2.5.2.1. Mô hình đề xuất
“Kết quả tính toán hiệu quả phân bổ theo OP cho thấy một mức độ không đồng nhất đáng chú ý của hiệu quả phân bổ trong ngành dọc theo các tỉnh và qua thời gian. Việc hiểu nguồn gốc của sự biến đổi dọc theo cả thời gian và không gian là rất quan trọng cho việc xác định mối quan hệ thực nghiệm giữa hiệu quả phân bổ và các yếu tố
biến đổi qua vùng miền. Với mục tiêu bước đầu là khám phá các yếu tố ngoại sinh ảnh
hưởng đến hiệu quả phân bổ, trước hết luận án xây dựng mô hình dữ liệu mảng tĩnh và
chia tập các biến giải thích thành 2 nhóm: tập các biến thay đổi theo tỉnh, theo thời gian và tập các biến thay đổi theo ngành, tỉnh và thời gian như sau”
“Trong đó:“𝐶𝑜𝑣𝐼𝑝𝑡 là số hạng hiệp phương sai theo cách tiếp cận OP được tính cho ngành I, tỉnh p tại thời điểm t; 𝑋𝑝𝑡 là tập hợp các yếu tố chuyên biệt theo các tỉnh khác nhau ở năm t; 𝑍𝐼𝑝𝑡 là tập hợp các biến sốthay đổi theo ngành, tỉnh và thời gian. Việc ước lượng bao gồm các ảnh hưởng cố định về thời gian, ngành và tỉnh để kiểm soát các yếu tố bị bỏ qua bất biến theo thời gian.”
2.5.2.2. Phương pháp ước lượng và các kiểm định lựa chọn mô hình
Đối với mô hình (2.52), trước hết luận án sử dụng nhân tửphóng đại phương sai
VIF để xác định xem có xảy ra hiện tượng đa cộng tuyến giữa các biến giải thích trong mô hình hay không. Việc lựa chọn giữa các mô hình dữ liệu mảng tĩnh cơ bản bao gồm mô hình POLS (mô hình dữ liệu mảng OLS gộp); mô hình RE (mô hình tác động ngẫu nhiên –random effect model) và mô hình FE (mô hình tác động cốđịnh – fixed effect
model) được tiến hành theo các bước sau đây:
- Chạy mô hình RE;
- Dùng kiểm định Breusch - Pagan Lagrangian của Breusch and Pagan (1980)
để lựa chọn giữa mô hình POLS và mô hình RE;
- Dùng kiểm định Hausman của Hausman (1978) để lựa chọn giữa mô hình RE và mô hình FE;
- Sử dụng kiểm định Wald của Greene (2000) để phát hiện hiện tượng phương
sai của sai sốthay đổi;
- Sử dụng kiểm định Wooldridge của Wooldridge (2002) để phát hiện hiện
tượng tựtương quan;
- Sử dụng“phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares –FGLS) để khắc phục hiện tượng phương sai của sai sốthay đổi và hiện tượng tựtương quan.”
2.5.2.3. Mô hình hồi quy dữ liệu mảng động
“Mô hình (2.52) là một mô hình tĩnh, nó chưa thể hiện được ảnh hưởng của mức hiệu quả phân bổ trong quá khứđến mức hiệu quả phân bổở thời điểm hiện tại (nếu tồn tại). Nhiều mối quan hệ kinh tếlà động trong bản chất và một trong những ưu điểm của mô hình dữ liệu mảng là nó cho phép nhà nghiên cứu hiểu rõ hơn động thái của sựđiều chỉnh. Mô hình thể hiện mối quan hệđộng này được đặc trưng bởi sự có mặt của thành phần trễ của biến phụ thuộc trong các biến giải thích của mô hình. Nếu áp dụng các
bị chệch và có thể không vững (Sevestre and Trognon, 1985; Nickell, 1981; Kiviet, 1995). Và khi tính động bị bỏ qua thì các mô hình sẽ bị xác định sai vì bỏ qua các dữ
kiện trong quá khứ (Bond, 2002; Greene, 2008).
Do đó, luận án xem xét thêm mô hình động (2.53), trong đó có sự xuất hiện của biến phụ thuộc trễ với vai trò là biến giải thích”
𝐶𝑜𝑣𝐼𝑝𝑡 = 𝛼 + 𝛾𝐶𝑜𝑣𝐼𝑝,𝑡−1+ 𝛽1′𝑋𝑝𝑡 + 𝛽2′𝑍𝐼𝑝𝑡+ 𝑢𝑡 + 𝑢𝐼 + 𝑢𝑝 + 𝜀𝐼𝑝𝑡 (2.53) Trong mô hình dữ liệu mảng, có hai vấn đề quan trọng tiềm ẩn liên quan đến
thành phần sai số, đó là: (1) sựtương quan giữa các biến giải thích với tác động riêng rẽ
(thành phần (𝑢𝐼 + 𝑢𝑝)); (2) sựtương quan giữa các biến giải thích với thành phần nhiễu. Sự tồn tại của một trong hai, hoặc cả hai vấn đề này làm cho các kết quảước lượng của FE/RE sẽ bị chệch hoặc không hiệu quả.
