Trên cơ sở các phương pháp kiểm định tính dừng đã trình bày tại mục 3.3.1 chương phương pháp nghiên cứu và với giả thuyết đặt ra H0: tất cả các phương pháp kiểm tra đều có nghiệm đơn vị (tức chuỗi không dừng). Kết quả kiểm tra nghiệm đơn vị (kiểm định tính dừng của các biến) thể hiện ở bảng 5.3.
Bảng 5.3: Kết quả kiểm định nghiệm đơn vị cho dữ liệu bảng
Biến Phương pháp Không có xu hướng Có xu hướng
Chuỗi gốc (Level) Chuỗi sai phân bậc 1 Chuỗi gốc (Level) Chuỗi sai phân bậc 1 T statistics T statistics T statistics T statistics
LGDP LLC -20,0345*** -13,5455*** 0,50338 -18,7312*** IPS -5,35025*** -2,24045** 4.78816 -2,74709*** ADF-Fisher Chi – Square (ADF) 267,601*** 174,678*** 53,9421 254,053*** PP Fisher Chi Square (PP) 496,202*** 175,082*** 101,459 336,886*** LCAP LLC -11,7236*** -19,5069*** -17,4582*** -20,8591*** IPS -1,85047** -8,70524*** -1,00947 -2,73985*** ADF-Fisher Chi - Square 173,629*** 323,057*** 175,036*** 237,622*** PP Fisher Chi Square 253,229*** 385,972*** 188,742*** 408,043*** LEDU LLC -5,10244*** -24,5797*** -17,5265*** -22,4599*** IPS 5,03676 -12,0932*** -1,91108** -3,62136*** ADF-Fisher Chi - Square 46,3014 412,219*** 188,085*** 271,040*** PP Fisher Chi Square 73,1886 498,365*** 192,462*** 418,680*** IMR LLC -17,5635*** -26,5159*** -23,2406*** -28,7950*** IPS -3,97812*** -11,9808*** -2,28045** -5,31028*** ADF-Fisher Chi - Square 198,053*** 400,303*** 196,949*** 337,023*** PP Fisher Chi Square 169,530*** 441,608*** 142,519 518,266*** LLF LLC -6,99682*** -24,1279*** -15,5276*** -24,3919*** IPS 3,32220 -9.84683*** -1,55058*** -2,73445*** ADF-Fisher Chi - Square 93,2805 344.053*** 187,101*** 232,869*** PP Fisher Chi Square 131,096 366.153*** 186,087*** 316,965***
Ghi chú: Ký hiệu **, *** chỉ tính dừng với mức ý nghĩa thống kê lần lượt là 5 % và 1% Nguồn: Kết quả kiểm định từ phần mềm từ Eview 8.
52 Tổng hợp kết quả ở bảng 5.3 cho thấy: - Đối với biến LGDP, LCAP, IMR:
+ Trong trường hợp không có xu hướng các biến LGDP, LCAP, IMR không có nghiệm đơn vị trong tất cả các phương pháp kiểm tra.
+ Trong trường hợp có xu hướng biến LGDP có nghiệm đơn vị trong cả bốn phương pháp kiểm tra; biến LCAP chỉ có nghiệm đơn vị khi sử dụng phương pháp IPS, kiểm tra ba phương pháp còn lại (LLC, ADF, PP) thì biến này không có nghiệm đơn vị; Tương tự đối với biến IMR chỉ có nghiệm đơn vị khi sử dụng phương pháp PP để kiểm tra, ba phương pháp còn lại (LLC, IPS, ADF) không có nghiệm đơn vị.
Tuy nhiên, sau khi lấy sai phân bậc 1 thì tất cả các biến LGDP, LCAP, IMR đều không có nghiệm đơn vị (tức biến chuỗi có tính dừng) ở mức ý nghĩa 1% bao gồm trường hợp không có xu hướng và có xu hướng cho cả bốn phương pháp kiểm định của Levin, Lin và Chu (LLC); Im, Pesaran và Shin (IPS); ADF – Fisher Chi – square (ADF) và PP –Fisher Chi –square (PP).
- Đối với hai biến LEDU, LLF :
+ Trong trường hợp có xu hướng hai biến này không có nghiệm đơn vị trong cả bốn phương pháp kiểm định.
