Đầu tiên, tác giả sử dụng phương pháp KPSS để kiểm định nghiệm đơn vị (hay tính dừng) của các chuỗi dữ liệu. Kết quả kiểm định nghiệm đơn vị tại bậc gốc được thể hiện trong bảng 4.2, cho thấy rằng tất cả các biến đều không dừng ở bậc gốc tại mức ý nghĩa 5%.
Bảng 4.2. Kết quả tính dừng các biến tại bậc gốc
iến LM-Stat Giá trị tới hạn tại mức 5% Kết quả
LNFDI 0.91362 0.463 Không dừng GDPGR 0.50079 0.463 Không dừng AGRI 1.05664 0.463 Không dừng CPI 0.30922 0.146 Không dừng REER 0.1565 0.146 Không dừng LNM2 0.19586 0.146 Không dừng UNEMP 28.4345 0.463 Không dừng INT 0.19909 0.146 Không dừng TRADE 1.22274 0.463 Không dừng
Nguồn: Tác giả tổng hợp từ phần mềm Eviews 7.2
Giá trị LM-Stat của các biến LNFDI, GDPGR, AGRI, CPI, REER, LNM2, UNEMP, INT và TRADE đều lớn hơn giá trị tới hạn tại mức ý nghĩa 5%. Điều này có nghĩa rằng các chuỗi dữ liệu trên đều không dừng ở bậc gốc.
Với kết quả các biến không dừng tại bậc gốc ở mức ý nghĩa 5%, tác giả thực hiện lấy sai phân các biến số và tiếp tục xem xét tính dừng của các biến tại sai phân bậc 1.
Kết quả kiểm định nghiệm đơn vị các biến sai phân bậc 1 được trình bày trong bảng 4.3. Giá trị LM-Stat của các các biến LNFDI, GDPGR, AGRI, CPI, REER, LNM2, UNEMP, INT và TRADE đều nhỏ hơn giá trị tới hạn tại mức ý nghĩa 5%, hay có thể hiểu rằng các biến đều dừng ở sai phân bậc 1 tại mức ý nghĩa 5%.
Có thể thấy rằng các biến trong mô hình có đặc điểm chung như sau, đều không dừng tại bậc gốc ở mức ý nghĩa 5% và cùng dừng ở sai phân bậc 1 ở mức ý
nghĩa 5%. Hàm ý rằng các biến đều là I(1). Đây cũng chính là một trong các điều kiện của mô hình VECM, để làm rõ hơn, tác giả tiến hành kiểm định đồng liên kết giữa các biến có trong mô hình. Tuy nhiên, để kiểm định được có tồn tại đồng liên kết giữa các biến trong mô hình hay không, phải xác định được độ trễ của các biến trong mô hình.
Bảng 4.3. Kết quả tính dừng các biến tại bậc 1
iến LM-Stat Giá trị tới hạn tại mức 5% Kết quả
D(LNFDI) 0.2314 0.463 Dừng D(GDPGR) 0.06764 0.463 Dừng D(AGRI) 0.19435 0.463 Dừng D(CPI) 0.10144 0.146 Dừng D(REER) 0.084 0.146 Dừng D(LNM2) 0.07286 0.146 Dừng D(UNEMP) 0.03551 0.463 Dừng D(INT) 0.19571 0.463 Dừng D(TRADE) 0.05468 0.463 Dừng
Nguồn: Tác giả tổng hợp từ phần mềm Eviews 7.2
4.2.2. Xác định độ trễ tối ƣu cho mô hình
Nghiên cứu này sử dụng phương pháp kiểm tra độ trễ dựa vào mô hình VAR. Kết quả kiểm tra độ trễ được thể hiện trong bảng 4.4.
Kết quả cho thấy rằng tiêu chí SC lựa chọn độ trễ 2 là độ trễ tối ưu, tiêu chí HQ lựa chọn độ trễ 3 là độ trễn tối ưu, trong khi đó, đồng thời tiêu chí LR, FPE và AIC cho thấy độ trễ 4 là tối ưu. Việc lựa chọn độ trễ tối ưu theo tiêu chí nào đến nay vẫn còn là một câu đố bí ẩn. Không có sự thống nhất giữa các nhà nghiên cứu. Ví dụ, có người dựa vào tiêu chí AIC, có người dựa vào tiêu chí SC, có người lại xem độ trễ nào có nhiều tiêu chí chọn là độ trễ tối ưu thì lấy độ trễ đó làm độ trễ tối ưu….
