3.1.1. Mô hình nghiên cứu
Một số minh chứng thực nghiệm đã chỉ ra tác động của đầu tƣ công đến tăng trƣởng kinh tế, và mối quan hệ trong dài hạn giữa đầu tƣ công và tăng trƣởng kinh tế. Thực tế cho thấy rằng sự đóng góp của vốn và lao động đối với tăng trƣởng kinh tế là rất lớn. Mô hình nghiên cứu đề xuất kết hợp giữa lý thuyết về mô hình tăng trƣởng kinh tế của Solow, lý thuyết về tác động của đầu tƣ công đến tăng trƣởng kinh tế và
nghiên cứu của Trần Nguyễn Ngọc Anh Thƣ (2014), Tác động của đầu tư công đối với
tăng trưởng kinh tế ở Việt Nam: Góc nhìn thực nhiệm từ mô hình ARDL.
Với nghiên cứu này tác giả thể hiện mối quan hệ giữa đầu tƣ công và tăng trƣởng kinh tế qua hàm sản suất tân cổ điển để xây dựng mô hình thực nghiệm:
Y = f(K,L)
Để phân tích biến động của đầu tƣ công đến tăng trƣởng kinh tế, tác giả chia khối lƣợng vốn trong nƣớc thành vốn đầu tƣ công (KG), vốn đầu tƣ tƣ nhân (KP). Khi đó mô hình đề xuất của đề tài này bao gồm yếu tố: tăng trƣởng kinh tế; đầu tƣ công, đầu tƣ tƣ nhân, lao động và có hàm nhƣ sau:
Y = f(KG, KP, L) (1)
Lấy đạo hàm theo Y ta có nhƣ sau: dY/Y = (∂Y / ∂KG)dKG / Y + (∂Y / ∂KP)dKP / Y + (∂Y / ∂L)dL / Y (1)
Gọi ∂Y / ∂KG = α1, ∂Y / ∂KP = α2, ∂Y / ∂L = α3, ∂Y / ∂Z = α4. Khi đó, các biến
trong phƣơng trình (1) có thể giải thích:
- dY/Y = g = tỷ lệ tăng trƣởng hàng năm của tổng sản phẩm quốc nội thực; - dKG / Y = IG/Y = IG = đầu tƣ công (%/GDP);
- dKP / Y = IP/Y = IP = đầu tƣ tƣ nhân (%/GDP);
25
- Sau khi đƣợc điều chỉnh, phƣơng trình (1) có thể viết lại:
gt = α1 IGt + α2 IPt + α3 Lt (2)
Phƣơng trình (2) cho thấy rằng tăng trƣởng kinh tế phụ thuộc vào biến tỷ lệ đầu tƣ công trên GDP (IG), tỷ lệ đầu tƣ tƣ nhân trên GDP (IP) và tỷ lệ thay đổi lực lƣợng lao động (L). Để kiểm định mô hình, ta có phƣơng trình thống kê sau:
gt = α0 + α1 IGt + α2 IPt + α3 Lt + εt (3)
Vậy mô hình đề xuất của đề tài nhƣ sau :
gt = α0 + α1 IGt + α2 IPt + α3 Lt + εt
- Trong mô hình này, tốc độ tăng trƣởng kinh tế đƣợc tính nhƣ sau :
Tốc độ tăng trƣởng kinh tế gGDP = (GDPnăm(t) - GDPnăm(t-1))/ GDPnăm(t-1)
Trong đó:
g là tốc độ tăng trƣởng của chỉ tiêu GDP
Số liệu về tốc độ tăng trƣởng kinh tế đƣợc tác giả lấy từ niêm giám thống kê Tỉnh Quảng Bình từ năm 1991 đến 2013 và ƣớc năm 2014.
- Biến đầu tƣ công đƣợc đại diện bởi tỷ lệ đầu tƣ công trên GDP. Tỷ lệ này đƣợc
tính bằng công thức nhƣ sau :
Tỷ lệ đầu tƣ công = vốn đầu tƣ công năm t / GDP năm t
Số liệu về tỷ lệ đầu tƣ công trên GDP đƣợc tác giả lấy từ niêm giám thống kê Tỉnh Quảng Bình từ năm 1991 đến 2013 và ƣớc năm 2014.
