5. Ý nghĩa khoa học và thực tiễn của đề tài
3.1. KIỂM ĐỊNH TÍNH DỪNG VÀ LỰA CHỌN ĐỘ TRỄ
3.1.1. Kiểm định tính dừng và chọn bậc sai phân
Bởi vì mô hình sau khi rút gọn sẽ đƣợc ƣớc lƣợng bằng phƣơng pháp bình phƣơng bé nhất nên các biến đƣa vào ƣớc lƣợng phải đƣợc kiểm định tính dừng, để đảm bảo không xảy ra hiện tƣợng tƣơng quan ảo.
Sử dụng công cụ Unit Root Test để kiểm tra tính dừng của các dữ liệu thu thập đƣợc. Kết quả kiểm định Augmented Dickey-Fuller Unit Root Test (ADF) đƣợc thể hiện trong bảng 3.1, cho thấy cả 7 biến đều dừng tại sai phân bậc 1, với mức ý nghĩa 1%.
Bảng 3.1. Kết quả kiểm định tính dừng của các biến
Biến Kiểm định ADF Trạng thái Không xu thế Có xu thế dex_SA -9.468938 -9.482204 Dừng dm_SA -6.543921 -7.771124 Dừng dp_SA -7.683738 -7.649956 Dừng dq_SA -5.279438 -5.157558 Dừng dr_SA -4.845731 -4.846576 Dừng dy_SA -6.619461 -6.739007 Dừng dwp_SA -5.289976 -5.266699 Dừng
(Nguồn: Kết quả từ tính toán bằng Eviews của tác giả)
Nhƣ vậy, sau khi lấy sai phân cho giá trị đã đƣợc điều chỉnh tính mùa vụ thì cả 7 biến này đều có thể sử dụng để ƣớc lƣợng mô hình tự hồi quy véc tơ theo cấu trúc để nghiên cứu vai trò của kênh Tobin’s q trong cơ chế truyền
3.1.2. Lựa chọn độ trễ cho mô hình
Lựa chọn độ trễ thích hợp cho mô hình là một bƣớc rất quan trọng. Tăng độ trễ lên thì sẽ cải thiện mức độ phù hợp của mô hình nhƣng cũng đồng thời làm tăng nguy cơ xảy ra hiện tƣợng quá vừa dữ liệu (overfitting), tức là hiện tƣợng dữ liệu không cần thiết, hoàn toàn có thể loại bỏ vẫn đƣợc đƣa vào khiến cho kết quả trả về không tối ƣu và còn làm phức tạp thêm việc ƣớc lƣợng và phân tích kết quả.
Biện pháp thƣờng đƣợc sử dụng là xem xét sự đánh đổi giữa mức độ phù hợp và khả năng bỏ sót bậc tự do, sau đó lựa chọn độ trễ sao cho tối ƣu hóa đƣợc hai yếu tố này. Đây là phƣơng thức hoạt động của các chỉ tiêu lựa chọn độ trễ nhƣ Akaike (AIC) hay Schwarz (SC).
Một phƣơng pháp khác có thể sử dụng để lựa chọn độ trễ phù hợp đó là kiểm tra một cách có hệ thống về mức ý nghĩa của từng độ trễ, bằng cách dùng kiểm định LR (Likelihood Ratio Test). Cách xác định chỉ tiêu LR nhƣ sau:
LR = (T-n) {logp-1- logp} ~ 2
(2k) (3.1)
Trong công thức 3.1 thì T là số quan sát, n là số biến đƣa vào mô hình, logp là định thức của mô hình tự hồi quy véctơ ƣớc lƣợng đƣợc với độ trễ là p, logp-1 là định thức của mô hình tự hồi quy véc tơ ƣớc lƣợng đƣợc với độ trễ là p-1.
Để thực hiện kiểm định LR, trƣớc tiên chúng ta sẽ bắt đầu với một độ trễ lớn, chẳng hạn là 10. Đối với mỗi độ trễ, chúng ta ghi lại giá trị định thức logp và tính cả giá trị định thức logp-1, sau đó tính độ sai biệt LR theo công thức 3.1. Giá trị LR tính đƣợc theo công thức 3.1. phải tuân theo quy luật phân phối Chi-bình phƣơng.
Ý tƣởng của phƣơng pháp này là với mỗi độ trễ, nếu nhƣ việc bao hàm thêm cả độ trễ này không làm cải thiện mức độ phù hợp của mô hình thì sự sai
biệt về sai số có thể coi nhƣ là một nhiễu trắng, tức là có thể loại bỏ độ trễ này ra và sử dụng độ trễ ngay trƣớc đó.
