1977. On entropy miximisation principle. In: Proc. Symp. on Applications of Statistics ed. P. R. Krishnaiah, 27-47'. Amsterdam, The Netherlands. Aktar.I & Ozturk L.2009. Can Unemployment be Cured by Economic Growth and Foreign Direct Investment inTurkey?.International Research Journal of Finance and Economics.Issue 27. Beyer, A., Farmer, R.E., 2002. Natural rate doubts. Working Paper 121, European Central Bank. Blinder,A.(1997). A Core of Macroeconomics Beliefs?. Challenge,40,36-44 Chowdhury A. & Mavrotas G.2006. FDI and Growth:What causes what? The World Economy.Vol 29, no.1 9-19. Dickey,D.& Fuller,W.1981. Likehood Ratio Test for Autoregressive Time Series with a Unit Root. Econometrica.35:251-276 Dornbush R.,Fosher S. & Starz R.2001. Macroeconomics. McGraw- Hill. Downes A.S. 1998. An Economic Analysis of Unemployment in Trinidad and Tobago. Seminar Paper on Labour Market: Between Solidarity and Loyalty. Inter-American Development Bank, Montevideo, Uruguay. Durasa J. 2007. Determinants of Malaysian Trade Balance: An ARDL Bound Testing Approach. Journal of Economic Cooperation,28,3: 21-40 Dutt P, Mitra D & Priya Ranjan P. 2007. International trade and unemployment: Theory and crossnational evidence. Journal of International Economics, 78 (2009) 32–44. Farsio F.2003. An empirical Analysis of the Relationship Between GDP and Unemployment.Humanomics, Vol.19 Iss13:3,1-6 Felbermayr G, Prat J & Schmerer HJ.2011. Trade and unemployment: What do the data say?. European Economic Review 55 , 741–758 Friedman M.1968. The role of monetary policy. American Economic Review 68 (1): 1–17 Fosu & Magnus.2006.Bounds Testing Approach to Cointegration: An Exmination of Foreign Direct Investment Trade and Growth Relationships. American Journal of Applied Science 3 (11):2079-2085. Furuoka, Fumitaka, 2007 .Does the “Phillips Curve” Really Exist? New Empirical Evidence from Malaysia."2007Economics Bulletin, Vol. 5, No. 16 pp. 1-14 Hess,P.&Ross C.1997.Economics Development: Theories, Evidence and Policies.London:Harcourt & Brace Collage Publishers. InternationalMonetaryFund:http://www.imf.org/external/pubs/ft/weo/2012/01/weodata/weoselagr.aspx Jabatan Perangkaan Malaysia. 2007. Perangkaan Ekonomi Malaysia Siri Masa. Kuala Lumpur: Jabatan Percetakan Negara Jabatan Perangkaan Malaysia. 2009. Perangkaan Ekonomi Malaysia Siri Masa. Kuala Lumpur: Jabatan Percetakan Negara. Jabatan Perangkaan Malaysia. 2011. Perangkaan Ekonomi Malaysia Siri Masa. Kuala Lumpur: Jabatan Percetakan Negara.