- Biến đầu tƣ tƣ nhân đƣợc đại diện bởi tỷ lệ đầu tƣ nhân trên GDP. Tỷ lệ này
đƣợc tính bằng công thức nhƣ sau : (adsbygoogle = window.adsbygoogle || []).push({});
Tỷ lệ đầu tƣ tƣ nhân = vốn đầu tƣ tƣ nhân năm t / GDP năm t
Số liệu tỷ lệ đầu tƣ tƣ nhân trên GDP đƣợc tác giả lấy từ niêm giám thống kê Tỉnh Quảng Bình từ năm 1991 đến 2013 và ƣớc năm 2014.
26
- Tỷ lệ thay đổi lao động thể hiện sự biến động lao động qua các năm. Tỷ lệ thay
đổi lao động đƣợc tính nhƣ sau:
Tỷ lệ thay đổi lao động = (lao động từ 15 tuổi trở lên năm t - lao động từ 15 tuổi trở lên năm t-1)/ lao động từ 15 tuổi trở lên năm t
Tác giả sử dụng tốc độ tăng trƣởng kinh tế, tỷ lệ đầu tƣ công trên GDP, tỷ lệ đầu tƣ tƣ nhân trên GDP, tỷ lệ gia tăng lao động để thể hiện các biến trong mô hình vì qua các chỉ số tƣơng đối này có thể thể hiện đƣợc tốc độ tăng trƣởng, mức độ tăng của các biến trong nghiên cứu.
So với mô hình của Trần Nguyễn Ngọc Anh Thƣ (2014), Tác động của đầu tư
công đối với tăng trưởng kinh tế ở Việt Nam: Góc nhìn thực nghiệm từ mô hình
ARDL, mô hình đề xuất của tác giả không đƣa biến tỷ lệ đầu tƣ vốn đầu tƣ khu vực
nƣớc ngoài trên GDP vào với lý do nhƣ sau:
Tỉnh Quảng Bình là Tỉnh duyên hải miền trung với điều kiện tự nhiên, thiên nhiên khắc nghiệt. Điều kiện thu hút vốn đầu tƣ nƣớc ngoài còn nhiều hạn chế.
Trong thời gian từ năm 1991 đến nay, nguồn vốn đầu tƣ của Tỉnh chủ yếu là vốn đầu tƣ công. Theo thực tế tại Tỉnh Quảng Bình thì việc thu hút vốn đầu tƣ nƣớc ngoài rất ít, tác động của vốn đầu tƣ nƣớc ngoài đến tăng trƣởng kinh tế không đáng kể. Cụ thể năm 1991 đến 2009, vốn đầu tƣ trực tiếp tại Tỉnh Quảng Bình là 0, sang năm 2010 tỷ trọng đầu tƣ trực tiếp nƣớc ngoài là 9,4% qua năm 2011 tỷ trọng này giảm chỉ còn 2,3%. Qua năm 2012, 2013, vốn từ đầu tƣ trực tiếp nƣớc ngoài là 0.
Các yếu tố trên đƣợc đề xuất trên cơ sở phù hợp với thực tiễn tại Tỉnh Quảng Bình và dựa trên các nghiên cứu trƣớc đó.
3.1.2. Giả thuyết nghiên cứu
Theo các nhà kinh tế học đã thừa nhận rằng đầu tƣ công là nhân tố quan trọng đối với tăng trƣởng kinh tế. Đầu tƣ công tác động tích cực đến tăng trƣởng kinh tế. Vốn đầu tƣ công là một thành phần quan trọng trong tổng vốn đầu tƣ toàn xã hội. Việc tăng vốn đầu tƣ sẽ làm cho tổng cầu tăng khi các yếu tố khác không đổi. Hay đầu tƣ công thúc đẩy kinh tế phát triển. Đầu tƣ công góp phần phát triển cơ sở hạ tầng xã hội, tạo
27
môi trƣờng thuận lợi cho nền kinh tế tăng trƣởng với tốc độ cao, góp phần ổn định kinh tế vĩ mô.
