5. Kết cấu bài khóa luận
2.2.2. Các bước thực hiện
Bước 1: Kiểm đinh nghiệm đơn vị - hay kiểm định tính dừng của chuỗi
dữ liệu là điều kiện tiên quyết khi đưa ra kết luận có ý nghĩa trong phân tích đối với chuỗi thời gian và tăng độ chính xác và mức độ đáng tin cậy của mô hình. Nếu chuỗi dữ liệu của các biến không dừng, nghiên cứu tiếp tục dùng để xét mối quan hệ dài hạn giữa chúng. Bài viết thực hiện kiểm định nghiệm đơn vị bằng phương pháp ADF (Augmented Dickey - Fuller). Nếu các biến là không dừng thì tiến hành lấy sai phân bậc I và kiểm định tính dừng của chuỗi sai phân.
Bước 2: Lựa chọn độ trễ tối ưu, kiểm định tự tương quan của phần dư
và tính ổn định của mô hình trong mô hình Vector tự hồi quy (VAR - Vector Auto Regression). Trong phương pháp VAR thì việc lự chọn độ trễ là quan trọng, thông qua các tiêu chuẩn để lự chọn độ trễ bao gồm: LR (Likelihood - Ratio test), FPE (Final Prediction Error), AIC (Akaike’s Information Criterion), SBIC (Schwaz’s Bayesian Information Criterion) và HQIC (Hannan and Quinn Information Criterion) để tìm kiếm độ trễ cho các biến của mô hình. Qua đó người viết sẽ xác định được khoảng thời gian để một cú sốc chính sách tác động đến tăng trưởng tín dụng.
Bước 3: Tiến hành tự hồi quy Vector cho các biến đã chọn. Sử dụng
hàm phản ứng xung (IRFs - Impulse response functions), phản ứng phân rã phương sai (Variance decomposition) theo phương pháp Cholesky để phân tích tác động của các cú sốc lên tăng trưởng tín dụng. Các tiêu chuẩn để phân tích mô hình VAR là thu được từ kết quả phản ứng xung và phân rã phương sai theo như Stock va Watson (2001).
Các kết quả mô hình thu được sử dụng phần mềm Eview 8.0 và thể hiện trong phần phụ lục.