219

Johansen,S.1998. Statistical Analysis of Cointegration Vectors. Jounal of Economic Dynamics and Control.12:231-254. Johansen,S. & Jeselius, K.1990. Maximum likehood estimation and inference on cointegration with application money demand. Oxford Bulletin of Economics and Satistics 52:169-210 Kementerian Kewangan Malaysia. Laporan Ekonomi Malaysia, pelbagai tahun. Kuala Lumpur: Jabatan Percetakan Negara Malley J.& Molana H.2007.”The Relationship between Output and Unemployment With Efficiency wages. German Economic Review,Wiley Blackwell,vol.8,pages 561-577. Mansor Jusoh.1990. Inflasi. Dewan Bahasa dan Pustaka, Hulu Kelang Selangor. Marián, Dingan, & Daniel Münich.2007.The impact of territorially concentrated FDI on local Lobor markets: Evidence from the Czech Republic. Labour Economics 17 pp.354-367 McConnel,C.R. & S.L.Brue.1995.Contemporary Labor Economics. New York: McGraw-Hill.Inc. Muhammad Imtiaz Subhani,Amber Osman dan Muhammad Nayaz.2011. The South Asian Philips Curve: Asessing the Gordon Triangle”.European Jounal of Economics, Finace and Administrative Science. Issue 36, pp.110-114. Okun, Arthur, M. 1970. The Political Economy of Prosperity. New York, W. W.Norton. Pesaran M.H & B. Pesaran .1997.Microfit 4.0: Interractive Econometrics Analysis. Oxford University Press Pesaran M.H. & Shin,Y.1996.An Autoregressive Distributed Lag Modelling Aproach to Cointegration Analysis. Dae Working Paper. No.9514. Department of Applied Economics, University of Cambridge. Pesaran M.H., Y.Shin & R.J.Smith.2001. Bound testing approaches to the analysis of level relationships. Journal of Applied Econometrics.16:289-326. Phelps, Edmund S. (1967). Phillips Curve, Expectation of Inflation, and Optimal Inflation over Time.Economica.34, pp.254-281. Phillips, A. W. 1958. "The Relationship between Unemployment and the Rate of Change of Money Wages in the United Kingdom 1861-1957". Economica 25 (100): 283–299. Prachowny,M.F.J.(1993). Okun’s Law: Theoretical Foundations and Revisited Estimates, Review of Economics and Statistics,98-103. Rafiq M, Iftikhar Ahmad,Asmat Ullah dan Zahoor Khan.2009. Determinants Of Unemployment: ACase Study Of Pakistan Economy.Abasyn Journal of Sosial Science Vol.3.No.1. Rajah Rasiah. 2002. Manufactured Exports, Employment, Skills and Wages in Malaysia. Employment Paper2002/2003. International Labour organization. Schreiber S & Wolters J.2004. The long-run Phillips curve revisited:Is the NAIRU framework dataconsistent?.Journal of Macroeconomics 29(2007), 355-367 Snower dan Karanassou .2002. An Anatomy of the Philips Curve. Queen Mary, Universiti of London, School of Economics and Finance, Working Papers478. Solow, Robert M & Samuelson, Paul A.1960. Analytical Aspects of Anti-Inflation Policy. American Economic Review, 50, pp. 177-84 Thillainathan.R.1989.Alternative Solutions to Unemployment in Malaysia. ISIS Issue paper. Thirunaukarasu Subramaniam.2008. The Dynamic Interactions Among Foreign Direct Investment, Unemployment, Economic Growth And Expots: Evidence From Malaysia.. Jati, vol.13.pp.3548. Tingi N.Y & Lingii L.S. 2011. Okun’s Law in Malaysia: An Autogressive Distributed Lag (ARDL)Approach with Hodrick-Prescott (HP) Filter. Journal of Global Business and Economics, Vol 2(1). Unit Perancangan Ekonomi.2011.Sejarah Ekonomi.Portal Rasmi EPU, Jabatan Perdana Menteri. Zaleha Mohd Noor, Norashidah Mohamed Nor dan Judhiana abdul Ghani .2007.” The Relationship between Output and unemployment in Malaysia: Does Okun’sLaw exits?”.Int.Journal of Economics and Management 1(3):337-344. Zulkefly A.K, Md Zyadi M.T & Aqualdo N.2007. Gelagat Tabungan Sektor Swasta di Malaysia. Akademika 71: 75-90

220


GAMBARAJAH 1: Kadar Pengangguran di Malaysia Bagi Tempoh 1981-2010 Sumber: Jabatan Perangkaan Malaysia: Perangkaan Ekonomi Malaysia-Siri Masa 2011

Plot of Cumulative Sum of Recursive Residuals 15 10 5 0 -5 -10 -15 2010 1984 1989 1994 1999 2004 2009 The straight lines represent critical bounds at 5% significance level

Plot of Cumulative Sum of Squares of Recursive Residuals 1.5 1.0 0.5 0.0 -0.5 1984

1989

1994

1999

2004

2009

2010

The straight lines represent critical bounds at 5% significance level

GAMBARAJAH 2: Plot Pekali Kestabilan Kepada CUSUM dan CUSUM (Squares), bagi Model ECM.