Hiện nay, có rất nhiều nghiên cứu ở các phạm vi khác nhau bao gồm cả những phần mở rộng gần đây của mô hình tăng trƣởng tân cổ điển cũng nhƣ các lý thuyết tăng trƣởng nội sinh đã nhấn mạnh vai trò của đầu tƣ công trong tăng trƣởng kinh. Một phần các nghiên cứu có một cái nhìn tích cực của đầu tƣ công và lập luận rằng đầu tƣ có tác động tích cực đến tăng tăng trƣởng kinh tế nhƣ Trần Nguyễn Ngọc Anh Thƣ và cộng sự (2014), Sheikh Touhidul Haque (2012), Tô Trung Thành (2012), Phó Thị Kim Chi và cộng sự (2013). Nhƣng một số nghiên cứu đã cho thấy đầu tƣ công không tác động hoặc tác động nghịch chiều đến tăng trƣởng kinh tế nhƣ: Ejaz Ghani and Musleh –ud Din (2006).
Với nghiên cứu này tác giả kỳ vọng các biến đều tác động tích cực đến tăng trƣởng kinh tế và đƣa ra các giả thuyết nhƣ sau:
Bảng 3.1: Giả thuyết nghiên cứu của đề tài
Biến Kỳ vọng
dấu Giả thuyết
Đầu tƣ công +
H1: Đầu tƣ công có tác động tích cực đến tăng trƣởng
kinh tế tại Tỉnh Quảng Bình.
Nguồn: Theo tổng hợp của tác giả
3.2. QUY TRÌNH NGHIÊN CỨU
Nghiên cứu đƣợc thực hiện qua 2 giai đoạn chính:
- Nghiên cứu định tính để hệ thống lại các lý thuyết về đầu tƣ công, tăng trƣởng kinh tế, và tác động của đầu tƣ công đến tăng trƣởng kinh tế. (adsbygoogle = window.adsbygoogle || []).push({});
- Nghiên cứu định lƣợng nhằm thu thập, phân tích dữ liệu thứ cấp và kiểm định mô hình nghiên cứu.
28 Quy trình nghiên cứu cụ thể nhƣ sau:
Sơ đồ 3.1: Quy trình nghiên cứu
Nguồn: Theo nghiên cứu của tác giả
S P S S 1 6 . 0 Xác định vấn đề nghiên cứu
Mục tiêu nghiên cứu
Kết quả nghiên cứu và gợi ý chính sách Tổng quan lý thuyết và mô
hình nghiên cứu
Nghiên cứu định tính
(Chọn mô hình nghiên cứu) Giả thuyết nghiên cứu
Nghiên cứu định lƣợng (Phân tích bộ dữ liệu)
- Kiểm định tính dừng, xác
định độ trễ tối ƣu
- Kiểm định nhân quả
- Ƣớc lƣợng mô hình VAR
- Phân tích hàm phản ứng đẩy
- Phân tích phân rã phƣơng sai
- Phân tích tính ổn định của mô
hình
- -
29
3.3. PHƢƠNG PHÁP NGHIÊN CỨU ĐỊNH LƢỢNG
Trong nghiên cứu này, để phân tích tác động của đầu tƣ công đến tăng trƣởng kinh tế, tác giả thực hiện các kiểm định trong mô hình VAR. Mô hình VAR là mô hình hữu ích trong phân tích chuỗi thời gian đa biến. Mô hình VAR không phân định rõ ràng giữa biến độc lập và biến phụ thuộc. Hơn nữa mối quan hệ các biến kinh tế không đơn thuần chỉ theo một chiều, trong nhiều trƣờng hợp nó còn ảnh hƣởng qua lại lẫn nhau. Mô hình VAR giúp ta xem xét ảnh hƣởng qua lại giữa các biến cùng một lúc.
Tác giả sử dụng mô hình VAR với các bƣớc nghiên cứu cụ thể sau:
- Kiểm định tính dừng
Đối với chuỗi thời gian, trƣớc khi tiến hành chạy thực nghiệm cần phải kiểm tra tính dừng của nó. Bởi “tính dừng” là một điều kiện quang trọng nhất trong việc phân tích và dự báo chuỗi thời gian. Mỗi một mẫu dữ liệu thời gian sẽ mang một tình tiết nhất định và chỉ thể hiện những hành vi cụ thể trong một khoảng thời gian xem xét. Kết quả là, chúng ta không thể khái quát hóa cho các giai đoạn thời gian khác. Hơn nữa, đối với phân tích hồi quy, nếu chuỗi thời gian không dừng thì tất cả các kết quả điển hình của một phân tích hồi quy tuyến tính cổ điển sẽ không có giá trị cho việc dự báo, và thƣờng đƣợc gọi là hiện tƣợng “ hồi quy giả mạo”. Do đó, điều cơ bản nhất cho việc dự báo phân tích một chuỗi thời gian là nó phải có tính dừng. Có nhiều cách để kiểm định tính dừng nhƣng trong nghiên cứu này tác giả sử dụng kiểm định nghiệm đơn vị.
