nƣớc ngoài và tăng trƣởng kinh tế của Việt Nam
2.2.1 Phƣơng pháp luận áp dụng để khảo sát mối quan hệ giữa nợ nƣớc ngoài và tăng trƣởng kinh tế của Việt Nam ngoài và tăng trƣởng kinh tế của Việt Nam
Đề tài đi vào phân tích mối quan hệ định lƣợng giữa nợ nƣớc ngoài và tăng trƣởng kinh tế dựa trên phƣơng pháp luận đƣợc Cunningham (1993) áp dụng để chỉ ra rằng gánh nặng vay nợ nƣớc ngoài ảnh hƣởng xấu đến năng suất vốn và lao động. Mô hình đƣợc áp dụng dƣới đây nhằm tìm ra ảnh hƣởng của gánh nặng nợ, lao động và vốn đến tăng trƣởng kinh tế theo dạng của hàm sản xuất tân cổ điển. Khi thêm biến nợ nƣớc ngoài phải trả nhƣ Cunningham (1993) đƣa ra thì hàm sản xuất tân cổ điển giả sử có dạng nhƣ sau:
GDP= β0 + β1 DS+ β2 K+ β3 L+ ε (1)
Trong đó, GDP là tổng sản phẩm quốc nội, DS (Debt service) là nợ phải trả (bao gồm các khoản nợ đáo hạn và trả lãi các khoản nợ khác), K là tổng vốn tích lũy (hay dung lƣợng vốn), L là lƣợng lao động có việc làm. Tất cả các biến này đều đƣợc biểu diễn dƣới dạng hàm số logarith cơ số tự nhiên.
Mô hình trên đƣợc sử dụng nhằm mục đích tìm hiểu liệu có hay không mối quan hệ trong dài hạn giữa tăng trƣởng kinh tế và ba đầu vào. Khả năng xảy ra mối quan hệ trong dài hạn đƣợc kiểm định bằng kỹ thuật đồng liên kết. Giả định nợ nƣớc ngoài phải trả hàng năm có tác động âm tới tăng trƣởng kinh tế.
Mô hình đồng tích hợp và hiệu chỉnh sai số (Cointegration and Error Correction Modeling)
Hầu hết các chuỗi số thời gian vĩ mô đều không phải là chuỗi dừng (non- stationary). Nếu một chuỗi không dừng, tất cả các kết quả hồi quy thông thƣờng sẽ dẫn
http://svnckh.com.vn 53 tới hiện tƣợng “tƣơng quan giả” (spurious regression problem). Để tránh hiện tƣợng nêu trên, trƣớc tiên chúng ta phải phân tích thuộc tính ngẫu nhiên của các chuỗi số thời gian. Nếu các chuỗi này có cùng bậc tích hợp, khi đó có thể tồn tại một mối quan hệ có ý nghĩa trong dài hạn giữa chúng, hay nói cách khác là sự kết hợp những chuỗi không dừng tạo nên một sự kết hợp bền vững dựa trên phƣơng pháp đồng tích hợp.
Kiểm định đồng liên kết cụ thể gồm 2 bƣớc:
+ Bƣớc đầu tiên, những chuỗi số thời gian đƣợc kiểm định tính dừng hay tính ngẫu (unit roots or non-stationary)
+ Bƣớc thứ hai, kiểm định đồng tích hợp để xác định có hay không mối liên hệ trong dài hạn.
Kiểm định Augumented Dickey-Fuller (ADF) đƣợc sử dụng để kiểm định tính dừng của các biến. Trong khi thực hiện kiểm định tính dừng ADF, mỗi biến đƣợc hồi quy theo một hằng số, một tuyến thời gian bất định, một biến trễ phụ thuộc và q biến trễ của sai phân bậc nhất của biến. Mô hình kiểm định ADF nhƣ sau: (2)
Trong đó:
xt là biến cần kiểm định tại thời điểm t t là thời gian
là sai số ngẫu nhiên phân phối chuẩn với giá trị trung bình 0 và phƣơng sai không đổi
Kiểm định ADF cho tính ngẫu của chỗi thời gian với giả thiết không H0: ρ = 0 và H1: ρ < 0 của mô hình (2) bên trên. Độ dài trễ lý tƣởng cho kiểm định ADF đƣợc lựa
chọn dựa trên sự giúp đỡ của tiêu chuẩn kiểm định thông tin đa dạng (VD nhƣ Tiêu chuẩn Schwartz SIC)
http://svnckh.com.vn 54 Để kiểm định cho sự tồn tại của đồng liên kết giữa các biến, ta sử dụng quy trình do Johansen (1988) và Johansen cùng Juselius (1990) đề xuất. Mục đích của kiểm định đồng liên kết là quyết định xem liệu một nhóm các chuỗi số không dừng (ngẫu) có đồng liên kết hay không. Phƣơng pháp này sử dụng quy trình khả năng tối đa (maximum likelihood procedure) để ƣớc lƣợng và quyết định sự hiện diện của những vector đồng liên kết trong hệ thống vector tự tƣơng quan (VAR). Theo vector của biến thứ p, vector Zt = (Z1t,…., Zpt) đƣợc sinh ra theo quá trình vector tự tƣơng quan theo thứ tự k với sai số Gaussian
Zt = A1Zt-1 + … + AkZt-k + μ + εt t = 1,…,T (3)
Trong đó :
Zt là một vector p ×1 của biến I(1) A là các tham số ƣớc tính
ε1,…, εt là sai số thuộc Np(0,Σ)
μ là một vector hằng số
Mô hình hiệu chỉnh sai số dƣới đây đƣợc sử dụng để phân biệt giữa tính dừng dựa trên sự kết hợp tuyến tính với những cách kết hợp khác.
