Dữ liệu bảng được cấu thành bởi những quan sát theo không gian và những quan sát theo thời gian. Những mô hình sử dụng dữ liệu bảng thường được ước lượng bởi mô hình tổng quát về dữ liệu bảng như sau:
= + + + ⋯ + +
Trong đó uit là sai số kết hợp của mô hình và u = v + e . Trong sai số kết
hợp này, vi được coi là những ảnh hưởng đặc thù của từng đơn vị i mà không thay đổi theo thời gian, còn eit là những biến số ngẫu nhiên xuất hiện ở sai số. Có hai vấn đề mà mô hình () phải xử lý: thứ nhất vi tác động lên các biến độc lập và thứ hai là eit tự tương quan.
Do vi là một thành phần của sai số và nó có thể tác động lên các biến số độc lập X. Nếu điều này xảy ra thì nó làm cho ước lượng bị chệch (Wooldridge, 2013).
Do vậy việc kiểm định xem vi có tác động lên các biến độc lập hay không sẽ quyết
định dạng mô hình ước lượng phù hợp. Tương tự như vậy đối với eit.
Nếu vi có tác động lên các biến số độc lập trong khi đó eit không bị tự tương
quan thì phương pháp ước lượng phù hợp là Fixed effect (FEM). Nếu vi không tác
động lên các biến số độc lập trong khi đó eit bị tự tương quan thì phương pháp ước lượng phù hợp là Random effect (REM). Trong trường hợp vi không tác động lên
45 các biến số độc lập và eit không bị tự tương quan thì phương pháp ước lượng phù hợp là Pool OLS. Để lựa chọn giữa FEM, REM và Pool OLS, một quy trình thông thường là dùng kiểm định Hausman. Kiểm định này giúp ta lựa chọn nên ước lượng mô hình theo FEM hay REM. Nếu kết quả là theo FEM thì ngừng việc lựa chọn và sau đó thực hiện các ước lượng cũng như là các kiểm định mô hình cần thiết. Nếu việc lựa chọn là theo REM thì cần phải tiếp tục lựa chọn giữa REM và Pool OLS bằng kiểm định nhân tử Largrange.
Tuy nhiên, các phương phương pháp ước lượng trên chỉ đúng nếu như biến độc lập trong mô hình không chứa độ trễ của biến phụ thuộc, có nghĩa là không chứa Yt-h (h là độ trễ của Y). Lúc này Yt-h là biến nội sinh (endogeous), có nghĩa là Yt-hsẽ tương quan với sai số (Arellano và Bond, 1991; Mileva, 2007). Ngoài ra, sự hiện diện của biến số này sẽ làm tăng sự tự tương quan của sai số (Arellano và Bond, 1991; Mileva, 2007). Để xử lý các vấn đề này, Arellano và Bond đề xuất mô hình chung cho vấn đề trên gọi là Dynamic model (mô hình dữ liệu bảng động) với nhiều phương pháp ước lượng khác nhau nhưng phương pháp ước lượng hiệu quả tính tới thời điểm này được gọi là:Arellano – Bond difference GMM estimator. Việc sử dụng GMM (general moment model) được dùng để xử lý biến số bị nội sinh bằng cách sử dụng các biến công cụ (instrument) phù hợp và kết hợp với phân tích khác biệt (diffence) được dùng để xử lý hiện tượng tự tương quan.
Mô hình (1) trong đề tài này là một trường hợp của mô hình dữ liệu bảng động được đề cập bên trên (biến độc lập LLt-1 là lag của biến phụ thuộc LLt), do vậy mô hình này sẽ được ước lượng theo phương pháp Arellano – Bond difference GMM estimator. Các mô hình còn lại trong đề tài sẽ được ước lượng bằng các phương pháp thông thường như đã đề cập ở phần đầu (FEM, REM, Pool OLS). Các kiểm định mô hình (post test) được thực hiện như sau:
Đối với mô hình được ước lượng bằng phương pháp Arellano – Bond difference GMM, một số kiểm định cần thiết kèm theo là kiểm định tự tương quan, kiểm định mức độ phù hợp của tập biến công cụ (Sargan overidentification test), và
46 kiểm định tính ngoại sinh của biến công cụ, có nghĩa là biến công cụ không tương quan với sai số (Sargan exogeneity of instruments).
Đối với mô hình được ước lượng bằng FEM, một số kiểm định cần thiết bao gồm kiểm định phương sai sai số thay đổi, kiểm định định tự tương quan của phần dư, và kiểm định tương quan phần dư của đơn vị chéo. Tùy theo loại vi phạm mà đề tài sẽ sử dụng những phương pháp ước lượng phù hợp như FGLS hoặc PCSE… để khắc phục một hoặc nhiều vi phạm cùng một lúc.
Đối với mô hình được ước lượng bằng REM, sau khi ước lượng việc kiểm định nhân tử Largrange là cần thiết để lựa chọn giữa REM và Pool OLS.
Đối với mô hình được ước lượng bằng Pool OLS, những kiểm định sai phạm thông thường như đa cộng tuyến hay phương sai sai số thay đổi sẽ được thực hiện.
Trên cơ sở thực hiện tất cả các kiểm định bằng các lệnh của Stata 13, nghiên cứu sẽ đưa ra mô hình đảm bảo tính vững và hiệu quả để thảo luận.
Tóm tắt chương 3
Trong chương 3, đề tài đã đưa ra các giả thuyết cho 4 mô hình nghiên cứu; đề xuất mô hình nghiên cứu; cách đo lường các biến; dữ liệu nghiên cứu và phương pháp hồi quy tuyến tính để ước lượng kết quả hồi quy từ mô hình nghiên cứu đề xuất. Kết quả nghiên cứu sẽ được tác giả trình bày cụ thể trong chương 4.
47 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương 4 tập trung phân tích các kết quả đã thu được, trình bày theo trình tự như sau:(1) Phân tích thống kê mô tả;(2) Phân tích ma trận hệ số tương quan; (3)Phân tích kết quả hồi quy để lựa chọn mô hình tối ưu; (4) Thảo luận kết quả hồi quy.