Kết quả tính toán các tiêu chuẩn lựa chọn độ trễ cho mô hình đƣợc thể hiện trong bảng 3.2, trong đó các giá trị có đánh dấu * là những giá trị tƣơng ứng với độ trễ đƣợc lựa chọn theo từng chỉ tiêu.
Trong nghiên cứu này, tiêu chuẩn LR sẽ đƣợc sử dụng để lựa chọn độ trễ nhằm đƣa vào ƣớc lƣợng mô hình nghiên cứu vai trò của Tobin’s q trong cơ chế truyền dẫn chính sách tiền tệ ở Việt Nam. Theo đó, độ trễ đƣợc sử dụng trong mô hình là 4 kỳ nghiên cứu, tức là 4 tháng.
Bảng 3.2. Kết quả kiểm định độ trễ tối ưu cho mô hình
Độ trễ Định thức LR FPE AIC SC HQ 0 1473.237 N/A 4.12e-26 -38.585 -38.371* -38.499 1 1561.958 158.765 1.46e-26 -39.630 -37.913 -38.944* 2 1618.775 91.207 1.22e-26* -39.836 -36.616 -38.549 3 1662.067 61.520 1.55e-26 -39.686 -34.963 -37.799 4 1721.605 73.638* 1.38e-26 -39.963 -33.738 -37.475 5 1770.003 50.946 1.88e-26 -39.947 -32.219 -36.859 6 1833.845 55.442 2.06e-26 -40.338 -31.107 -36.649 7 1916.746 56.721 1.84e-26 -41.230* -30.497 -36.940
(Nguồn: Kết quả tính toán bằng phần mềm Eviews của tác giả)
3.2. NHẬN DIỆN MÔ HÌNH
Từ các dữ liệu đã thu thập và xử lý, chúng ta có thể dễ dàng ƣớc lƣợng đƣợc mô hình dạng rút gọn, hay là mô hình tự hồi quy véctơ chƣa có cấu trúc bằng phần mềm kinh tế lƣợng phổ thông.
Trong nghiên cứu này, tác giả sử dụng phần mềm Eviews để ƣớc lƣợng mô hình dạng rút gọn bằng phƣơng pháp bình phƣơng bé nhất (OLS). Vì các biến đã đƣợc kiểm định tính dừng nên không có rủi ro xảy ra hiện tƣợng tƣơng quan ảo.
Từ mô hình dạng rút gọn đã ƣớc lƣợng này, để nhận diện đƣợc mô hình nghiên cứu, tức là khôi phục lại mô hình tự hồi quy véc tơ theo cấu trúc, chúng ta phải áp đặt các ràng buộc cấu trúc lên mô hình tự hồi quy véc tơ ƣớc lƣợng đƣợc. Các ràng buộc đó đã đƣợc xây dựng và trình bày trong chƣơng 2 của nghiên cứu này.
Tác giả sử dụng phần mềm kinh tế lƣợng Eviews và nhập các phƣơng trình ràng buộc áp dụng lên mô hình dạng rút gọn đã ƣớc lƣợng đƣợc để nhận diện mô hình tự hồi quy véctơ theo cấu trúc.
Kết quả ƣớc lƣợng các ma trận tham số A và C đƣợc trình bày trong bảng 3.3 và bảng 3.4.
Bảng 3.3. Kết quả ước lượng ma trận A
1.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 15.0029 1.00000 0.00000 0.00000 0.00000 0.00000 0.00000 -73.5651 0.01059 1.00000 0.00000 0.00000 0.00000 0.00000 -1.51369 0.05166 0.00212 1.00000 0.00000 0.00000 0.00000 0.00000 -0.03263 0.01237 0.00000 1.00000 -0.05733 0.00000 -3.65027 -0.24230 -0.07660 -1.83024 4.56143 1.00000 0.00000 -1.49369 0.26055 0.00209 1.25055 0.12136 0.07591 1.00000
Bảng 3.4. Kết quả ước lượng ma trận C 0.00188 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.05788 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.45077 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.01290 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.01589 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.08529 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.06239
(Nguồn: Kết quả tính toán bằng phần mềm Eviews của tác giả)
Phần lớn các hệ số ƣớc lƣợng đƣợc đều có ý nghĩa ở mức 5%, kiểm định LR cũng cho thấy kết quả có ý nghĩa thống kê với mức 5%, nhƣ vậy các ràng buộc cấu trúc đã đề xuất để ƣớc lƣợng mô hình tự hồi quy theo véctơ là phù hợp.