Kiểm định nghiệm đơn vị là một kiểm định đƣợc sử dụng khá phổ biến để kiểm định một chuỗi thời gian dừng hay không dừng. Xét mô hình sau đây:
Yt = ρYt-1 + ut, ut – nhiễu trắng (-1(3.1)
Ta có các giả thiết:
H0: ρ = 1 (Yt là chuỗi không dừng) (adsbygoogle = window.adsbygoogle || []).push({});
H1: ρ<1 (Yt là chuỗi dừng)
30
Yt - Yt-1 = ρYt-1 -Yt-1 + ut
Hay: Yt - Yt-1 = (ρ -1)Yt-1 + ut
Tƣơng đƣơng Δ Yt = δYt-1 + ut (3.2)
(Δ: toán tử sai phân)
Các giả thiết trên có thể viết lại nhƣ sau:
H0: δ = 0 (Yt là chuỗi không dừng)
H1: δ <0 (Yt là chuỗi dừng)
Để tìm ra chuỗi Yt là chuỗi không dừng chúng ta có thể:
(i) Ƣớc lƣợng phƣơng trình (3.1) và kiểm định giả thiết ρ = 1, hoặc: (ii) Ƣớc lƣợng phƣơng trình (3.2) và kiểm định giả thiết δ.
Cả hai mô hình này không dùng đƣợc tiêu chuẩn T (Student test) ngay cả trong trƣờng hợp mẫu lớn. Dickey – Fuller (DF) đã đƣa ta tiêu chuẩn để kiểm nghiệm nhƣ sau:
H0: ρ = 1 (Yt là chuỗi không dừng)
H1: ρ # 1 (Yt là chuỗi dừng)
Ta ƣớc lƣợng mô hình (3.1), τ = ρ^/Se(ρ^) có phân bố DF. Nếu nhƣ: [τ =
ρ^/Se(ρ^)] > [ ] thì bác bỏ H0 : trong trƣờng hợp này chuỗi là chuỗi dừng (Nguyễn
Trọng Hoài và cộng sự, 2009)
Khi chuỗi không dừng ta có thể lấy sai phân của nó. (Gujarati ,2003, trích bởi Nguyễn Trọng Hoài, 2013), một chuỗi dừng sai phân có đặc điểm quan trọng nhƣ sau :
Nếu Xt῀ I(0) và Yt῀ I(1) thì Zt = (Xt + Yt) = I(1)
Nếu Xt῀ I(d) và Zt = (a + bXt) = I(d)
31
Nếu Xt῀ I(d) và Yt῀ I(d) thì Zt = (aXt + bYt) ῀ I(d*) với d* có thể bằng d hoặc
có khi d* < d do hiện tƣợng đồng liên kết.
- Xác định độ trể tối ƣu
Để ƣớc lƣợng mô hình VAR, việc xác định độ trể là hết sức kỹ lƣỡng. Nếu độ trể quá lớn dẫn đến các tham số cần ƣớc lƣợng nhiều, khi đó đòi hỏi kích thƣớc mẫu phải đảm bảo đủ lớn. Nếu độ trể quá nhỏ có thể mô hình sẽ bỏ sót những biến có ý nghĩa. Vì vậy khi xây dựng mô hình VAR ta cần xác định độ trễ tốt nhất.
Độ trể tối ƣu đƣợc lựa chọn dựa trên các tiêu chuẩn thông tin Akaike (AIC), tiêu chuẩn thông tin Schwarz (SC) và tiêu chuẩn thông tin Hannan Qiunn (HQ). Độ trể nào làm cho các thống kê nói trên nhận giá trị nhỏ nhất thì đƣợc xem là độ trể tối ƣu của mô hình (Nguyễn Thị Minh, 2011).
- Kiểm định nhân quả Granger trong mô hình đa biến
Kiểm định nhân quả Granger đƣợc sữ dụng trong nghiên cứu nhằm trả lời câu hỏi đơn giản là có hay không sự thay đổi của X xảy ra bởi Y và ngƣợc lại.
