Trong bài nghiên cứu “Dòng vốn đầu tư nước ngoài sẽ thúc đẩy hay lấn át đầu tư trong nước tại Hàn Quốc?” của David Deok-Ki Kim, Jung-Soo Seo, (2003). Với dữ liệu nghiên cứu cho khoảng thời gian từ 1985 – 1999 thông qua kỹ thuật ước lượng bằng mô hình vector tự hồi quy VAR đã cung cấp bằng chứng thực nghiệm về mối quan hệ năng động giữa FDI, DI và GDP. Kết quả nghiên cứu cho thấy rằng:
Có sự tương tác giữa FDI và DI. Tuy nhiên, không có bằng chứng cho thấy rằng FDI chèn lấn đầu tư trong nước.
FDI có tác động tích cực đến GDP nhưng tác động này không đáng kể nhưng các tác giả lại chứng minh rằng chiều ngược lại có nghĩa là GDP lại có tác động đáng kểđến FDI.
Bằng việc thu thập dữ liệu các mẫu lớn xuyên quốc gia (68 quốc gia), trong một thời gian dài từ 1984 – 2004, Lautier, Marc, và Francois Moreaub (2012) trong bài viết “Đầu tư nội địa và FDI tại các nước đang phát triển: mối liên kết đang bỏ lỡ”. Kết quả bài nghiên cứu cho thấy:
Đầu tư trong nước là một chất xúc tác mạnh mẽ cho đầu tư trực tiếp nước ngoài tại các nước đang phát triển. Ngoài ra, đầu tư trong nước dường như là một yếu tố dự báo tốt cho dòng vốn đầu tư nước ngoài trong tương lai.
Việc thúc đẩy đầu tư vào các doanh nghiệp trong nước sẽ dẫn đến dòng vốn FDI nhiều hơn. Các nước đang phát triển sẽđược hưởng lợi từ các biện pháp nhằm khuyến khích đầu tư trong nước và hiệu quả đầu tư tốt hơn sẽ có hiệu quả kích thích FDI. Bằng chứng cho thấy đáng chú ý rằng chính sách công nghiệp, nhằm nâng cao lợi nhuận và phạm vi đầu tư trong nước sẽ có hiệu quảđể tăng dòng vốn FDI.
Tác động giữa FDI và GDP là tác động hai chiều và FDI thì có tác động tích cực đến tăng trưởng kinh tế.
Samuel Adams (2009) trong bài viết về tác động của FDI đến DI và tăng trưởng kinh tế nghiên cứu tại các quốc gia Châu Phi nằm ở phía nam Sahara cho khoảng thời gian từ 1990–2003, bằng phương pháp ước lượng OLS, tác giảđã đưa ra bằng chứng thực nghiệm cho thấy:
Đầu tư trong nước có tương quan đáng kể và tác động tích cực đến tăng trưởng kinh tế.
FDI cũng có tác động tích cực đến tăng trưởng kinh tế.
Bài nghiên cứu cũng cho thấy rằng, ban đầu thì FDI có tác động tiêu cực đến DI. Tuy nhiên, trong các giai đoạn tiếp theo thì FDI lại có tác động tích cực đối với DI.
Từ việc xem xét các nghiên cứu trước đó và kết quả nghiên cứu thực nghiệm, tác giảđề xuất cần có cách thức để tiếp cận nguồn vốn FDI, tăng khả năng hấp thụ của doanh nghiệp trong nước và hợp tác giữa chính phủ với các doanh nghiệp đa quốc để thúc đẩy lợi ích chung.