+ Tuy nhiên, trong trường hợp không có xu hướng thì biến LEDU và biến LLF có nghiệm đơn vị khi sử dụng phương pháp IPS, ADF và PP và không có nghiệm đơn vị khi sử dụng để kiểm tra LLC.
Sau khi lấy sai phân bậc 1 thì hai biến LEDU, LLF không có nghiệm đơn vị (tức biến dừng) ở mức ý nghĩa 1% cả trong trường hợp không có xu hướng và có xu hướng thời gian cho cả bốn phương pháp kiểm định của Levin, Lin và Chu (LLC); Im Pesaran và Shin (IPS), ADF Fisher Chi square (ADF) và PP Fisher Chi – square (PP).
Việc kiểm tra nghiệm đơn vị cho kết quả trái ngược nhau, một biến có nghiệm đơn vị ở trường hợp kiểm tra này nhưng không có nghiệm đơn vị ở trường hợp kiểm tra khác (tức là dừng ở phương pháp kiểm tra này nhưng không dừng ở phương pháp kiểm tra khác). Nhưng sau khi sai phân bậc 1 tất cả các biến trong bảng đều dừng ở tất cả các phương pháp kiểm tra.
53
Theo phân tích của Nor và các cộng sự (2015) và Irz,Niemi&Liu (2013): “Mặc dù có các kết quả trái ngược nhau trong các trường hợp kiểm định nghiệm đơn vị của biến nhưng không thể xem chúng như dừng ở bậc gốc bởi vì những hậu quả thống kê của việc đối xử một biến không dừng như là một biến dừng là rất nghiêm trọng nên lựa chọn về phía thận trọng là xem các biến dừng ở bậc tích hợp 1, tức là không dừng ở chuỗi gốc”.
Vì vậy, dựa trên giả thuyết nghiên cứu (tất cả các kiểm tra có nghiệm đơn vị) và theo phân tích của Nor và các cộng sự (2015) và Irz,Niemi&Liu (2013) có thể kết luận chung về kết quả kiểm tra tính dừng của dữ liệu bảng là các biến trong mô hình đều dừng ở bậc tích hợp I(1), với mức ý nghĩa 1% hoặc 5% khi kiểm định nghiệm đơn vị riêng biệt theo Im, Pesaran và Shin, ADF-Fisher Chi-square và PP- Fisher Chi-square và kiểm định nghiệm đơn vị chung theo Levin, Lin và Chu, tức là bác bỏ giả thuyết H0 (bác bỏ giả thuyết có nghiệm đơn vị).
Việc kiểm định nghiệm đơn vị nhằm xác định các chuỗi dữ liệu có khuynh hướng tiến đến một điểm cân bằng dài hạn. Từ kết quả này, chúng ta có thể tiến hành kiểm định đồng liên kết để phát hiện sự tồn tại mối quan hệ trong dài hạn giữa các biến trong mô hình ở phần sau.
5.3.2. Kiểm định đồng liên kết dữ liệu bảng (panel cointegration test)
Việc kiểm tra đồng liên kết dữ liệu bảng nhằm xác định mối quan hệ cân bằng trong dài hạn giữa các biến độc lập và biến phụ thuộc có tồn tại hay không. Trong nghiên cứu này tác giả sử dụng phương pháp của Pedroni (1999, 2004) và Kao (1999) như đã trình bày tại mục 3.3.2 Chương 3 chương phương pháp nghiên cứu để thực hiện kiểm định.
- Kiểm định bằng phương pháp của Pedroni
Kết quả tổng hợp ở bảng 5.4 cho thấy năm trong bảy kiểm định theo Pedroni đã bác bỏ giả thuyết H0 (bácbỏ giả thuyết không có mối quan hệ đồng liên kết) với mức ý nghĩa 1% trong cả hai trường hợp có hệ số chặn riêng, có hệ số chặn và có xu hướng riêng (ngoại trừ kiểm định Panel v-Statistic, Panel rho-Statistic trong mô hình có hệ số chặn riêng và kiểm định Panel rho-Statistic, Group rho-Statistic trong mô hình có hệ số chặn và có xu hướng riêng là không có ý nghĩa thống kê). Như vậy,
54
theo kết quả của năm kiểm định có ý nghĩa thống kê có thể kết luận tồn tại mối quan hệ trong dài giữa biến độc lập và các biến phụ thuộc trong mô hình. Qua kết quả này cũng đánh giá được có mối quan hệ trong dài hạn giữa chi tiêu giáo dục và đào tạo với GDP thực tế.