3.3. PHÂN TÍCH HÀM PHẢN ỨNG XUNG
Các biểu đồ hàm phản ứng xung sẽ giúp minh họa cho tác động của các cú sốc trực giao đến từng biến cụ thể. Việc phân tích hàm phản ứng xung sẽ cho chúng ta biết đƣợc phản ứng của chính sách tiền tệ trƣớc các biến động của nền kinh tế thế giới. Không những vậy, việc phân tích hàm phản ứng xung còn cho biết phản ứng của thị trƣờng chứng khoán trƣớc các cú sốc chính sách tiền tệ cũng nhƣ thời gian phản ứng.
Từ kết quả ƣớc lƣợng mô hình tự hồi quy véctơ theo cấu trúc và các cú sốc trực giao đã phân tách đƣợc, chúng ta sẽ tiến hành phân tích hàm phản ứng xung để minh họa tác động của các cú sốc trực giao này tới các biến cần quan sát theo thời gian.
3.3.1. Phản ứng của chính sách tiền tệ trƣớc sự biến động giá cả hàng hóa thế giới
Phản ứng của chính sách tiền tệ trƣớc sự biến động giá cả hàng hóa thế giới đƣợc thể hiện thông qua phản ứng phân rã của tỷ giá hối đoái danh nghĩa, cung tiền và lãi suất ngắn hạn của Việt Nam trƣớc cú sốc của giá cả hàng hóa thế giới trong hình 3.1, hình 3.2 và hình 3.3.
Hình 3.1. Phản ứng của tỷ giá hối đoái trước cú sốc giá cả thế giới
Biểu đồ trong hình 3.1 minh họa hàm phản ứng xung của tỷ giá hối đoái danh nghĩa của Việt Nam trƣớc sự biến động của giá cả hàng hóa thế giới. Trục hoành của đồ thị là trục thời gian với các giá trị mỗi khoảng chia là một tháng. Trục tung đo giá trị sai phân bậc một của tỷ giá hay mức độ tăng/giảm tỷ giá theo sự biến động giá cả hàng hóa thế giới, mỗi khoảng chia có giá trị là 0.2%. Có thể dễ dàng thấy rằng, khi có cú sốc về giá cả hàng hóa thế giới, tỷ giá hối đoái danh nghĩa có phản ứng rất nhanh và hết phản ứng sau 3 tháng. Phản ứng của tỷ giá hối đoái danh nghĩa ở đây là tƣơng đối mạnh.
Hình 3.2. Phản ứng của cung tiền trước cú sốc giá cả thế giới
Biểu đồ trong hình 3.1 minh họa hàm phản ứng xung của cung tiền trƣớc sự biến động của giá cả hàng hóa thế giới. Trục hoành của đồ thị là trục thời gian với các giá trị mỗi khoảng chia là một tháng. Trục tung đo giá trị sai phân bậc một của cung tiền hay mức độ tăng/giảm cung tiền theo sự biến động giá cả hàng hóa thế giới, mỗi khoảng chia có giá trị là 0.2%. Mức cung tiền trong nƣớc có phản ứng trƣớc cú sốc giá cả hàng hóa thế giới nhƣng xu hƣớng phản ứng là không rõ ràng. Tác động của cú sốc giá cả hàng hóa thế giới đến cung tiền là rất khó xác định và nó cũng hết ảnh hƣởng sau 5 tháng.
Nhƣ vậy, Ngân hàng Nhà nƣớc Việt Nam không sử dụng công cụ cung tiền để đối phó với sự thay đổi giá cả hàng hóa thế giới.
Hình 3.3. Phản ứng của lãi suất trước cú sốc giá cả thế giới
Biểu đồ trong hình 3.1 minh họa hàm phản ứng xung của lãi suất ngắn hạn đồng Việt Nam trƣớc sự biến động của giá cả hàng hóa thế giới. Trục hoành của đồ thị là trục thời gian với các giá trị mỗi khoảng chia là một tháng. Trục tung đo giá trị sai phân bậc một của tỷ giá hay mức độ tăng/giảm tỷ giá hối đoái theo sự biến động giá cả hàng hóa thế giới, mỗi khoảng chia có giá trị là 2%.
Tổng kết lại, kết quả phân tích hàm phản ứng xung cho thấy chính sách tiền tệ của Việt Nam phản ứng rất nhanh trƣớc sự biến động của giá cả hàng hóa thế giới, nhƣng chỉ có tỷ giá hối đoái danh nghĩa là có phản ứng rõ rệt, còn lãi suất ngắn hạn và cung tiền có phản ứng nhƣng không có xu hƣớng rõ ràng.
Vậy là, Ngân hàng Nhà nƣớc Việt Nam sử dụng tỷ giá hối đoái làm công cụ để đối phó với cú sốc giá cả hàng hóa thế giới.