Trong một nghiên cứu khác về mối quan hệ FDI, DI và tăng trưởng kinh tế của nhóm tác giả Sumei Tang, E. A. Selvanathan và S. Selvanathan (2008) tại Trung Quốc cho khoảng thời gian nghiên cứu từ 1988 – 2003. Bằng hai phương pháp ước lượng là mô hình VAR và VECM, kết quả nghiên cứu của nhóm tác giả cho thấy rằng đầu tư trong nước và tăng trưởng kinh tế là mối quan hệ nhân quả hai chiều. Tuy nhiên, FDI chỉ có quan hệ nhân quả một chiều với DI và GDP và quan hệ giữa FDI và DI là quan hệ tích cực có nghĩa là nó bổ sung cho đầu tư trong nước. Như vậy, tại Trung Quốc, FDI đã không chỉ hỗ trợ trong việc khắc phục tình trạng thiếu vốn mà nó còn kích thích tăng trưởng kinh tế thông qua việc bổ sung đầu tư trong nước.
Để chứng minh mối quan hệ năng động giữa FDI, DI và GDP, Jong Il Choe (2003) đã nghiên cứu đề tài này ở 80 quốc gia cho khoảng thời gian từ 1971 – 1995 bằng phương pháp ước lượng với mô hình VAR. Thông qua bằng chứng thực nghiệm, tác giả chứng minh rằng FDI có nhân quả Granger đến GDP và ngược lại. Tuy nhiên, tác động thì rõ ràng hơn là từ GDP đến FDI, còn tác
động từ FDI đến GDP cho kết quả yếu hơn. Cũng trong nghiên cứu này, tác giả còn chứng minh rằng GDP có mối quan hệ nhân quả Granger mạnh mẽđến đầu tư trong nước nhưng đầu tư trong nước lại không có quan hệ nhân quả Granger với tăng trưởng kinh tế. Cuối cùng, tác giảđã chứng minh rằng có mối quan hệ tích cực mạnh mẽ giữa GDP và FDI. Dòng vốn đầu tư nước ngoài cao thì không có nghĩa là tỷ lệ đầu tư trong nước gia tăng hay là gia tăng tỷ lệ đầu tư trong nước sẽ dẫn đến là nền kinh tế trong nước có sự tăng trưởng.
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 3.1. Dữ liệu và biến nghiên cứu
Với mục tiêu của đề tài là xem xét mối quan hệ giữa đầu tư trong nước, đầu tư trực tiếp nước ngoài và tăng trưởng kinh tếở Việt Nam, bộ dữ liệu bao gồm các dữ liệu thời gian hàng quý cho khoảng thời gian 10 năm từ năm 2004 đến năm 2013, được lấy từ Tổng cục thống kê Việt Nam. Tăng trưởng kinh tế được đo bằng GDP thực năm 2000 theo giá cố định, đầu tư trực tiếp nước ngoài, đầu tư trong nước được tổng hợp từ vốn đầu tư phát triển toàn xã hội thực hiện phân theo thành phần kinh tế. Tất cả các biến động được đo bằng nghìn tỷđồng.
Các biến nghiên cứu bao gồm:
- Biến độc lập là 2 biến đầu tư trực tiếp nước ngoài (FDI), đầu tư trong nước (DI).
- Biến phụ thuộc là biến tăng trưởng kinh tế (GDP).
Tất cả các biến động được chuyển thành dạng logarit tự nhiên (ln) để thực hiện hồi quy tốt hơn vì chuỗi dữ liệu kinh tế theo thời gian có đặc trưng cấp số nhân theo thời gian và thay đổi của logarit tự nhiên là thay đổi tuyến tính. Ngoài ra, biến động của (ln) thì dễ dàng hơn trong việc tính toán độ co giãn vì hệ sốước lượng thì xấp xỉ với phần trăm biến động của các biến.
3.2. Mô hình cụ thể
ln = + ln + ln + (3.1) Trong đó:
ln là GDP thực;
ln là FDI thực đi vào trong nước;
ln là DI;
là hằng số và cho biết giá trị trung bình của GDP thực khi FDI và DI bằng không;
là hệ số hồi quy riêng của ln , hệ số này cho biết lượng thay đổi giá trị trung bình của ln khi ln thay đổi 1 đơn vị với điều kiện giữa nguyên biến độc lập là ln ;
là hệ số hồi quy riêng của ln , hệ số này cho biết lượng thay đổi giá trị trung bình của ln khi ln thay đổi 1 đơn vị với điều kiện giữa nguyên biến độc lập là ln ;
Và là sai số ngẫu nhiên.