Mô hình nghiên cứu đã đƣợc thiết lập dựa trên các giả thiết về các biến độc lập là yếu tố đầu vào đối với sản lƣợng GDP. Tuy nhiên, lý thuyết cho thấy các biến có sự tƣơng tác lẫn nhau. Nghĩa là có sự phản hồi giữa các biến. Nếu tồn tại quan hệ đồng thời giữa một số biến thì các biến này hoàn toàn có vai trò nhƣ nhau, không có sự phân biệt giữa các biến nội sinh và ngoại sinh. Có thể nói, tất cả các biến đều nội sinh. Và mô hình tự hồi quy VAR đã đƣợc đƣa ra. VAR là mô hình của một số biến thời gian .
Trong mô hình VAR, mỗi một tập hợp các biến đƣợc hồi quy dựa trên giá trị quá khứ của bản thân nó và giá trị của các biến khác. Mối quan hệ của các biến đƣợc gắn kết với nhau, bởi vì khi đƣa vào độ trễ của các biến trong mỗi phƣơng trình cũng nhƣ sự mở rộng tƣơng quan trong số các “ nhiễu trắng” của các phƣơng trình khác nhau (Sim, 1980, trích bởi Sử Đình Thành, 2012). (adsbygoogle = window.adsbygoogle || []).push({});
32
Một trong những sử dụng phổ biến của mô hình VAR là kiểm định nhân quả
giữa các biến. Một biến yt đƣợc cho là quan hệ nhân quả đƣợc gây ra bởi biến wz nếu
nhƣ thông tin trong quá khứ và hiện tại của biến giúp để cải thiện sự dự báo của biến
yt . Kiểm định Granger trong mô hình hai biến có thể bị chệch do bỏ sót các biến. Do
vậy, kiểm định một khối biến ngoại sinh hay còn gọi là kiểm định Granger trong mô hình đa biến sẽ rất hữu ích trong việc khám phá sự kết hợp của các biến.
Trong mô hình VAR đa biến (chẳng hạn: yt wt và zt …) với nhiều biến trễ sẽ rất
khó để xem xét biến yt tác động có ý nghĩa đến biến wt và biến zt .Để xử lý vấn đề
này, sự kiểm định đƣợc tiến hành bằng cách giới hạn độ trễ của tất cả các biến đến zero. Sự giới hạn chéo giữa các phƣơng trình có thể đƣợc kiểm định bằng việc sử
dụng kiểm định LR (Likelihood ratio). Ƣớc lƣợng phƣơng trình yt và zt bằng giá trị
độ trễ của {yt},{zt}và wt} và tính ∑u. Sau đó ƣớc lƣợng lại bằng việc loại trừ giá trị độ
trễ của {wt} và tính toán ∑r .Thống kê LR có dạng:
(T-C)(logǀ ∑rǀ - logǀ ∑uǀ )
Trong đó, T là số biến quan sát có thể sử dụng và C là tổng các tham sô trong hệ
thống không bị giới hạn; ∑r là ma trận phƣơng sai- hiệp phƣơng sai của các số dƣ của
hệ thống không bị giới hạn. Thống kê t có phân phối chi bình phƣơng với bậc tự do
bằng với biến giới hạn (Granger, 1969, trích bởi Sữ Đình Thành, 2012).
- Ƣớc lƣợng mô hình VAR
Mô hình VAR là mô hình vector các biến tự hồi quy. Trong mô hình VAR, các biến có vai trò nhƣ nhau không phân biệt biến nội sinh và biến ngoại sinh.
Mô hình VAR có dạng tổng quát nhƣ sau :
Yt = A1Yt-1 + A2Yt-2 + …+ ApYt-p+ St + ut
Trong đó At (i = 1,2,..., p) là ma trận vuông cấp n*n
St = (S1t, S2t, …, Smt)
Y bao gồm m biến ngẫu nhiên dừng, u vector các nhiễu trắng, St là vector các
33
Khi ƣớc lƣợng mô hìnhVAR, điều kiện đầu tiên là tất cả các biến phải dừng. Có nhiều cách để kiểm định tính dừng của các biến nhƣ kiểm định nghiệm đơn vị, phân tích giản đồ tự tƣơng quan. nếu cách biến không dừng ta khử bằng lấy sai phân.
Phép ƣớc lƣợng mô hình VAR đơn giản nhất là phƣơng pháp OLS có thể áp dụng cho từng phƣơng trình riêng lẽ cho ta kết quả đồng nhất (Nguyễn Thị Minh, 2011).