221

LAMPIRAN Ujian Kepegunan Null Hypothesis: UR has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on AIC, maxlag=7)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.754559 -3.679322 -2.967767 -2.622989

0.3945

*MacKinnon (1996) one-sided p-values. _________________________________________________________________ Null Hypothesis: UR has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-1.817698 -4.309824 -3.574244 -3.221728

0.6700

*MacKinnon (1996) one-sided p-values. __________________________________________________________________ Null Hypothesis: D(UR) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-4.910116 -3.689194 -2.971853 -2.625121

0.0005

*MacKinnon (1996) one-sided p-values. __________________________________________________________________ Null Hypothesis: D(UR) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-4.775595 -4.323979 -3.580623 -3.225334

0.0035

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

222


Null Hypothesis: REG has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-4.283064 -3.679322 -2.967767 -2.622989

0.0023

t-Statistic

Prob.*

-4.283555 -4.309824 -3.574244 -3.221728

0.0106

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

Null Hypothesis: REG has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=7)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

____________________________________________________________ Null Hypothesis: D(REG) has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-6.529713 -3.699871 -2.976263 -2.627420

0.0000


____________________________________________________________ Null Hypothesis: D(REG) has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-6.385322 -4.339330 -3.587527 -3.229230

0.0001


223

Null Hypothesis: FDIG has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-5.048896 -3.679322 -2.967767 -2.622989

0.0003


____________________________________________________________ Null Hypothesis: FDIG has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-4.881369 -4.309824 -3.574244 -3.221728

0.0026


____________________________________________________________ Null Hypothesis: D(FDIG) has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-6.788639 -3.699871 -2.976263 -2.627420

0.0000


____________________________________________________________ Null Hypothesis: D(FDIG) has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-6.647500 -4.339330 -3.587527 -3.229230

0.0000

224


Null Hypothesis: IR has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-4.893106 -3.679322 -2.967767 -2.622989

0.0005

*MacKinnon (1996) one-sided p-values. __________________________________________________________________ Null Hypothesis: IR has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-4.635364 -4.309824 -3.574244 -3.221728

0.0047

*MacKinnon (1996) one-sided p-values. __________________________________________________________________ Null Hypothesis: D(IR) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-7.242301 -3.689194 -2.971853 -2.625121

0.0000

*MacKinnon (1996) one-sided p-values. __________________________________________________________________ Null Hypothesis: D(IR) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-7.148649 -4.323979 -3.580623 -3.225334

0.0000


225

Null Hypothesis: OPN has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on AIC, maxlag=7)


t-Statistic

Prob.*

-6.275175 -3.689194 -2.971853 -2.625121

0.0000

t-Statistic

Prob.*

1.965564 -4.394309 -3.612199 -3.243079

1.0000

t-Statistic

Prob.*

-15.01665 -3.689194 -2.971853 -2.625121

0.0000

t-Statistic

Prob.*

-3.777364 -4.356068 -3.595026 -3.233456

0.0345


Null Hypothesis: OPN has a unit root Exogenous: Constant, Linear Trend Lag Length: 5 (Automatic - based on AIC, maxlag=7)


Null Hypothesis: D(OPN) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on AIC, maxlag=7)


Null Hypothesis: D(OPN) has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic - based on AIC, maxlag=7)


226


2. Ujian nilai statistik F Variable Addition Test (OLS case) ******************************************************************************* Dependent variable is DU List of the variables added to the regression: U(-1) E(-1) O(-1) F(-1) R(-1) 27 observations used for estimation from 1984 to 2010 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] C 6.9834 2.5751 2.7119[.020] DU(-1) .17258 .24717 .69825[.500] DU(-2) .45597 .21751 2.0964[.060] DE(-1) .044056 .048623 .90607[.384] DE(-2) .030773 .029765 1.0338[.323] DO(-1) -.20718 .29594 -.70007[.498] DO(-2) .0063024 .13926 .045255[.965] DF(-1) -.0043418 .0034443 -1.2606[.234] DF(-2) -.0011039 .0021580 -.51154[.619] DR(-1) .084173 .11381 .73962[.475] DR(-2) -.10522 .095829 -1.0980[.296] U(-1) -.80139 .22056 -3.6335[.004] E(-1) -.082321 .061916 -1.3296[.211] O(-1) -1.9116 .85038 -2.2479[.046] F(-1) .0090466 .0048297 1.8731[.088] R(-1) -.15986 .12204 -1.3098[.217] ******************************************************************************* Joint test of zero restrictions on the coefficients of additional variables: Lagrange Multiplier Statistic CHSQ( 5)= 17.6051[.003] Likelihood Ratio Statistic CHSQ( 5)= 28.5030[.000] F Statistic F( 5, 11)= 4.1226[.024]