3.3. Phương pháp ước tính
Đểđo lường mối quan hệ trong ngắn hạn và dài hạn của ba biến nghiên cứu. Các bước tác giả thực hiện như sau:
- Chúng ta bắt đầu với việc sử dụng kiểm định nghiệm đơn vị để xem tính dừng của chuỗi thời gian mỗi biến để tránh trường hợp hồi quy giả. Phương pháp để kiểm định nghiệm đơn vị là phương pháp Dickey – Fuller mở rộng (ADF).
- Tiếp theo, tác giả thực hiện kiểm định để lựa chọn độ trễ tối ưu cho mô hình.
- Sau đó, kiểm định đồng liên kết (đồng tích hợp – cointegration) được thực hiện cho ba biến chuỗi thời gian (lnGDP, lnFDI và lnDI). Có hai trường hợp xãy ra:
Nếu ba chuỗi thời gian lnFDI, lnDI và lnGDP có đồng liên kết điều đó sẽ chứng minh rằng: tồn tại ít nhất một mối quan hệ trong dài hạn giữa ba biến số nêu trên.
Nếu ba chuỗi thời gian lnFDI, lnDI và lnGDP không tồn tại mối liên hệđồng liên kết điều ngày có nghĩa là ba biến số này có thể chỉ có mối quan hệ trong ngắn hạn.
- Bước tiếp theo, tác giả thực hiện chạy mô hình VAR và thực hiện các kiểm định sau:
Kiểm định nhân quả Granger để xác định có hay không có mối quan hệ nhân quả Granger trong ngắn hạn giữa các biến.
Kiểm tra tự tương quan của phần dư.
Kiểm định tính ổn định của mô hình VAR.
Sau đó, tác giả xem xét hàm phản ứng lần lượt cho từng biến số khi các cú sốc xãy ra cho từng biến thông qua hàm phản ứng đẩy.
- Cuối cùng, tác giả sẽ sử dụng mô hình VECM – mô hình vector hiệu chỉnh sai số để xem xét quá trình điều chỉnh ngắn hạn để đạt trạng thái cân bằng trong dài hạn. Hàm phản ứng tiếp tục được sử dụng để kiểm tra lần lượt ảnh hưởng của các biến khi các cú sốc xảy ra trong dài hạn.
3.4. Kiểm định nghiệm đơn vị
Như chúng ta đã biết, các chuỗi thời gian kinh tế vĩ mô (GDP, FDI, DI) thông thường là các chuỗi không dừng, điều đó có thể dẫn đến tình trạng hồi quy giả mạo và kết luận sai khi sử dụng các kiểm định thống kê.
Theo Gujarati (2003) một chuỗi thời gian là dừng khi giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) giữ nguyên không đổi cho dù chuỗi được xác định vào thời điểm nào đi nữa. Chuỗi dừng có xu hướng trở về giá trị trung bình và những dao động quanh giá trị trung bình sẽ là như nhau. Nói cách khác, một chuỗi thời gian không dừng sẽ có giá trị trung bình thay đổi theo thời gian, hoặc giá trị phương sai thay đổi theo thời gian hoặc cả hai.
Trên thực tế, có nhiều phương pháp kiểm tra tính dừng của chuỗi thời gian: kiểm định Phillip–Person (PP); kiểm định Dickey–Fuller (DF), kiểm định Dickey – Fuller mở rộng (ADF), kiểm tra bằng giản đồ tự tương quan, … Trong bài nghiên cứu này, tác giả sử dụng kiểm định nghiệm đơn vị (Unit root test) là một kiểm định được sử dụng khá phổ biến để kiểm định một chuỗi thời gian là dừng hay không dừng và phương pháp tác giả sử dụng để thực hiện kiểm định nghiệm đơn vị là phương pháp Dickey và Fuller mở rộng (ADF) thông qua phần mềm thống kê stata11.