Tuy nhiên, ở đây tác giả sẽ lần lượt ước lượng mô hình theo từng độ trễ được chọn là độ trễ tối ưu, ở đây là độ trễ 2, độ trễ 3 và độ trễ 4. Sau đó xem xét mô hình
theo độ trễ nào là phù hợp nhất bằng cách kiểm định tính ổn định, hiện tượng tự tương quan, hiện tượng phương sai thay đổi của mô hình.
Bảng 4.4. Kết quả kiểm tra độ trễ tối ưu VAR Lag Order Selection Criteria
Endogenous variables: D(LNFDI) D(GDPGR) D(CPI) D(REER) D(LNM2) D(UNEMP) D(INT) D(TRADE)
Exogenous variables: C Included observations: 75
Lag LogL LR FPE AIC SC HQ
0 216.4700 NA 5.32e-13 -5.559200 -5.312001 -5.460496 1 378.2928 284.8081 3.95e-14 -8.167808 -5.943020 -7.279475 2 599.1375 341.5732 6.37e-16 -12.35033 -8.147956* -10.67237 3 726.2614 169.4985 1.37e-16 -14.03364 -7.853669 -11.56604* 4 806.5832 89.96046* 1.20e-16* -14.46889* -6.311328 -11.21166 * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion
Nguồn: Tác giả tính toán từ phần mềm Eviews 7.2
Kết quả các kiểm định LM, Joint và vòng tròn đơn vị cho lần lượt các mô hình theo phụ lục 1 cho thấy mô hình VAR độ trễ 2 tồn tại hiện tượng tự tương quan và phương sai thay đổi, mô hình VAR độ trễ 4 tồn tại hiện tượng tự tương quan, còn mô hình VAR độ trễ 3 ổn định, không tồn tại hiện tượng tự tương quan và phương sai thay đổi. Do đó, có thể kết luận mô hình VAR độ trễ 3 phù hợp hơn độ trễ 2 và độ trễ 4. Do đó, nghiên cứu sẽ sử dụng độ trễ 3 để xem xét kiểm định đồng liên kết dựa theo phương pháp Johansen để xác định số đồng liên kết giữa các biến có trong mô hình nghiên cứu.
4.2.3. Xem xét mối quan hệ đồng liên kết giữa các biến
Kết quả kiểm tra số đồng liên kết được thể hiện trong bảng 4.5, hai kiểm định Trace và Max-Eigenvalue được sử dụng để kiểm định đồng liên kết. Kết quả
kiểm định Trace cho thấy rằng có 6 đồng liên kết tại mức ý nghĩa 5%. Do p-value (0.01%) của giả thuyết H0 nhỏ hơn 5%, hàm ý bác bỏ giả thuyết H0: không có đồng liên kết.
Kết quả kiểm định Max-Eigenvalue cho thấy rằng có 3 đồng liên kết tại mức ý nghĩa 5%. Do p-value (0.02%) của giả thuyết H0 nhỏ hơn 5%, hàm ý bác bỏ giả thuyết H0: không có đồng liên kết.
Từ hai kiểm định Trace và Max-Eigenvalue cho thấy rằng tồn tại mối quan hệ đồng liên kết giữa các biến trong mô hình nghiên cứu này.
4.3. Tác động của các nhân tố vĩ mô đến FDI thông qua mô hình FMOLS
Tác giả sử dụng phương pháp FMOLS theo đề nghị của Boateng và các cộng sự (2015) để xem xét mối quan hệ dài hạn giữa các biến vĩ mô và dòng vốn FDI khi các dữ liệu không dừng tại bậc gốc và tồn tại mối quan hệ đồng liên kết.
