3. Bố cục luận án
2.3.2. Lựa chọn phương pháp ước lượng để đánh giá tác động của dao động tỷ
tích cực bởi khi REER tăng và lớn hơn 1 thì quốc gia nghiên cứu sẽ có lợi thế thương mại so với các quốc gia khác trên thế giới (Chinn Menzie D., 2005). Vì vậy, giả thuyết mong đợi β12>0. Tỷ giá hối đoái thực đa phương giảm sẽ làm cho hàng hóa nước ngoài đắt hơn, do đó nhập khẩu sẽ giảm. Do đó giả thuyết là β22<0.
+ Tác động của dao động tỷ giá đối với xuất khẩu có thể là tích cực hoặc tiêu cực hoặc không tác động (De Grauwe P., 1988). Đó là lý do tại sao tác giả mong đợi β12 và β22 là dương, âm hoặc không rõ ràng.
+ Tác động của điều kiện thương mại ToT đến giá trị xuất khẩu theo các hướng sau
ToT > 1: nước đó đang ở vị trí thuận lợi. Khi giá hàng xuất khẩu tăng nhanh hơn so với giá hàng nhập khẩu (trường hợp cả hai mặt hàng đều tăng); có thể là giá giảm trong trường hợp giá hàng xuất khẩu giảm ít hơn so với giá hàng nhập. Thông qua trao đổi quốc tế vẫn có thể xuất khẩu với sản lượng như cũ, nhưng có thể nhập về với lượng sản phẩm nhiều hơn trước.
ToT < 1: nước đó đang ở vị trí bất lợi.
ToT = 1: sự biến động của giá cả không có ảnh hưởng gì tới đất nước. Như vậy nếu ToT càng tăng và càng lớn hơn 1 thì giá trị xuất khẩu sẽ tăng. Do vậy giả thuyết nghiên cứu là β14>0.
2.3.2. Lựa chọn phương pháp ước lượng để đánh giá tác động của dao động tỷ tỷ
giá hối đoái đến cán cân thương mại
Trên cơ sở tìm hiểu các nghiên cứu thực nghiệm trên thế giới cho thấy các nghiên cứu đã sử dụng nhiều loại phương pháp ước lượng để định lượng tác động
của dao động tỷ giá đến cán cân thương mại khi biến quan sát thu thập theo chuỗi thời gian. Trong đó phổ biến là sử dụng phương pháp Ordinary Least Squares (OLS), một số nghiên cứu khác sử dụng phương pháp Vector Auto Regression (VAR).
Những nghiên cứu của Cushman D. O. (1986), Hooper P. và Kohlhagen S. (1978), Asseery A. và Peel D. A. (1991), , Pozo S. (1992), Mc Kenzie M.D. và Brooks R. (1997), Mc Kenzie M. (1999), Hayakawa K. và Kimura F. (2009) và Flavio V. V. và MacDonald R. (2016) sử dụng mô hình OLS để xem xét đánh giá. Những nghiên cứu sử dụng mô hình VAR để ước lượng như (Koray K. và Lastrapes W. D., 1989; Chowdhury A.R., 1993).
2.3.2.1. Mô hình Vector Auto Regression (VAR)
Mô hình VAR xem xét đồng thời một số biến nội sinh. Mỗi biến nội sinh được giải thích bằng một phương trình chứa các giá trị quá khứ (còn gọi là “giá trị trễ”) của tất cả các biến nội sinh khác và giá trị trễ của chính nó. Mô hình VAR được sử dụng để xem xét động thái và sự phụ thuộc lẫn nhau giữa một số biến kinh tế theo thời gian. Thông thường mô hình này không có biến ngoại sinh. Khi sử dụng mô hình VAR, kết quả của mô hình sẽ cho biết các quan hệ nào là phù hợp và có ý nghĩa thống kê. Mô hình phương trình thông thường được xác lập dựa trên việc xác định một mối quan hệ kinh tế, vì vậy nó có thể phù hợp với quốc gia này mà không phù hợp với các quốc gia khác, phù hợp với giai đoạn này mà không phù hợp với giai đoạn khác. Mô hình VAR có thể thay cho hệ phương trình, không cần phải áp đặt một lý thuyết nào trước đó. Nếu tồn tại quan hệ đồng thời giữa một số biến thì các biến này hoàn toàn có vai trò như nhau, không có sự khác biệt nào giữa biến nội sinh và biến ngoại sinh. Do đó, mô hình VAR phù hợp với việc nghiên cứu các tác động có tính nhân quả hai chiều, không thể áp đặt một số yếu tố là nguyên nhân và yếu tố còn lại là kết quả.
Tất cả các biến được đưa vào theo chuỗi thời gian, và từ đó nhà nghiên cứu có thể xem xét tính động của các biến kinh tế theo thời gian. Về phương
pháp, mô hình VAR tồn tại dưới dạng một hệ phương trình đồng thời, trong mỗi phương trình biến độc lập là các biến nội sinh ở thời kỳ trễ.
VAR nhìn nhận các mối quan hệ qua lại trong tổng thể, vì vậy không chỉ rõ được tác động chính sách dựa trên việc tác động vào biến kinh tế nào. VAR chỉ có ích trong việc đưa ra khuyến nghị lựa chọn chính sách dựa trên tiêu chí định tính, trong đó sẽ chỉ ra các kết quả theo hướng tác động chính sách này, đồng thời cũng chỉ ra những sự đánh đổi và thứ tự ưu tiên. Xác định độ dài của trễ là vấn đề khó khăn. Do sử dụng biến trễ nên số liệu theo thời gian càng dài càng tốt.
2.3.2.2. Mô hình Ordinary Least Squares (OLS)
Phương pháp OLS lần đầu tiên được giới thiệu bởi Gauss những năm cuối thế kỷ XXVIII Harper H. L. (1976) sử dụng rộng rãi trong nhiều lĩnh vực. Ước lượng thu được từ OLS thường được chọn làm cơ sở khi đánh giá chất lượng của ước lượng thu được từ các phương pháp khác.
Mô hình hồi quy bội cho phép đánh giá tác động riêng phần của một biến độc lập lên biến phụ thuộc khi biến độc lập khác trong mô hình không đổi. Là tiền đề quan trọng cho việc phân tích đánh giá tác động trong kinh tế xã hội. Ngoài ra, việc đưa thêm các biến số thích hợp vào mô hình đồng nghĩa với việc sử dụng thêm thông tin trong việc giải thích sự thay đổi của biến phụ thuộc, do đó góp phần cải thiện chất lượng dự báo của mô hình. Mô hình hồi quy bội cho phép đưa ra những phân tích thống kê kinh tế mà mô hình hồi quy hai biến không thực hiện được, chẳng hạn như so sánh tác động của hai biến độc lập lên biến phụ thuộc. Nội dung về các giả thuyết và khuyết tật mô hình trình bày trong Phụ lục 01.
Từ những ưu điểm cũng như hạn chế của hai phương pháp ước lượng VAR và OLS, dựa trên mục đích, số liệu của nghiên cứu thì luận án sử dụng phương pháp OLS để điều tra tác động của dao động tỷ giá thực đa phương đến cán cân thương mại.