Lấy sai phân của mô hình (2.53) ta sẽ loại bỏđược vấn đề thứ nhất
∆𝐶𝑜𝑣𝐼𝑝𝑡 = 𝛾∆𝐶𝑜𝑣𝐼𝑝,𝑡−1+ 𝛽1′∆𝑋𝑝𝑡 + 𝛽2′∆𝑍𝐼𝑝𝑡+ ∆𝑢𝑡+ ∆𝜀𝐼𝑝𝑡 (2.54) Tuy nhiên lại nảy sinh vấn đề thứ hai trong mô hình (2.54) do ∆𝐶𝑜𝑣𝐼𝑝,𝑡−1 sẽ
tương quan với ∆𝜀𝐼𝑝𝑡 thông qua thành phần 𝜀𝐼𝑝,𝑡−1. Vấn đề này còn được gọi là vấn đề
nội sinh trong mô hình. Để khắc phục vấn đề này, ta cần sử dụng nhóm phương pháp
moment tổng quát hay nhóm phương pháp GMM, bao gồm IV-GMM (ước lượng biến công cụ); DGMM (GMM sai phân) và SGMM (GMM hệ thống). Ba phương pháp khác
nhau do tập các biến công cụđược sử dụng trong từng phương pháp khác nhau.
Để kiểm tra sự phù hợp của mô hình (2.54), luận án sử dụng các kiểm định sau - Sốlượng biến công cụ sử dụng trong mô hình (Roodman, 2007);
- Kiểm định J Hansen để kiểm định mô hình chỉ định đúng và tính hợp lý của các biến công cụ (Baum, 2006);
- Kiểm định về tựtương quan bậc nhất và bậc hai trong mô hình.
2.5.2.4. Tác động ngắn hạn và dài hạn của biến độc lập lên biến phụ thuộc
Ta tính các tác động ngắn hạn và dài hạn của biến độc lập lên biến phụ thuộc trong mô hình hồi quy động (2.53) như sau
- Tác động ngắn hạn hay tác động tức thời của biến độc lập X và Z lên biến phụ
𝜕𝐶𝑜𝑣𝐼𝑝𝑡 𝜕𝑋𝑝𝑡 = 𝛽1 ′ 𝜕𝐶𝑜𝑣𝐼𝑝𝑡 𝜕𝑍𝐼𝑝𝑡 = 𝛽2 ′
- Tính tác động dài hạn tích lũy của X lên 𝐶𝑜𝑣
𝜕𝐶𝑜𝑣𝐼𝑝𝑡 𝜕𝑋𝑝𝑡 = 𝛽1 ′ 𝜕𝐶𝑜𝑣𝐼𝑝,𝑡+1 𝜕𝑋𝑝𝑡 = 𝛾 𝜕𝐶𝑜𝑣𝐼𝑝𝑡 𝜕𝑋𝑝𝑡 = 𝛾𝛽1 ′ 𝜕𝐶𝑜𝑣𝐼𝑝,𝑡+2 𝜕𝑋𝑝𝑡 = 𝛾 𝜕𝐶𝑜𝑣𝐼𝑝,𝑡+1 𝜕𝑋𝑝𝑡 = 𝛾 2𝛽1′ 𝜕𝐶𝑜𝑣𝐼𝑝,𝑡+3 𝜕𝑋𝑝𝑡 = 𝛾 𝜕𝐶𝑜𝑣𝐼𝑝,𝑡+2 𝜕𝑋𝑝𝑡 = 𝛾 3𝛽1′ … … … 𝜕𝐶𝑜𝑣𝐼𝑝,𝑡+∞+1 𝜕𝑋𝑝𝑡 = 𝛾 𝜕𝐶𝑜𝑣𝐼𝑝,𝑡+∞ 𝜕𝑋𝑝𝑡 = 𝛾 ∞+1𝛽1′
Tác động dài hạn của X lên 𝐶𝑜𝑣, kí hiệu là 𝑆𝑑ℎ, được tính như sau
𝑆𝑑ℎ𝑋 = 𝛽1′ + 𝛾𝛽1′ + 𝛾2𝛽1′ + ⋯ + 𝛾∞+1𝛽1′ = 𝛽1′(1 + 𝛾 + 𝛾2+ ⋯ + 𝛾∞+1)
Nếu 𝐶𝑜𝑣 là chuỗi dừng, tức là |𝛾| < 1, thì
𝑆𝑑ℎ𝑋 = 𝛽1
′
1 − 𝛾
Tương tự, tác động dài hạn của biến độc lập 𝑍 lên 𝐶𝑜𝑣tính được là
𝑆𝑑ℎ𝑍 = 𝛽2
′
1 − 𝛾