Kết quả ước lượng FMOLS được trình bày trong bảng 4.6, cho thấy lãi suất có ảnh hưởng tích cực đến dòng vốn FDI ở mức ý nghĩa 5% trong tất cả các trường hợp. Mối quan hệ này phù hợp với các nghiên cứu của Yang và các cộng sự (2000), và Jeon và Rhee (2008) cho rằng lãi suất cao hơn ở nước nhận đầu tư sẽ hấp dẫn các nhà đầu tư nước ngoài bởi vì lợi nhuận cao hơn. Các nghiên cứu của Camurdan và Ismail (2009), Oladipo (2013) cũng cho thấy mối quan hệ cùng chiều giữa lãi suất và FDI.
Đồng thời, GDPGR, LNM2, REER, TRADE cũng có ảnh hưởng tích cực đến dòng vốn FDI ở mức ý nghĩa 5%. Tuy nhiên REER và LNM2 chỉ có ý nghĩa ở phương trình (1) và (2), biến GDPGR chỉ có ý nghĩa ở phương trình (1) và (3), còn TRADE chỉ có ý nghĩa ở phương trình (3). Ngụ ý rằng các quốc gia có tốc độ tăng GDP, cung tiền M2, tỷ giá hối đoái thực hiệu dụng, độ mở thương mại càng cao càng thu hút nguồn vốn FDI tốt hơn.
Bảng 4.5. Kết quả kiểm định đồng liên kết Included observations: 76 after adjustments Trend assumption: Linear deterministic trend
Series: LNFDI GDPGR CPI REER LNM2 UNEMP INT TRADE Lags interval (in first differences): 1 to 3
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s) Eigenvalue
Trace Statistic 0.05 Critical Value Prob.** None * 0.610412 286.0890 159.5297 0.0000 At most 1 * 0.559690 214.4464 125.6154 0.0000 At most 2 * 0.509157 152.1055 95.75366 0.0000 At most 3 * 0.355363 98.02154 69.81889 0.0001 At most 4 * 0.324659 64.65243 47.85613 0.0006 At most 5 * 0.230980 34.81962 29.79707 0.0121 At most 6 0.138401 14.85913 15.49471 0.0622 At most 7 0.045483 3.537802 3.841466 0.0600 Trace test indicates 6 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s) Eigenvalue
Max-Eigen Statistic 0.05 Critical Value Prob.** None * 0.610412 71.64260 52.36261 0.0002 At most 1 * 0.559690 62.34092 46.23142 0.0005 At most 2 * 0.509157 54.08398 40.07757 0.0007 At most 3 0.355363 33.36912 33.87687 0.0574 At most 4 * 0.324659 29.83280 27.58434 0.0253 At most 5 0.230980 19.96050 21.13162 0.0723 At most 6 0.138401 11.32132 14.26460 0.1388 At most 7 0.045483 3.537802 3.841466 0.0600 Max-eigenvalue test indicates 3 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Bảng 4.6. Kết quả ước lượng FMOLS iến (1) (2) (3) (4) GDPGR 120.4076** 70.63289 95.21631** AGRI 0.273363 CPI -0.002354 -0.021281 -0.006488 -0.019114 REER 6.891386** 6.75885** 4.220335 0.458939 LNM2 0.687536** 1.151504** 0.22887 1.190972 UNEMP 0.17086 -0.933789 -0.19361 -0.048636 INT 0.18068** 0.147656** 0.138969** TRADE 0.036675** 0.022802 HỆ SỐ CHẶN -12.12958 -24.43843** 2.101492 -28.34144 R2 0.569962 0.674656 0.701763 0.690402
Nguồn: Tác giả tổng hợp từ phần mềm Eviews 7.2
4.4. Tác động của các nhân tố vĩ mô đến FDI thông qua mô hình VECM
Sau khi đã xác định được số đồng liên kết và độ trễ tối ưu cho mô hình nghiên cứu, tác giả tiến hành ước lượng mô hình VECM độ trễ 3.
Kết quả mô hình VECM cho thấy mối quan hệ dài hạn như sau:
LNFDI=20.06 +1537.67GDPGR +0.03CPI +41.26REER -1.77LNM2 -5.54UNEMP -0.91INT +0.07TRADE
(184.98) (0.05) (10.13) (2.00) (3.09) (0.19) (0.08) [-8.31] [-0.63] [-4.07] [0.88] [1.79] [4.7] [-0.98]
Ghi chú: Giá trị trong ( ) và [ ] lần lượt là độ lệch chuẩn và thống kê t.