Cơ sở lý thuyết của kiểm định đơn vị như sau:
= + (3.2)
Trong đó:
: là hằng số.
là nhiễu trắng là số hạng chỉ sai số ngẫu nhiên xuất phát từ các giả định cổ điển rằng nó có giá trị trung bình bằng 0, phương sai là hằng số và không tự tương quan.
dừng khi -1 < <1. Lúc này phương trình (3.2) sẽ là:
= + = + + + … + (3.3) Khi thời gian càng lớn n tiến đến vô cùng (∞) thì lúc này sẽ tiến dần về không (0) và cũng tiến dần về không (0). Hay nói cách khác là một tác động nhỏ trong quá khứ sẽ không còn tác động đến hiện tại.
Nếu = 1: Khi đó là một bước ngẫu nhiên và là một chuỗi không dừng. Lúc này phương trình (3.2) sẽ là:
= + = + + …+ (3.4) Điều này có ý nghĩa là 1 tác động trong quá khứ sẽ còn tác động nguyên vẹn đến hiện tại.
Thực hiện hồi quy theo phương trình (3.2): = +
Giả thuyết: : = 1: chuỗi thời gian không dừng hay còn gọi
có nghiệm đơn vị.
Giả thuyết đối: : < 1: là chuỗi dừng. Để kiểm định ta so sánh giá trị xác suất p-value
• Nếu p-value < α (α = 1%; 5% và 10%): bác bỏ giả thuyết : kết luận là chuỗi dừng.
• Nếu p-value >= α: không bác bỏ giả thuyết : kết luận là chuỗi không dừng.
Sai phân bậc nhất của : ∆ = - = (3.5) Phương trình (3.5) là sai phân bậc 1 của một chuỗi thời gian bước ngẫu nhiên: là chuỗi thời gian dừng do giả định là nhiễu trắng. Vậy nếu chuỗi thời gian được lấy sai phân bậc nhất và chuỗi thời gian bắt đầu dừng thì chuỗi thời gian này được gọi là chuỗi liên kết hợp bậc 1, ký hiệu là I(1). Tương tự nếu như chuỗi ban đầu được lấy sai phân bậc hai để trở thành chuỗi dừng thì chuỗi này được gọi là chuỗi liên kết bậc 2, ký hiệu I(2). Tóm lại, nếu chuỗi thời gian bắt đầu dừng ở sai phân bậc d thì ta gọi chuỗi thời gian là chuỗi liên kết bậc d, ký hiệu I(d).
3.5. Kiểm định đồng liên kết
Trong kiểm định đồng liên kết, có hai phương pháp tiếp cận được sử dụng. Một là mô hình được phát triển bởi Engle–Granger (vốn sử dụng tiêu chuẩn Dickey –Fuller hay Dickey – Fuller mở rộng) để xem xét tính dừng của phần dư. Tuy nhiên, kiểm định này không giải quyết được vấn đề nếu có nhiều biến là đồng liên kết. Khắc phục điểm yếu của kiểm định Engle– Granger, ta có thể sử dụng kiểm định Johansen (1988) và Johansen – Juselius (1990).
Phương pháp Johansen – Juselius có hai dạng kiểm định là kiểm định giá trị vết (Trace test) và kiểm định bằng tỷ số hợp lý (Maximal eigenvalue test), hai phương pháp này tương đương nhau.