Bảng 5.4: Kết quả kiểm định đồng liên kết dữ liệu bảng theo Pedroni
Các biến Giả thuyết thay thế
Phương pháp Kiểm định Thống kê Có hệ số chặn riêng Có hệ số chặn và có xu hướng riêng t- Statistic t- Statistic LDGP, LEDU, LCAP, IMR, LLF Kiểm định thống kê theo bảng Common AR coefs (within-dimension) Panel v-Statistic -0.754183 50.95008*** Panel rho-Statistic 5.826851 8.906233 Panel PP-Statistic -5.482747*** -3.969797*** Panel ADF-Statistic -4.810999*** -2.837150*** Kiểm định thống kê theo nhóm individual AR coefs (between-dimension) Group rho-Statistic 8.501092*** 11.99119 Group PP-Statistic -18.71566*** -13.00602*** Group ADF- Statistic -12.38791*** -5.748380***
Nguồn: Kết quả kiểm định từ phần mềm từ Eview 8
Ghi chú: giả thuyết H0 = không có hiệntượng đồng liên kết ; ***, ** chỉ ra bác
bỏ giả thuyết H0 với mức ý nghĩa thống kê tương ứng 1% và 5%. Lựa chọn độ trễ tự (adsbygoogle = window.adsbygoogle || []).push({});
động theo chỉ tiêu Schwarz Information Criterion (SIC).
- Kiểm định bằng phương pháp của Kao
Bảng 5.5 cho thấy giá trị P-value < 0,01. Ta có thể kết luận giả thuyết H0 bị bác bỏ, tức là có hiện tượng đồng liên kết giữa các biến với mức ý nghĩa 1%.
Bảng 5.5: Kết quả kiểm định đồng liên kết theo Kao:
Kiểm định t-Statistic Pro
ADF -11,21260*** 0,0000
Ghi chú: Chiều dài độ trễ tối ưu được được lựa chọn dựa trên chỉ tiêu Schwarz Information Criterion. Giả thuyết H0 = không có mối quan hệ đồng liên kết ; *** chỉ ra bác bỏ giả thuyết H0 với mức ý nghĩa thống kê 1%.
Nguồn: Kết quả kiểm định từ phần mềm từ Eview 8
Như vậy, kết quả kiểm định đồng liên kết theo cả hai phương pháp Pedroni và Kao đều chứng minh được có mối liên hệ đồng liên kết giữa các biến độc lập và
55
biến phụ thuộc trong mô hình nghiên cứu. Do đó, có thể kết luận có tồn tại mối quan hệ trong dài hạn giữa tăng trưởng kinh tế và chi NSNN cho giáo dục và đào tạo, vốn đầu tư, tỷ lệ tử vong ở trẻ sơ sinh và lực lượng lao động đang làm việc ở các tỉnh, thành phố.
Với kết quả này, tác giả có thể ước lượng mô hình hồi quy bằng phương pháp DOLS và FMOLS để tránh những ước lượng sai lệch nếu chúng ta sử dụng phương pháp ước lượng bình phương tối thiểu dạng gộp (Pooled Least Squares) do vấn đề tương quan chuỗi và vấn đề nội sinh.