Kết quả cho thấy trong dài hạn các biến có mối quan hệ với nhau, cụ thể, chỉ số giá CPI và độ mở thương mại TRADE có mối quan hệ cùng chiều với FDI nhưng không có ý nghĩa thống kê ở mức 5%, cung tiền M2 và thất nghiệp UNEMP tác động tiêu cực đến dòng vốn FDI và cũng không có ý nghĩa thống kê ở mức 5%. Tuy nhiên, GDPGR và tỷ giá hối đoái thực hiệu dụng REER thể hiện ảnh hưởng tích cực đến dòng vốn FDI tại Việt Nam ở mức ý nghĩa 5%. Ngược lại, lãi suất INT có mối quan hệ ngược chiều trong dài hạn với dòng vốn quốc tế FDI ở mức ý nghĩa 5%.
Kết quả mối quan hệ cùng chiều giữa GDPGR và dòng vốn FDI phù hợp với các bài nghiên cứu trước đây như Marr (1997), Kyrkilis và Pantelidis (2003) hay
Fedderke và Romm (2006), Moosa và Cardak (2006). Quy mô thị trường của một quốc gia được đo bằng tốc độ tăng trưởng GDP thực đã có ảnh hưởng tích cực đối với dòng vốn FDI. Điều đó cho thấy một trong những động lực chính cho các doanh nghiệp đầu tư nước ngoài là tiếp cận thị trường của nước nhận đầu tư và các nước lân cận. Thị phần của nước nhận đầu tư càng lớn, dòng vốn FDI vào càng nhiều.
Còn về tỷ giá, tỷ giá càng gia tăng sẽ càng thu hút các dòng vốn FDI đổ vào trong nước hơn, hay khi đồng nội tệ mất giá sẽ làm tăng dòng vốn FDI. Điều này phù hợp với các nghiên cứu trước đây của Aqeel và Nishat (2005), Bardhyl (2009), Oladipo (2013) hay Boateng và các cộng sự (2015). Sự mất giá của đồng nội tệ sẽ làm giảm các chi phí được tính bằng ngoại tệ của các công ty, do đó sẽ làm gia tăng lợi nhuận của các công ty có nguồn vốn FDI. Lợi nhuận cao hơn tất nhiên sẽ thu hút các dòng vốn FDI hơn. Khi đồng nội tệ mất giá, tất cả các yếu tố đầu vào sản xuất như lao động, đất đai, máy móc, và các tài sản, ở nước tiếp nhận nguồn vốn FDI trở nên rẻ hơn từ quan điểm của nhà đầu tư nước ngoài, do đó họ sẽ có xu hướng đầu tư thêm các nguồn vốn vào.
Về lãi suất, lãi suất càng thấp càng thu hút dòng vốn FDI. Bằng chứng khẳng định vai trò của lãi suất thấp của nước nhận đầu tư trong việc thu hút FDI đã được cung cấp bởi Culem (1988) khi cho rằng lãi suất thấp là một lợi thế chi phí cho các nhà đầu tư. Kết quả mối quan hệ ngược chiều giữa lãi suất và FDI cũng phù hợp với các nghiên cứu của Tripathi và các cộng sự (2015), Boateng và các cộng sự (2015).
Sau khi xem xét mối quan hệ dài hạn giữa các biến vĩ mô và dòng vốn FDI, tác giả tiếp tục xem xét liệu có tồn tại mối quan hệ ngắn hạn hay không bằng cách xem xét hệ số điều chỉnh sai số ECT của mô hình VECM theo bảng 4.7.
