Bảng 4.4: Tổng hợp tiêu chí lựa chọn lag phù hợp cho mô hình VECM
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
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).
97
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.