Khi số lượng mẫu phù hợp giá trị β ước lượng được sẽ vững, khi đĩ giá trị ước lượng được sẽ càng gần với giá trị thực của nĩ. Ước lượng GMM sẽ cho ra các giá trị ước lượng tuân theo phân phối chuẩn, đây là thuộc tính rất quan trọng vì đĩ là cơ sở để chúng ta xây dựng giá trị dự đốn ở các độ tin cậy (confidence bands) và thực hiện các kiểm định khác. Phương pháp GMM cũng cho ra kết quả là các giá trị ước lượng hiệu quả, nghĩa là giá trị phương sai trong mơ hình ước lượng là nhỏ nhất.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM
Chương 3 của luận văn đã trình bày về mơ hình nghiên cứu, các phương pháp và dữ liệu sẽ sử dụng để mơ hình hĩa các biến. Chương 3 cũng đưa ra một số tính chất lí thuyết đặc trưng trong mơ hình, đồng thời chỉ ra phương pháp cũng như cách đo lường các biến trong mơ hình nghiên cứu. Kế tiếp, chương 4 sẽ trình bày kết quả kiểm định của các mơ hình nghiên cứu nhằm trả lời cho câu hỏi về mối quan hệ giữa dự trữ quốc gia ảnh hưởng thế nào tới GDP khi quốc gia gặp khủng hoảng. Mẫu nghiên cứu của luận văn bao gồm 8 quốc gia thuộc khu vực Châu Á, được xem xét trong khoảng thời gian từ quý 1-1991 đến tháng qúy 4-2015.
Trong thực nghiệm nghiên cứu lĩnh vực kinh tế là giải thích mối quan hệ giữa các đại lượng độc lập đối với biến phụ thuộc, hoặc giải thích các tính chất đúng đắn của các giả thuyết, học thuyết kinh tế. Muốn biết sự tác động biến của các biến độc lập đối với biến phụ thuộc theo chiều hướng lẫn độ tác động ra sao. Để trả lời được câu hỏi này ta phải dựa vào mẫu dữ liệu thu thập nhằm cĩ một kết quả ước lượng khơng chệch của biến độc lập đối với biến phụ thuộc. Kiểm sốt được kết quả ước lượng trong mơ hình hồi quy thì điều tiên quyết là phải kiểm sốt được các biến nhiễu trong mơ hình, bao gồm những biến quan sát được và khơng quan sát được. Đối với những thành phần nhiễu quan sát được thì việc mơ hình tuyến tính cổ điển Gauss (CLRM) cĩ thể giải quyết được những vấn đề thường xuyên gặp phải trong mơ hình như: Phương sai của nhiễu, tương quan phần dư của nhiễu, tính đa cộng tuyến. Đồng thời ước lượng OLS trên mơ hình thuộc dạng dữ liệu quan sát nhiễu được như thế này sẽ mang ước lượng khơng cĩ độ thiên lệch (khơng chệch) hoặc sai số đặc trưng, cĩ tính nhất quán và hiệu quả nhất (tính chất BLUE). Cịn đối với các biến nhiễu khơng quan sát được, điều đĩ tùy vào đặc điểm, tính chất khác nhau của từng lớp đối tượng và thời gian mà lựa chọn mơ hình hồi quy tác động cố định (FEM) hay mơ hình hồi quy tác động ngẫu nhiên (REM) cho phù hợp. Cả hai mơ hình này đều địi hỏi chúng ta phải thao tác và sử dụng dữ liệu bảng (panel data).
Dữ liệu bảng đơi khi cịn được là dữ liệu gộp (longitudinal data) mơ tả nhiều đại lượng tương ứng với tần số quan sát qua nhiều đối tượng (cá nhân, doanh nghiệp, tỉnh, thành phố, quốc gia) theo một chuỗi thời gian xác định cho từng đối tượng là như nhau. Cĩ thể nĩi dữ liệu bảng là sự kết hợp của dữ liệu chéo (cross- section) và dữ liệu theo thời gian (time series). Để cĩ thể thu thập được dữ liệu bảng ta cần tiến hành thu thập một hoặc nhiều đặc điểm của đối tượng nghiên cứu trong cùng một khoảng thời gian. Dữ liệu bảng cĩ nhiều ưu thế hơn so với nhĩm dữ liệu thơng thường, điển hình dữ liệu bảng cĩ 2 điểm nổi trội như sau.
Thứ nhất, các ước lượng tham trong mơ hình hồi quy bằng dữ liệu bảng sẽ cho kết quả cĩ độ tin cậy cao hơn, điều này được thể hiện qua ba yếu tố: Thứ nhất dữ liệu bảng sẽ kiểm sốt được những thành phần khơng quan sát được. Các thành phần này cĩ thể khơng giống nhau giữa các đối tượng nhưng khơng thay đổi theo thời gian hoặc cĩ thay đổi theo thời gian nhưng giống nhau giữa các đối tượng. Điều này phần nào đã làm thay đổi để giảm sự chênh lệch trong ước lượng tham số mơ hình. Yếu tố thứ hai, thơng thường sự biến động trong dữ liệu bảng thường nhiều hơn so với dữ liệu chéo hoặc dữ liệu thời gian. Sự biến động cho một đặc điểm trong dữ liệu càng nhiều thì hiển nhiên độ chính xác của các ước lượng đĩ càng tăng, tức là cĩ nhiều biến động thì càng cĩ nhiều giải thích cho việc ước lượng tham số. Yếu tố thứ ba, cĩ ít đa cộng tuyến trong các biến giải thích ở dữ liệu bảng hơn so với dữ liệu chéo hoặc dữ liệu thời gian. Vì vậy kết quả ước lượng trong mơ hình dữ liệu bảng được nâng độ chính xác cao hơn.
Điều thứ hai, dữ liệu bảng xác định và đo lường được những tác động mà những tác động đĩ khơng được tìm thấy hay khơng xác định khi sử dụng dữ liệu chéo hoặc theo chuỗi dữ liệu thời gian riêng lẻ. Chẳng hạn, xét một ví dụ cụ thể về đánh giá lợi thế thu nhập theo kinh nghiệm làm việc và trình độ của nhiều cá nhân trong một lĩnh vực cụ thể. Với dữ liệu chéo, ta cĩ thể dự báo được sự thay đổi của trình độ của từng cá nhân. Đối với dữ liệu theo thời gian, thì khơng thể tách riêng được yếu tố lợi thế thu nhập theo trình độ dựa vào kinh nghiệm làm việc của cá nhân. Giả định nghiên cứu trong dữ liệu thời gian là thu nhập khơng đổi theo kinh
nghiệm làm việc. Tuy nhiên, đây là một phương pháp khơng đáng tin cậy. Với dữ liệu bảng ta cĩ thể xác định và đo lường cả hai yếu tố lợi thế thu nhập theo kinh nghiệm dựa vào trình độ của từng cá nhân.