5.3.3. Ước lượng mô hình bằng phương pháp DOLS và FMOLS
Tác độngcủa chi ngân sách cho giáo dục và đào tạo đến tăng trưởng kinh tế của các tỉnh, thành phố được phân tích hồi quy bằng phương pháp ước lượng bình phương bé nhất động (DOLS) và bình phương bé nhất đã được hiệu chỉnh hoàn toàn (FMOLS) với kỹ thuật trung bình nhóm của bảng như trình bày tại mục 3.3.3 Chương 3 phương pháp nghiên cứu. Kết quả hồi quy được thể hiện trong bảng 5.6
Bảng 5.6: Kết quả ước lượng mô hình hồi quy Biến phụ thuộc: Phương pháp
LGDP DOLS FMOLS
Biến giải thích Hệ số hồi quy (t-Stat) Hệ số hồi quy (t-Stat) LCAP 0,207302 (2,302)** 0,180951 (12,444)*** LEDU 0,503980 (5,567)*** 0,532634 (50,141)*** IMR -0.042960 (-3,092)*** -0,014882 (-9,779)*** LLF 0,366275 (6,406)*** 0,325655 (41,492)*** R2 0,5635 0,7568 R2 hiệu chỉnh 0,2056 0,7555
Ghi chú: - *** - mức ý nghĩa 1%; ** - mức ý nghĩa 5%; Số trong dấu ngoặc
đơn là giá trị thống kê t-statistic. Độ trễ tối ưu được được lựa chọn dựa trên chỉ tiêu Schwarz Information Criterion, lựa chọn tự động bằng phần mềm eviews. Phương pháp: group mean Panel.
56
Theo Pedroni (2000), bằng cách thêm vào giá trị độ sớm và trễ của các biến hồi quy để kiểm soát tác động ngược của vấn đề nội sinh trong mô hình. Độ trễ tối ưu được lựa chọn trong phân tích hồi quy DOLS và FMOLS trong đề tài này dựa trên chỉ tiêu Schwarz Information Criterion, được lựa chọn tự động bằng phần mềm Eview 8. Do đó, khi sử dụng phương pháp DOLS và FMOLS cũng đã kiểm soát được tác động ngược của vấn đề nội sinh, giải quyết phần nào vấn đề nội sinh trong mô hình nghiên cứu.
Nghiên cứu này sử dụng giá trị p-value để kiểm định xem các biến độc lập có thực sự ảnh hưởng đến biến phụ thuộc không. Kết quả hồi quy bằng hai phương pháp DOLS và FMOLS (bảng 5.6) cho thấy các hệ số hồi quy của tất cả các biến độc lập đều có ý nghĩa thống kê ở mức 1% hoặc 5%, tức là vốn đầu tư, chi ngân sách cho giáo dục và đào tạo, lực lượng lao động đang làm việc và tỷ lệ tử vong ở trẻ sinh đều có tác động trong dài hạn đến tổng sản phẩm của các tỉnh, thành phố.
Trong đó, dấu hệ số hồi quy của biến vốn đầu tư (LCAP), biến chi tiêu ngân sách nhà nước cho giáo dục và đào tạo (LEDU) và biến lực lượng lao động đang làm việc trong nền kinh tế là dương; dấu hệ số hồi quy của biến tỷ lệ tử vong ở trẻ sơ sinh là âm. Kết quả này phù hợp kỳ vọng dấu ban đầu và mô tả mối tương quan giữa các biến ở mục 5.2. Đồng thời, hệ số hồi quy ước lượng đạt được là khá tương tự nhau trong cả hai phương pháp DOLS vàFMOLS.
Mô hình giải thích được 56,35% tác động của các biến độc lập tới biến tổng sản lượng kinh tế theo phương pháp DOLS, giải thích được 75,68% theo phương pháp FMOLS. Trong đó:
Ta thấy chi ngân sách nhà nước cho giáo dục và đào tạo tác động mạnh tích cực đến tăng trưởng sản lượng của các tỉnh, thành phố trong dài hạn với hệ số ước lượng khá cao, giá trị đạt được bằng phương pháp DOLS là 0,50 và bằng phương pháp FMOLS là 0,53. Điều này có nghĩa là nếu các yếu tố khác không đổi khi các tỉnh, thành phố tăng chi tiêu ngân sách nhà nước thêm 1% sẽ làm sản lượng của nền kinh tế tăng lên 0,50 % trong ước lượng hồi quy DOLS, tăng 0,53% trong ước lượng hồi quy FMOLS.
57
Vai trò của vốn đầu tư có đóng góp đáng kể đến tổng sản lượng của nền kinh tế các tỉnh, thành phố, với giá trị ước lượng dương là 0,21 cho DOLS và 0,18 cho FMOLS. Điều này có nghĩa là vốn đầu tư tác động có hiệu quả đến tổng sản lượng của các tỉnh, thành phố của Việt Nam trong dài hạn. Khi tăng 1% vốn đầu tư sẽ thúc đẩy tăng sản lượng của các tỉnh lên 0,21% trong trường hợp hồi quy DOLS, tăng 0,18% trong hồi quy FMOLS.
