6. Kết cấu của luận án
4.2.2. Kiểm định Augmented Dickey – Fuller
Dữ liệu của một chuỗi thời gian được giả định là "tạo ra nhờ một quá trình ngẫu nhiên và một tập hợp dữ liệu liên tục". Dữ liệu này có thể được coi là một kết quả (một mẫu) của quá trình ngẫu nhiên đó. Sự khác biệt giữa quá trình ngẫu nhiên và kết quả của nó giống như sự khác biệt giữa tổng thể và mẫu trong dữ liệu đối chiếu.
113 Để sử dụng các dữ liệu mẫu nhằm suy ra các ước lượng về một tập hợp, thì trong lĩnh vực chuỗi thời gian dữ liệu dùng để suy ra các ước lượng về quá trình ngẫu nhiên đó (một dạng của quá trình ngẫu nhiên khi phân tích – xử lý dữ liệu về chuỗi thời gian đặc biệt) phải là quá trình ngẫu nhiên dừng.
Để sử dụng phương pháp ước lượng kinh tế VAR, thì chuỗi dữ liệu nghiên cứu phải đảm bảo tính dừng77. Tiêu chuẩn ADF (Augmented Dickey – Fuller) được sử dụng để kiểm tra tính dừng của tất cả các chuỗi số liệu đưa vào hệ phương trình78. (Kết quả kiểm tra tính dừng - xem phụ lục).
Kết luận:
- Ở mức cơ sở thì t-Statistic của Log(CPI), Log(EXR), Log(GDP) và Log(TC) nhỏ hơn giá trị t-Statistic mức 1%, 5% và 10% và p-value < 10% nên thừa nhận giá trị H1 là Log(Y), Log(GDP), Log(CPI) và Log(EXR) là chuỗi dừng. Trong khi đó kiểm định tính dừng đối với biến Log(TD) ở mức cơ sở (level) cho thấy chuỗi dữ liệu là không dừng.
- Ở bậc 1 thì t-Statistic của Log(TD) nhỏ hơn giá trị t-Statistic mức 1%, 5% và 10%; ngoài ra p-value < 1% nên thừa nhận giá trị H1 là Log(TD) bậc 1 là chuỗi dừng. - Các trường hợp giá trị tuyệt đối của trị thống kê (tau) luôn lớn hơn giá trị tới hạn 1%, 5% và 10% và prob.* có ý nghĩa gồm:
* Ở mức cơ sở biến LnTC, LnGDP, LnCPI và LnEXR đã đảm bảo tính dừng * Sai phân bậc 1 của biến số DLnTD đảm bảo tính dừng
Công thức tổng quát:
∆Log(Yt) = a0 + ∑aj*Log(Yt-j) + ai*t + ut
Trong đó sai phân bậc 1: ∆Log(Yt) = Log(Yt) – Log(Yt-1)79.
77 Khi dịch chuyển chuỗi Y ban đầu từ Yt đến Yt+m, và nếu Yt là dừng, thì trung bình, phương sai và các tự đồng phương sai của Yt+m phải đúng bằng trung bình, phương sai và các tự đồng phương sai của Yt. Nói cách khác thì nếu một chuỗi thời gian là dừng, thì trung bình, phương sai và tự đồng phương sai (tại các độ trễ khác nhau) sẽ giữ nguyên không đổi dù cho chúng được xác định vào bất cứ thời điểm nào.
78Kiểm định Augmented Dickey – Fuller:
H0: β = 0 (Yt là chuỗi dữ liệu không dừng) H1: β < 0 (Yt là chuỗi dữ liệu dừng)
Trong kiểm định ADF, giá trị kiểm định ADF không theo phân phối chuẩn. Theo Dickey và Fuller (1981) giá trị t ước lượng của các hệ số trong các mô hình sẽ theo phân phối xác suất τ (tau statistic, τ = giá trị hệ số ước lượng/ sai số của hệ số ước lượng). Để kiểm định giả thuyết H0 nghiên cứu so sánh giá trị kiểm định τ tính toán với giá trị τ tới hạn của Mackinnon và kết luận về tính dừng của các chuỗi quan sát. Cụ thể, nếu trị tuyệt đối của giá trị tính toán lớn hơn trị tuyệt đối giá trị tới hạn thì giả thuyết H0 sẽ bị bác bỏ, tức chuỗi dữ liệu có tính dừng và ngược lại chấp nhận giả thuyết H0, tức dữ liệu không có tính dừng.
79 Log(Yt)= A1+ A2*Log(Yt-1)+ ut
114 Để chắc chắn hơn cho việc khẳng định chuỗi thời gian dừng Dickey và Fuller (1981) đã đưa ra: (1) kiểm định Dickey và Fuller (DF); (2) kiểm định Dickey và Fuller mở rộng (ADF). Kiểm định nghiệm đơn vị (kiểm định Dickey và Fuller) là một kiểm định được sử dụng khá phổ biến để kiểm định một chuỗi thời gian là dừng hay không dừng. Kiểm định nghiệm đơn vị cho thấy tất cả các nghiệm của phương trình đặc trưng đều thực sự nằm trong đường tròn đơn vị, như vậy mô hình VAR là ổn định (xem hình vẽ phía dưới). Mô hình VAR /VECM ổn định là điều kiện cần để mô hình có thể biểu diễn được dưới dạng trung bình trượt vô hạn khả tổng tuyệt đối, hay nói khác đi là điều kiện cần để mô hình VAR có thể ước lượng được.
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
Hình 4.8 Kiểm định AR roots của Dickey và Fuller.
Do tính chất của các chuỗi dữ liệu theo thời gian khác nhau, nên phương pháp ước lượng kinh tế cũng thay đổi khác nhau:
Phương pháp vecto tự hồi quy (VAR) Phương pháp hiệu chỉnh sai số (ECM) Mô hình gồm: LnTC, LnGDP, LnCPI, LnEXR Mô hình gồm: LnTC, DlnTD80, LnGDP, LnCPI, LnEXR
Log(Yt) - Log(Yt-1) = A1+ A2*Log(Yt-1) - Log(Yt-1) + ut
Hay: Log(Yt) = A1+ Log(Yt-1) + ut
Trong đó = A2–1; Nếu = 0, thì A2= 1 và Y là một bước ngẫu nhiên (có hằng số), nghĩa là, đó là một chuỗi không dừng. Về mặt kỹ thuật, chuỗi Y có nghiệm đơn vị. Trái lại, nếu < 0, có thể kết luận rằng Yt là chuỗi dừng.
80 Câu lệnh tạo biến có chuỗi dữ liệu (có tính dừng) mới trên eview9: genr Dlngdp=d(lnGDP,2); genr DlnTC=d(lnTC,1); genr DlnTD=d(lnTD,1)
115 Tuy nhiên việc loại bỏ biến số thu BHTN, sẽ khiến mục tiêu nghiên cứu của luận án bị ảnh hưởng. Do đó, nghiên cứu sinh sẽ dừng việc ước lượng bằng mô hình VAR.
4.3. Kết quả đánh giá mô hình ảnh hưởng của nhân tố kinh tế vĩ mô tới thu chi bảo hiểm thất nghiệp