Bảng 4.7. Hệ số ECT của mô hình VECM
Error Correction D(LNFDI)
CointEq1
-0.018899 (0.07044) [-0.26832]
Kết quả cho thấy rằng hệ số của biến ECT không có ý nghĩa thống kê, điều này hàm ý rằng không tồn tại mối quan hệ ngắn hạn giữa các biến với biến dòng vốn FDI. Kết quả này trái ngược với các nghiên cứu trước đây như nghiên cứu của Nguyễn Văn Bổn và Nguyễn Minh Tiến (2014), Dinda (2012)… Nhưng điều này khá hợp lý vì dòng vốn đầu tư trực tiếp FDI là dòng vốn đầu tư vào việc sản xuất kinh doanh thực mà như vậy thì sẽ tốn thời gian để tạo cơ sở tạo sản phẩm, chính điều này sẽ không thể có sự thay đổi dòng vốn đầu tư trong ngắn hạn.
Tiếp theo, để xem xét tính ổn định của mô hình VECM, tác giả sử dụng vòng tròn đơn vị, kiểm định LM và kiểm định Joint để xem xét rằng mô hình VECM có tồn tại hiện tượng tự tương quan, phương sai thay đổi hay không và tính ổn định của mô hình như thế nào.
Kết quả kiểm định tính ổn định bằng vòng tròn đơn vị được trình bày trong hình 4.1. Các điểm đều nằm trong vòng tròn, cho thấy rằng mô hình VECM ổn định.
Hình 4.1. Vòng tròn đơn vị của mô hình VECM
-1.5-1.0 -1.0 -0.5 0.0 0.5 1.0 1.5 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
Nguồn: Tác giả tính toán từ phần mềm Eviews 7.2
Tiếp theo sử dụng kiểm định LM để xem xét hiện tượng tự tương quan có tồn tại hay không. Kết quả kiểm định theo bảng 4.8 cho thấy p-value của kiểm định (26.2%) lớn hơn mức 5%, tức là không thể bác bỏ giả thuyết H0 của kiểm định:
không có tự tương quan tại độ trễ 3. Do đó, mô hình VECM tại độ trễ 3 không tồn tại hiện tượng tự tương quan.
Bảng 4.8. Kết quả kiểm định tự tương quan mô hình VECM
VEC Residual Serial Correlation LM Tests
Giả thuyết H0: không có sự tương quan tại độ trễ h Số quan sát bao gồm: 76
Lags LM-Stat Prob
1 100.5233 0.0024 2 81.09794 0.0732 3 70.77329 0.2620 4 109.7136 0.0003 5 76.38670 0.1380 6 53.09219 0.8328 7 85.51444 0.0375 8 61.00135 0.5832 9 84.26216 0.0457 10 62.61093 0.5258 11 59.43350 0.6385 12 84.03715 0.0473
Nguồn: Tác giả tính toán từ phần mềm Eviews 7.2
Xem xét hiện tượng phương sai thay đổi có tồn tại trong mô hình VECM bằng kiểm định Joint. Kết quả theo bảng 4.9 cho thấy p-value của kiểm định bằng 14.87% lớn hơn 5%, cho thấy không thể bác bỏ giả thuyết H0 của kiểm định: không có hiện tượng phương sai thay đổi. Do đó mô hình VECM không tồn tại hiện tượng phương sai thay đổi.
Bảng 4.9. Kết quả kiểm định phương sai thay đổi mô hình VECM
VEC Residual Heteroskedasticity Tests Số quan sát bao gồm: 76
Joint test:
Chi-sq df Prob.
1862.578 1800 0.1487
Tóm lại, các kết quả cho thấy rằng mô hình VECM tại độ trễ 3 không tồn tại hiện tượng tự tương quan, phương sai thay đổi và đạt được sự ổn định.
Sau đây tác giả sẽ tiến hành phân tích hai ứng dụng được sử dụng phổ biến trong các bài nghiên cứu dùng phương pháp kinh tế lượng tương tự đó là hàm phản ứng đẩy IRF và phân rã phương sai.
4.5. Phản ứng của FDI trƣớc cú sốc các biến kinh tế vĩ mô
Tác giả sử dụng hàm phản ứng đẩy để xem xét phản ứng của dòng vốn FDI trước cú sốc các biến kinh tế vĩ mô. Kết quả thực hiện hàm phản ứng đẩy IRF được trình bày trong hình 4.2, cho thấy rằng cú sốc lạm phát hầu như không ảnh hưởng đến dòng vốn FDI của Việt Nam trong suốt 24 kỳ dự báo. Điều này có thể giải thích