Phân tích hồi quy DOLS và FMOLS đã tìm thấy sự đóng góp đáng kể của lực lượng lao động trong việc tăng sản lượng của các tỉnh, thành phố trong dài hạn, với kết quả ước lượng dương (= 0,31 trong hồi quy DOLS ; = 0,33 trong hồi quy FMOLS) chỉ thấp hơn đóng góp của chi ngân sách cho giáo dục và đào tạo. Điều này có nghĩa là khi các yếu tố khác không đổi nếu lực lượng lao động làm việc gia tăng 1% thúc đẩy tăng tổng sản lượng trong nền kinh tế của các tỉnh, thành tăng lên 0,36% trong phân tích hồi quy DOLS và tăng 0,33% trong phân tích hồi quy FMOLS.
Kết quả hồi quy cũng đã tìm ra tác động tiêu cực, ngược chiều của tỷ lệ tử vong ở trẻ sơ sinh đến GDP ở các tỉnh thành phố, tuy nhiên tác động này là không đáng kể. Hệ số hồi quy của biến này theo phương pháp pháp DOLS là thấp nhất trong mô hình nghiên cứu (-0,043) điều này chỉ ra rằng khi tăng 1‰ tỷ lệ tử vong ở trẻ sơ sinh sẽ làm giảm 0,043% GDP. Khi phân tích FMOLS thì hệ số hồi quy của tỷ lệ tử vong ở trẻ sơ sinh âm, có giá trị -0,015. Điều này có nghĩa là nếu các yếu tố khác không đổi thì gia tăng tỷ lệ tử vong ở trẻ sơ sinh lên 1‰ sẽ làm giảm GDP 0,015%.
- So sánh kết quả của mô hình DOLS và FMOLS (adsbygoogle = window.adsbygoogle || []).push({});
Pedroni (2000) đã nghiên cứu phương pháp FMOLS trong cỡ mẫu nhỏ và trình bày giá trị thống kê t Statistic trong cỡ mẫu nhỏ là tốt theo mô phỏng của Monte Carlo.
Kết quả nghiên cứu của đề tài cũng cho thấy theo phương pháp FMOLS là tốt hơn, vì dữ liệu có cỡ mẫu nhỏ (thời gian thực hiện trong 10 năm), hơn nữa mức độ phù hợp của mô hình nghiên cứu và mức độ giải thích của các biến độc lập tới biến phụ thuộc theo phương pháp FMOLS (75,68%) cao hơn so với phương pháp DOLS
58
(56,35%). Kết quả này phù hợp với kết quả nghiên cứu của Pedroni sử dụng phương pháp FMOLS tốt hơn trong trường hợp này.
- So sánh với các kết quả nghiên cứu trước
Kết quả đạt được của đề tài đem so với các kết quả nghiên cứu trước chỉ mang tính tương đối bởi vì mỗi quốc gia, mỗi vùng đều có sự khác nhau về kinh tế, xã hội. Hơn nữa, thời gian nghiên cứu khác nhau nghĩa là chuỗi số liệu của biến nghiên cứu khác nhau cũng không thể có kết quả giống nhau hoàn toàn.
Tuy nhiên, nghiên cứu một cách khoa học bằng phương pháp định lượng luôn đảm bảo tính khách quan về mặt cơ sở lý thuyết. Cụ thể là nghiên cứu của luận văn cho kết quả phù hợp với lý thuyết: chi NSNN cho giáo dục và đào tạo chính là đầu tư vào nguồn nhân lực và nó có tác động đến tăng trưởng kinh tế trong dài hạn. Kết quả tác động của chi NSNN ở các tỉnh thành phố ở Việt Nam lên tăng trưởng kinh tế là tích cực (hệ số hồi quy theo hai phương pháp DOLS và FMOLS lần lượt 0,5 và 0,53), khá phù hợp với nhiều nghiên cứu trước, tuy hệ số ước lượng có khác với các nghiên cứu trước nhưng chiều hướng tác động tương đồng với khá nhiều nghiên cứu: Akpolat (2014) cho kết quả hệ số ước lượng tác động của chi giáo dục ở