Hiệp phương sai : CovarY Yt, t k gk
Tính dừng là một khái niệm vô cùng quan trọng. Trong hầu hết các mô hình thống kê đều yêu cầu chuỗi dữ liệu phải là chuỗi dừng. Do vậy khi ước lượng các tham số hoặc kiểm định giả thuyết của mô hình, nếu không kiểm định tính dừng của dữ liệu thì các kỹ thuật phân tích thông thường chẳng hạn phương pháp bình phương bé nhất (OLS) sẽ không chính xác và hợp lý. Theo Granger và Newbold (1977) các kết quả phân tích từ chuỗi dữ liệu không dừng đều là giả mạo. Cụ thể nếu mô hình tồn tại ít nhất một biến độc lập có cùng xu thế với biến phụ thuộc, khi đó kết quả ước lượng mô hình ta có thể thu được các hệ số có ý nghĩa thống kê và hệ số R2
rất cao. Nhưng đều này được tạo ra bởi tính xu thế của hai biến chứ chúng không có mối tương quan chặt chẽ với nhau.
Để kiểm tra tình dừng trong bài đề tài sẽ sử dụng kiểm định Augmented Dickey Fuller (ADF), một trong những công cụ phổ biến trong kiểm định tính dừng của chuỗi thời gian theo Gujarati (2003). Theo đó các độ trễ thời gian sẽ được lựa chọn theo tiêu chuẩn AIC (Akaike Information Criteria) (Xem thêm phụ lục 2).
Nếu chuỗi dữ liệu không dừng đề tài sẽ sử dụng kỹ thuật lấy sai phân để đưa chuỗi dữ liệu về dạng dừng.
3.4.2.Xác định độ trễ tối đa, độ trễ cần loại bỏ trong mô hình
Xác định độ trễ tối đa, độ trễ cần loại bỏ
Do tất cả các biến trong mô hình VAR đều là biến nội sinh, biến nghiên cứu phụ thuộc vào độ trễ của nó. Do đó có quá nhiều tham số phải ước lượng (2n2-n hệ số) nên việc thực hiện kiểm định để lựa chọn độ trễ tối đa và độ trễ cần loại bỏ trong mô hình VAR là quan trọng.
Để lựa chọn độ trễ tối đa cho mô hình đề tài sử dụng kiểm định Lag length criteria dựa trên tiêu chuẩn LR. Theo đó độ trễ được chọn là độ trễ tương ứng với giá trị mà tại đó giá trị của tiêu chuẩn LR bắt đầu giảm dần.
Để xác định độ trễ cần loại bỏ trong mô hình VAR sau khi chọn được độ trễ tối đa đề tài sẽ sử dụng kiểm định Lag Exclusion Tests việc thực hiện thao tác này nhằm loại bỏ những độ trễ mà trong đó hệ số của các biến đồng thời bằng không.
3.4.3. Kiểm định nhân quả Granger
Trong phần này đề tài sẽ thực hiện kiểm định nhân quả Granger nhằm xem xét với độ trễ được lựa chọn thì các biến trong mô hình có quan hệ nhân quả với nhau về mặt thống kê không. Mô hình kiểm định Granger chỉ đơn giản được dùng để trả lời cho câu hỏi có hay không sự thay đổi của biến X gây ra sự thay đổi của biến Y và ngược lại. Phương trình hồi quy trong kiểm định Granger mô tả như sau: