thủy sản Việt Nam bằng mô hình VECM
Tác giả xem xét mô hình:
LnFGDP= β0+ β1LnFEX+ β2LnREER+ β3LnOPEN+ β4LnLAB + β5LnFDI +εi (1)
4 4 1 Kiểm định độ trễ phù hợp
Bảng 4 4: Tổng hợp tiêu chí lựa chọn lag phù hợp cho mô hình VECM
Nguồn: Kết quả tính toán của tác giả, 2021
Trong phần này, mục tiêu đầu tiên của nghiên cứu là xác định thứ tự độ trễ thực sự cho mô hình vì Lutkepohl (1999) chỉ ra rằng độ dài độ trễ được chọn cao hơn độ dài độ trễ thực thì sẽ làm tăng các lỗi dự báo bình phương trung bình của VECM; và nếu độ dài độ trễ lựa chọn thấp hơn độ dài độ trễ thực thì thường gây ra lỗi tự tương quan Do đó, độ chính xác của dự báo từ các mô hình VECM phụ thuộc nhiều vào việc chọn độ dài độ trễ thực sự Có một số tiêu chí thống kê để chọn một độ dài trễ Nghiên cứu đã xác định các mô hình VECM để phân tích bằng cách sử dụng các tiêu chí lựa chọn như: Tiêu chí thông tin Akaike (AIC), Tiêu chí thông tin (FPE) và Tiêu chí thông tin Hannan-Quinn (HQ)
Lag Mô hình
FPE AIC HQIC SBIC
0 1,00E-08 -1,3973 -1,32177 -1,20758 1 1,80E-13 -12,2983 -11,7696 -10,9703* 2 2,00E-13 -12,2319 -11,25 -9,7655 3 1,80E-13 -12,4226 -10,9876 -8,8179 4 1,70E-14 -14,8598 -12,9716 -10,1168 5 1,00E-14 -15,5564 -13,215 -9,675 6 7,20E-15 -16,1843 -13,3897 -9,1646 7 1,5e-15* -18,2225* -14,9748* -10,0645
Các kết quả từ bảng 4 4 cho thấy mô hình thích hợp cho dữ liệu của mô hình nghiên cứu là VECM vì phương pháp đều đưa ra có 3 độ tin cây ở độ trễ 7 nhưng nếu ta chọn lag phù hợp ở lag 7 vì lag quá lớn nên chúng ta sẽ bị mất khá nhiều dữ liệu
Ở độ trễ là 1 ta có chỉ tiêu SBIC cho ra là phù hợp, vì cho tiện trong việc nghiên cứu nên ta chọn độ trễ phù hợp của mô hình là 1
Sau khi nghiên cứu đã xác định được mô hình VECM, tiếp tục chuyển sang quy trình ước lượng mô hình Sau đó, nghiên cứu thực hiện quá trình kiểm tra chuẩn đoán các khuyết tật của mô hình
4 4 2 Kiểm định đồng liên kết
Trước khi hồi qui bằng mô hình VECM, ta thực hiện kiểm định đồng liên kết các chuỗi dữ liệu sử dụng trong mô hình nghiên cứu bằng phương pháp Johansen Kết quả thể hiện ở bảng 4 5 như sau:
Tại rank = 0:
Giả thuyết H0: Các biến trong mô hình không có mối quan hệ đồng liên kết Mức ý nghĩa thống kê trong kiểm định của Johansen là 5%
Giả thuyết H1: Các biến trong mô hình không có mối quan hệ đồng liên kết Mức ý nghĩa thống kê trong kiểm định của Johansen là 5%
Tại rank = 0, kết quả cho thấy, trị thống kê Trace statistic > giá trị tiêu chuẩn (Critical value) tương ứng P-value < 0,05, do đó bác bỏ H0 với mức ý nghĩa 5%, chấp nhận giả thuyết H1 Tức các biến trong mô hình có mối quan hệ đồng liên kết
Tiếp tục tại rank = 1:
Giả thuyết H0: Các biến trong mô hình không có mối quan hệ đồng liên kết Mức ý nghĩa thống kê trong kiểm định của Johansen là 5%
Giả thuyết H1: Các biến trong mô hình không có mối quan hệ đồng liên kết Mức ý nghĩa thống kê trong kiểm định của Johansen là 5%
(Critical value) tương ứng P-value > 0,05, do đó, chấp nhận H0 với mức ý nghĩa 5%, bác bỏ giả thuyết H1 Như vậy, kiểm định này cho thấy các biến trong mô hình không có mối quan hệ đồng liên kết tại rank =1 với mức ý nghĩa 5%
Như vậy, kiểm định này cho thấy các biến trong mô hình có 1 mối quan hệ đồng liên kết tại mức ý nghĩa 5% Do đó, từ kết quả này có thể kết luận rằng, sử dụng mô hình VECM để ước lượng là phù hợp
Bảng 4 5: Kết quả kiểm định đồng liên kết Johansen
Giả thuyết Không Tối đa 1 Tối đa 2 Tối đa 3 Tối đa 4 Tối đa 5 Giá trị riêng 0,38387 0,30468 0,15615 0,14297 0,06511 Thống kê Trace 97,2614 59,9711* 31,9905 18,9173 7,0381 1,8542 Giá trị tới hạn ở 5% 94,1500 68,5200 47,2100 29,6800 15,4100 3,7600
Nguồn: Kết quả tính toán của tác giả, 2021
4 4 3 Kết quả kiểm định tính ổn định của mô hình
Nguồn: Tác giả vẽ bằng phần mềm stata,2021
Căn cứ vào kết quả kiểm tra độ ổn định của mô hình thể hiện ở hình 4 1 cho thấy: Các giá trị riêng đều nằm trong vòng tròn đơn vị, nên mô hình ước lượng (đều đã đáp ứng được các điều kiện về sự ổn định cần thiết nhằm đảm bảo độ tin cậy của kết quả
4 4 4 Kết quả mô hình VECM
Bảng 4 6: Kết quả mô hình VECM
Nguồn: Tính toán của tác giả, 2021
Ghi chú: * có ý nghĩa ở mức ý nghĩa 10% ** có ý nghĩa ở mức ý nghĩa 5%
*** có ý nghĩa ở mức ý nghĩa 1%
Với kết quả xem xét tác động trong dài hạn, ta thấy các biến L d LnFGDP, LnFDI có ý nghĩa thống kê với mức ý nghĩa 1% biến LnLAB có ý nghĩa thống kê với mức ý nghĩa 5% Còn lại các biến LnREER, LnOPEN chưa tìm thấy sự ảnh hưởng có ý nghĩa thống kê đến tăng trưởng GDP thủy sản Trong đó có biến LnLAB có kỳ vọng dấu ngược với giả thuyết ban đầu, các biến còn lại đều thỏa kỳ vọng dấu của giả thuyết Nguyên nhân của việc biến LnREER và LnOPEN không có ý nghĩa thống kê cũng như biến LnLAB không đúng với kỳ vọng có thể do bản chất của dữ liệu chuỗi thời gian thường có tính nội sinh Vì vậy chúng ta sẽ xem xét tác động của các biến này lên biến xuất khẩu thủy sản bằng mô hình phản ứng xung ở phần dưới
Trong dài hạn LnFGDP Coef. LnFEX 4,5674*** LnLAB -27,1733*** LnREER 5,0567 LnOPEN 0,1087 LnFDI 0,8404** _cons 1,5442
Từ kết quả này, ta thấy xuất khẩu thủy sản có tác động tích cực đến tăng trưởng ngành thủy sản trong dài hạn Trên thực tế, những năm gần đây, xuất khẩu thủy sản đóng góp phần lớn vào GDP ngành thủy sản Từ năm 2010, Chính phủ đã định hướng phát triển ngành thủy sản theo hướng công nghiệp hóa, hiện đại hóa, thành một ngành sản xuất hàng hóa, có thương hiệu uy tín, có khả năng cạnh tranh cao trong hội nhập kinh tế quốc tế Năm 2019, kim ngạch xuất khẩu thủy sản đạt 8,6 tỷ USD, xuất khẩu thủy sản đóng góp phần lớn vào GDP ngành thủy sản nói riêng và đóng góp đáng kể vào GDP ngành nông – lâm – thủy sản nói chung (VASEP, 2020) Do ảnh hưởng của dịch bệnh covid 19, kim ngạch xuất khẩu thủy sản của Việt Nam năm 2020 giảm
4 4 5 Phân tích cú sốc (Hàm phản ứng xung)
Việc phân tích IRF sẽ cho thấy phản ứng của một biến khi có sự tăng lên một đơn vị phân phối chuẩn của một biến khác Như vậy, kết quả dưới đây cho thấy phản ứng của tăng trưởng GDP ngành thủy sản khi có sự thay đổi một đơn vị phân phối chuẩn của một biến khác Qua kết quả ở hình 4 2 cho thấy:
- Khi có một cú sốc của giá trị xuất khẩu thủy sản (LnFEX) xảy ra thì
LnFGDP có phản ứng giảm ngay lập tức trong chu kỳ thứ nhất (1 quý), sau đó tăng lên ở chu kỳ thứ 2 đến thứ 6 (đạt đỉnh ở chu kỳ 4) rồi điều chỉnh dần về mức cân bằng, tăng trưởng ổn định cho đến cuối chu kì
- Khi có một cú sốc đối với lao động đang làm việc cho nền kinh tế (LnLAB) thì FGDP có phản ứng tăng mạnh và đạt đỉnh ngay chu kỳ đầu tiên và rớt xuống sau chu kỳ thứ 2 và sau chu kỳ 3 nó tăng trở lại rồi dần điều chỉnh về mức cân bằng, tăng trưởng ổn định đến cuối chu kỳ
- Khi có một cú sốc đối với tỷ giá hối đoái thực đa phương (REER) thì FGDP ở ngắn hạn giảm xuống ở chu kỳ 1, và tăng lên ở chu kỳ thứ 2, rồi giảm xuống đáy ở chu kỳ 5, rồi từ đó cân bằng làm cho FGDP dài hạn không tăng trưởng thêm nữa Kết quả cho thấy tương đồng với đánh giá của Phan Thanh Thanh (2018) cho rằng tỷ giá REER gia tăng nhanh chóng và từ năm 2011 đến nay, tiền đồng đang được định giá quá cao Đa phần doanh nghiệp trong nước vẫn sản xuất nhỏ lẻ và có năng
suất thấp Nếu doanh nghiệp trong nước không có năng lực sản xuất hàng xuất khẩu hoặc không tìm được thị trường xuất khẩu, khi Chính phủ thực hiện phá giá, những cơ hội kinh doanh tốt mà Chính phủ hướng tới thông qua phá giá sẽ bị bỏ lỡ, hoạt động xuất khẩu và cán cân thương mại chưa chắc được cải thiện
Thực tế cho thấy, cơ cấu sản xuất nói chung trong nước và xuất khẩu phần lớn phụ thuộc đầu vào nhập khẩu, trong khi ngành công nghiệp phụ trợ còn thiếu vắng và chưa phát triển Liên hệ thực tiễn đến ngành thủy sản thì quả thực, các ngành công nghiệp phụ trợ cho nuôi trồng thủy sản, chế biến thủy sản vẫn còn rất yếu, cụ thể là, sản xuất thức ăn thủy sản chủ yếu từ các doanh nghiệp FDI, và vẫn phải nhập nguyên liệu bã đậu nành, máy móc thiết bị chế biến thủy sản phải nhập khẩu Ngoài ra, từ 2017-2019, có tới 70% giá trị xuất khẩu của Việt Nam do các DN có vốn đầu tư nước ngoài tạo ra Cho nên nếu tỷ giá được điều chỉnh mạnh hơn thì chưa chắc cán cân thương mại được cải thiện, mục tiêu lấy tỷ giá để hỗ trợ xuất khẩu thủy sản là chưa phù hợp trong giai đoạn hiện nay
- Khi có một cú sốc đối với độ mở thương mại (LnOPEN) thì FGDP sẽ giảm mạnh xuống xuống chạm đáy chu kỳ thứ 3 và rồi dần điều chỉnh và cân bằng đến cuối chu kỳ Nhìn vào sơ đồ, ta thấy FGDP trong dài hạn không tăng trưởng được Nguyên nhân có thể giải thích do biến OPEN trong mô hình này đo độ mở thương mại chung của nền kinh tế, trong khi tỉ trọng xuất nhập khẩu liên quan đến ngành thủy sản những năm gần đây nhỏ so với tỉ trọng các ngành khác
- Khi có một cú sốc đối với vốn đầu tư trực tiếp nước ngoài (LnFDI) thì FGDP sẽ ngay lập tức giảm xuống chạm đáy ngay chu kỳ đầu tiên và tăng trở lại ở chu kỳ thứ 2 và cân bằng ở chu kỳ thứ 3, FGDP trong dài hạn không tăng trưởng Nguyên nhân là do phần lớn vốn đầu tư nước ngoài đổ vào Việt Nam trong những năm gần đây chủ yếu ở các lĩnh vực khác như gia công may mặc, điện thoại, linh kiện điện tử, vv
Hình 4 2: Phản ứng xung của LNFGDP khi có cú sốc của các biến LnFEX, LnLAB, LnREER, LnOPEN, LnFDI
Nguồn: tác giả vẽ bằng phần mềm stata, 2020
4 4 6 Phân tích phân rã phương sai
Kết quả phân rã phương sai ở bảng 4 7 cho thấy rõ hơn về mức độ tác động và thời gian đạt tác động của các yếu tố đến tăng trưởng GDP ngành thủy sản là khác nhau vào từng chu kỳ:
Hiệu ứng tác động của giá trị xuất khẩu thủy sản đối với tăng trưởng GDP ngành thủy sản luôn cùng chiều và cao hơn so với hiệu ứng của các hạng mục còn lại Thực tế sản lượng xuất khẩu thủy sản chiếm phần lớn trong sản lượng nuôi trồng và khai thác thủy sản trong những năm gần đây Nuôi trồng thủy sản phục vụ
cho xuất khẩu tập trung chủ yếu ở ĐBSCL (chiếm 95% tổng sản lượng cá tra và 80% sản lượng tôm năm 2020) (VASEP, 2021)
Bảng 4 7: Kết quả phân rã phương sai của mô hình
Nguồn: Tác giả tính toán bằng phần mềm stata, 2020
Giá trị xuất khẩu thủy sản có sự ảnh hưởng ngay tức thì đến GDP mà có độ trễ là 1 chu kỳ Bắt đầu chu kỳ thứ 2 trở đi giá trị xuất khẩu thủy sản đã thể hiện rõ sự ảnh hưởng Kết quả cho thấy giá trị xuất khẩu thủy sản không có độ trễ về thời gian để gây sức ảnh hưởng đến tăng trưởng kinh tế của ngành Kết quả tương tự với nghiên cứu của
Chu kỳ LnFEX LnLAB LnREER LnOPEN LnFDI
0 0 0 0 0 0 1 0,568614 0,006388 -0,00589 0,029342 0,13197 2 0,795152 0,006061 -0,011061 -0,036488 0,047275 3 0,91195 0,004634 -0,011847 -0,033737 0,021636 4 0,953398 0,005205 -0,011495 -0,040171 0,01726 5 0,937374 0,004922 -0,011266 -0,032577 0,030116 6 0,933323 0,005114 -0,01121 -0,036343 0,02508 7 0,927792 0,004969 -0,011165 -0,033173 0,029337 8 0,928761 0,005075 -0,011173 -0,035121 0,0268 9 0,927432 0,005005 -0,01117 -0,033768 0,028608 10 0,928432 0,005053 -0,011177 -0,034734 0,027287 11 0,927921 0,00502 -0,011175 -0,034087 0,028156 12 0,928359 0,005043 -0,011177 -0,034538 0,027547 13 0,928081 0,005027 -0,011176 -0,034229 0,027965 14 0,928275 0,005038 -0,011177 -0,034442 0,027678 15 0,928139 0,005031 -0,011176 -0,034294 0,027876 16 0,92823 0,005036 -0,011176 -0,034396 0,02774 17 0,928166 0,005032 -0,011176 -0,034326 0,027834 18 0,92821 0,005035 -0,011176 -0,034374 0,027769 19 0,92818 0,005033 -0,011176 -0,034341 0,027814 20 0,928201 0,005034 -0,011176 -0,034364 0,027783
Deajan, Swaroop và Zou (1996), Barro (1990), Davoodi và Zou (1998)
Tính đến chu kỳ thứ 20 (tức sau 5 năm), giá trị xuất khẩu thủy sản ảnh hưởng 0,93% đến tăng trưởng GDP, tiếp theo là vốn đầu tư nước ngoài chiếm và lao động làm việc trong nền kinh tế chiếm tỉ lệ rất nhỏ lần lượt là 0,03% và 0,005% là của lao động làm việc trong nền kinh tế; giá trị hối đoái đa phương có tác động ngược chiều, khiến GDP thủy sản tăng trưởng âm là -0,012%; độ mở thương mại cũng có tác động ngược chiều, khiến mức GDP thủy sản tăng trưởng âm là - 0,03% Kết quả này có thể được giải thích tương tự như trên, do trong mô hình này, tác giả sử dụng biến độ mở thương mại đo bằng cán cân thương mại chung của cả nước, vì vậy tác động đến ngành thủy sản có thể không đo được chính xác Ngoài ra cũng có thể thấy rằng, với chính sách tỉ giá hiện tại đã và đang được cải thiện theo hướng tích cực, góp phần nâng cao giá trị và giá trị giá tăng trong kim ngạch xuất khẩu, tuy nhiên tác động này đến ngành thủy sản chưa được rõ ràng
4 5 Phân tích tác động của xuất khẩu thủy sản đối với tăng trưởng kinh tế ViệtNam bằng mô hình mô hình FMOLS và mô hình VECM Nam bằng mô hình mô hình FMOLS và mô hình VECM
LnGDP= β0+ β1LnFEX+ β2LnREER+ β3LnOPEN+ β4LnLAB + β5LnFDI +εi (2)
4 5 1 Kết quả nghiên cứu bằng mô hình FMOLS
4 5 1 1 Kiểm định Đồng liên kết
Để ước lượng mô hình bằng phương pháp FMOLS, ta kiểm định tính đồng liên kết của chuỗi dữ liệu bằng kiểm định Engle và Granger (1987)
Với kết quả ở bảng 4 8 ta thấy P value = 0,01 <0,05, cho thấy dữ liệu có tính đồng liên kết Điều này có nghĩa là có tồn tại mối quan hệ trong dài hạn giữa các biến trong mô hình nghiên cứu, và việc áp dụng mô hình FMOLS là phù hợp và có hiệu quả cao
Bảng 4 8: Kiểm định Engle-Granger về tính đồng liên kết của mô hình 4
Nguồn: tính toán của tác giả, 2020
Lag EG P.value
4 5 1 2 Kết quả mô hình hồi quy FMOLS
Phân tích trong dài hạn:
Kết quả ước lượng mô hình FMOLS ở bảng 4 9 cho thấy có sự ảnh hưởng của các biến LnFEX, REER, LnOPEN đến LnGDP trong dài hạn cụ thể như sau:
Biến LnFEX có hệ số tác động là 0,361650 với mức ý nghĩa 1% Mức ý nghĩa này cho thấy một tác động tích cực trong dài hạn của kim ngạch xuất khẩu thủy sản đến tăng trưởng GDP cả nước Có nghĩa là, khi kim ngạch xuất khẩu thủy sản tăng 1% thì có tác động làm tăng trưởng GDP cả nước tăng khoảng 0,36% trong dài hạn Kết quả này tương đồng với nghiên cứu của Shahzad (2014) về mối quan hệ tích cực trong dài hạn của xuất khẩu và tăng trưởng kinh tế ở các nước Nam Á; và nghiên cứu của Võ Hồng Đức và Nguyễn Công Thắng (2021) với trường hợp các