Phương trình giá trị vết (Trace value)
λ = − !ln 1 −λ (3.6) Trong đó:
T: tổng quan sát
n: số lượng biến
λ: là giá trị riêng được sắp xếp theo tứ tự từ lớn nhất đến nhỏ nhất
Trong kiểm định này:
Giả thuyết : Có r hoặc một vài quan hệđồng liên kết. Giả thuyết đối : Không có quan hệđồng liên kết.
Phương trình giá trị riêng cực đại (Maximum-eigenvalue)
λ"# = −ln1 −λ! (3.7)
Trong kiểm định này:
Giả thuyết : r = 0 vector đồng liên kết được kiểm định. Giả thuyết đối : r = r+1 vector đồng liên kết.
Khi thực hiện kiểm định, so sánh giá trị trace value hoặc giá trị maximum- eigen value với giá trị critical value tại các mức ý nghĩa: 1%; 5% và 10%.
+ Nếu giá trị trace value hoặc Maximum-eigenvalue < critical value: chấp nhận giả thuyết (hay nói cách khác là không bác bỏ giả thuyết : tồn tại ít nhất r quan hệđồng liên kết)
+ Nếu giá trị trace value hoặc Maximum-eigenvalue > critical value: bác bỏ giả thuyết : không tồn tại quan hệđồng liên kết nào.
3.6. Mô hình vector tự hồi quy VAR
Mô hình VAR là một mô hình kinh tế lượng dùng để xem xét và sự phụ thuộc lẫn nhau giữa một số biến theo thời gian. Trong mô hình VAR, mỗi biến số được giải thích bằng một phương trình chứa các biến trễ của chính biến số và các giá trị trễ của các biến nghiên cứu khác.
Mô hình VAR được ước lượng như sau:
Trong đó:
∆ là độ trễ bậc nhất. Kí hiệu: I(1);
là một vector của ba biến nội sinh (ln , ln ,ln );
Γ là một ma trận của các hệ số VAR cho ởđộ trễ i.
Dựa vào tiêu chuẩn kiểm định F để chấp thuận hay bác bỏ giả thiết. Tồn tại mối quan hệ nhân quả hai chiều nếu các hệ số đều có ý nghĩa thống kê. Quan hệ nhân quả một chiều xảy ra khi hệ số chỉ có ý nghĩa thống kê ở 1 phương trình cụ thể. Các bước tác giả thực hiện khi thực hiện mô hình VAR như sau:
3.6.1. Kiểm định để lựa chọn độ trễ tối ưu
Trước khi thực hiện kiểm định mô hình VAR và VECM, tác giả thực hiện kiểm định để lựa chọn độ trễ tối ưu cho mô hình.
Có nhiều tiêu chí để lựa chọn độ trễ tối ưu như các tiêu chí:
LL: Log likelihood;
LR: Likelihood ratio;
Bậc VAR sẽ lựa chọn căn cứ bằng cực đại LL và LR.
FPE: Final prediction error (Sai số dự báo cuối cùng);
AIC: Akaike information criteria;
HQIC: Hannal Quinn information criteria;
SBIC: Schwarz Bayesian information criteria.
3.6.2. Kiểm định nhân quả Granger
Tác giả sử dụng kiểm định nhân quả Granger (Granger causality test) để kiểm định liệu rằng có hay không có tồn tại mối quan hệ nhân quả trong ngắn hạn giữa 3 chuỗi thời gian FDI, DI và GDP trên 3 phương trình sau: ∆)*+, = -+ -∆)*+,+ …+ -&∆)*+,&+β∆)* + … +
β&∆)* & + λ∆)* + … + λ&∆)* & + (3.9)
∆)* = -+ -∆)* + …+ -&∆)* &+β∆)*+,+ … +
β&∆)*+,& + λ∆)* + … + λ&∆)* & + (3.10)
∆)* = -+ -∆)* + …+ -&∆)* &+β∆)*+,+ … +
β&∆)*+,& + λ∆)* + … + λ&∆)* & + (3.11)
+ Để kiểm định các biến trễ của các biến có tác động nhân quả Granger lên