3. Keputusan penganggaran jangka panjang dan jangka pendek -pendektan ARDL Estimated Long Run Coefficients using the ARDL Approach ARDL(1,1,0,0,1) selected based on Akaike Information Criterion ******************************************************************************* Dependent variable is U 27 observations used for estimation from 1984 to 2010 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] E -.25919 .12615 -2.0546[.054] O -4.4012 .93194 -4.7226[.000] F -.011578 .0070733 -1.6369[.118] R -.35709 .23011 -1.5518[.137] C 13.4220 1.9251 6.9720[.000] ******************************************************************************* Error Correction Representation for the Selected ARDL Model ARDL(1,1,0,0,1) selected based on Akaike Information Criterion ******************************************************************************* Dependent variable is dU 27 observations used for estimation from 1984 to 2010 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] dE -.046133 .020528 -2.2473[.035] dO -1.4253 .31457 -4.5311[.000] dF -.0037497 .0018733 -2.0016[.058] dR -.023423 .062439 -.37513[.711] dC 4.3468 .83489 5.2065[.000] ecm(-1) -.32386 .091052 -3.5568[.002] ******************************************************************************* List of additional temporary variables created: dU = U-U(-1) dE = E-E(-1) dO = O-O(-1) dF = F-F(-1) dR = R-R(-1) dC = C-C(-1) ecm = U + .25919*E + 4.4012*O + .011578*F + .35709*R -13.4220*C ******************************************************************************* R-Squared .74588 R-Bar-Squared .65225 S.E. of Regression .38839 F-stat. F( 5, 21) 11.1533[.000] Mean of Dependent Variable -.0074074 S.D. of Dependent Variable .65863


Residual Sum of Squares 2.8661 Equation Log-likelihood -8.0326 Akaike Info. Criterion -16.0326 Schwarz Bayesian Criterion -21.2160 DW-statistic 1.8735 ******************************************************************************* R-Squared and R-Bar-Squared measures refer to the dependent variable dU and in cases where the error correction model is highly restricted, these measures could become negative. Autoregressive Distributed Lag Estimates ARDL(1,1,0,0,1) selected based on Akaike Information Criterion ******************************************************************************* Dependent variable is U 27 observations used for estimation from 1984 to 2010 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] U(-1) .67614 .091052 7.4259[.000] E -.046133 .020528 -2.2473[.037] E(-1) -.037806 .020000 -1.8903[.074] O -1.4253 .31457 -4.5311[.000] F -.0037497 .0018733 -2.0016[.060] R -.023423 .062439 -.37513[.712] R(-1) -.092222 .063137 -1.4607[.160] C 4.3468 .83489 5.2065[.000] ******************************************************************************* R-Squared .94239 R-Bar-Squared .92116 S.E. of Regression .38839 F-stat. F( 7, 19) 44.3994[.000] Mean of Dependent Variable 4.0963 S.D. of Dependent Variable 1.3833 Residual Sum of Squares 2.8661 Equation Log-likelihood -8.0326 Akaike Info. Criterion -16.0326 Schwarz Bayesian Criterion -21.2160 DW-statistic 1.8735 Durbin's h-statistic .37313[.709] *******************************************************************************

4. Keputusan Ujian Diagnostik. Diagnostic Tests ******************************************************************************* * Test Statistics * LM Version * F Version * ******************************************************************************* * * * * * A:Serial Correlation*CHSQ( 1)= .071234[.790]*F( 1, 18)= .047615[.830]* * * * * * B:Functional Form *CHSQ( 1)= .25848[.611]*F( 1, 18)= .17399[.682]* * * * * * C:Normality *CHSQ( 2)= .94856[.622]* Not applicable * * * * * * D:Heteroscedasticity*CHSQ( 1)= 3.8926[.048]*F( 1, 25)= 4.2114[.051]* ******************************************************************************* 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

227

FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI MALAYSIA

Recommend Documents