ΔZ = r1 ΔZt-1 + … + rk ΔZt-k + ΠZt-k + μ + εt t = 1,…,T (4)
Thông tin về số vector đồng liên kết đƣợc quyết định bởi hạng của Π. Cụ thể hơn, hạng của Π quyết định có bao nhiêm cách kết hợp tuyến tính Zt là ổn định. Trong trƣờng hợp 0 < hạng (π) = r < P, Π có thể đƣợc tính nhƣ αβ’ ( hay Π = αβ’), trong đó cả αβ′ α và β đều là ma trận p × r. Theo phƣơng pháp Johansen, có hai chỉ số kiểm định để quyết định số vector đồng liên kết là giá trị tới hạn và giá trị lớn nhất.
Trong cách tiếp cận không giới hạn VAR, kiểm định quan hệ nhân quả Granger trong phân tích chuỗi thời gian là không thể thực hiện đƣợc vì sự tồn tại của xu hƣớng ngẫu trong biến. Kiểm định F cũng nhƣ kiểm định Wald trong việc quyết định xem liệu một vài tham số của mô hình VAR bền vững có cùng giá trị 0 hay không không có giá
http://svnckh.com.vn 55 trị cho quá trình không dừng vì trị thống kê kiểm định (test statistic) không phân phối chuẩn. (theo Sims et al., 1990 and Toda and Phillips, 1993). Thực ra, bằng chứng của đồng liên kết giữa các biến loại bỏ khả năng không có quan hệ nhân quả Granger, tuy nhiên nó lại không chỉ ra điều gì về hƣớng tác động giữa các biến. Quan hệ nhân quả Granger theo thời gian có thể đƣợc xác định thông qua VECM (vector error correction model) xuất phát từ các vector đồng tích hợp trong dài hạn. Engle và Granger (1987) khẳng định rằng nếu có một cân bằng hay mối quan hệ đồng liên kết giữa các biến không dừng, chắc chắn phải tồn tại một sự biểu thị hiệu chỉnh sai số của số liệu. Engle và Granger chỉ ra rằng nếu tồn tại một mối quan hệ đồng liên kết thì một hồi quy OLS đơn giản cũng có thể cung cấp những ƣớc lƣợng phù hợp cho các hệ số cân bằng dài hạn. Điểu kiện tiên quyết cho sự tồn tại của đồng liên kết là tất cả các biến liên quan phải liên kết ở cùng bậc. Khi đó, các phần dƣ từ ƣớc lƣợng dài hạn có thể đƣợc sử dụng nhƣ hệ số hiệu chỉnh sai số (error correction terms ECT) để giải thích các trạng thái ngắn hạn. Engel cùng Granger (1987) và Toda cùng Phillips (1993) đã minh chứng rằng trong đồng liên kết, sự biểu thị VAR (p) tiêu chuẩn trong sai phân cấp 1 là không rõ ràng và đề xuất biểu diễn theo hiệu chỉnh sai số vector nhƣ sau: (5)
Trong đó:
Zt là một vector n ×1 vector của một biến Δ biểu thị sai phân (adsbygoogle = window.adsbygoogle || []).push({});
a là một vector hằng số n ×1
p là độ dài trễ
d là một ma trận hệ số n × r
v là một vector n ×1 cột của nhiễu mà E(vtvt’) = Ω
p − order VAR đƣợc xây dựng với điều kiện sai phân cấp 1, chuỗi I(0), thêm vào
http://svnckh.com.vn 56 Tuy nhiên, quy trình trên yêu cầu tất cả các chuỗi số liên quan phải thống nhất ở cùng bậc và sự hiện diện của mối quan hệ dài hạn giữa các biến liên kết trong hệ thống. Vì thế, trƣớc khi tiến hành kiểm định mối quan hệ nhân quả dài hạn hay không có quan hệ nhân quả bằng VECM, nhất định phải thiết lập đƣợc bậc liên kết và nhận ra mối quan hệ dài hạn có thể tồn tại giữa các biến liên kết trong hệ thống.
Bài nghiên cứu này sử dụng kiểm định tính ngẫu (unit root test) để quyết định số bậc tích hợp của các chuỗi số; theo phƣơng pháp của Johansen (1988) và Johansen cùng Juselius (1990) trong kiểm định sự đồng liên kết giữa các biến; thêm toán tử hiệu chỉnh sai số vào mô hình VECM để kiểm định các tác động ngắn hạn và dài hạn. Mô hình VECM bên cạnh việc chỉ ra hƣớng của quan hệ nhân quả đồng thời cũng phân biệt đƣợc quan hệ nhân quả Granger trong ngắn hạn và dài hạn.