3.3.2. Phản ứng của thị trƣờng chứng khoán trƣớc các cú sốc chính sách tiền tệ chính sách tiền tệ
Phản ứng của thị trƣờng chứng khoán trƣớc các cú sốc của chính sách tiền tệ đƣợc thể hiện bằng phản ứng phân rã của chỉ số Tobin’s q trƣớc các cú sốc tỷ giá hối đoái, cú sốc cung tiền và cú sốc lãi suất ngắn hạn qua biểu đồ trong hình 3.4, hình 3.5 và hình 3.6.
Hình 3.4. Phản ứng của q trước cú sốc lãi suất
Biểu đồ hàm phản ứng xung trong hình 3.4 cho thấy rằng hệ số Tobin’s q của các doanh nghiệp niêm yết tại sở giao dịch chứng khoán thành phố Hồ Chí Minh có phản ứng không rõ ràng với cú sốc lãi suất.
Hình 3.5. Phản ứng của q trước cú sốc cung tiền
Biểu đồ hàm phản ứng xung trong hình 3.5 minh họa phản ứng của q trƣớc cú sốc cung tiền. Trục hoành của đồ thị là trục thời gian với các giá trị mỗi khoảng chia là một tháng. Trục tung đo giá trị sai phân bậc một của q hay mức độ tăng/giảm q theo sự biến động cung tiền, mỗi khoảng chia có giá trị là 1%. cho thấy rằng hệ số Tobin’s q của các doanh nghiệp niêm yết tại sở giao dịch chứng khoán thành phố Hồ Chí Minh có phản ứng nhanh và rõ ràng với cú sốc cung tiền và hết phản ứng sau khoảng thời gian là 3 tháng. Điều này cho thấy chính sách tiền tệ có tác động rất nhanh đến thị trƣờng chứng khoán, mà ở đây cụ thể là sàn giao dịch chứng khoán thành phố Hồ Chí Minh, thông qua việc thay đổi mức cung tiền tệ vào nền kinh tế thực.
Hình 3.6. Phản ứng của q trước cú sốc tỷ giá
Kết quả phân tích hàm phản ứng xung cho thấy hệ số Tobin’s q phản ứng rất nhanh với các cú sốc cung tiền, lãi suất và tỷ giá nhƣng chiều hƣớng phản ứng đối với cú sốc lãi suất và tỷ giá lại không thực sự rõ ràng. Chỉ có khi đối mặt với cú sốc cung tiền, thì hệ số Tobin’s q lập tức tăng lên và không còn bị ảnh hƣởng sau thời gian 3 tháng. Còn với cú sốc lãi suất và tỷ giá thì hệ số Tobin’s q không có phản ứng rõ ràng, khi đổi chiều phản ứng rất nhanh, tức là tác động của chính sách tiền tệ lên thị trƣờng chứng khoán qua tỷ giá hối đoái và lãi suất ngắn hạn do ngân hàng trung ƣơng ban hành là không rõ ràng.
Nhƣ vậy, chính sách tiền tệ ảnh hƣởng đến thị trƣờng chứng khoán chủ yếu là qua cú sốc cung tiền chứ không phải qua cú sốc lãi suất hay tỷ giá. Khi cung tiền tăng lên thì giá chứng khoán tăng lên theo và làm cho hệ số Tobin’s
q tăng lên và ảnh hƣởng của chính sách tiền tệ lên thị trƣờng chứng khoán chỉ tồn tại trong vòng 3 tháng.
Để xác định về sự ảnh hƣởng của hệ số Tobin’s q tới chi tiêu đầu tƣ của nền kinh tế, tác giả tiến hành kiểm định mối quan hệ nhân quả Granger giữa sự biến động hệ số Tobin’s q và sự thay đổi trong số lƣợng cổ phiếu đƣợc phát hành thêm. Kết quả kiểm định xác nhận sự ảnh hƣởng của hệ số Tobin's q tới lƣợng cổ phiếu phát hành thêm cũng sẽ là lời khẳng định cho sự tồn tại của kênh Tobin's q trong cơ chế truyền dẫn chính sách tiền tệ tại Việt Nam.
Kết quả kiểm định đƣợc thể hiện trong bảng 3.5.
Bảng 3.5. Kiểm định nhân quả Granger giữa Tobin’s q và lượng cổ phiếu phát hành thêm
Pairwise Granger Causality Tests Date: 10/05/15 Time: 21:50 Sample: 2008M02 2014M12 Lags: 4
Null Hypothesis: Obs F-Statistic Prob.
Q does not Granger Cause S 79 3.91139 0.0063
S does not Granger Cause Q 0.41557 0.7969
(Nguồn: Kết quả tính toán bằng phần mềm Eviews của tác giả)
Kết quả kiểm định nhân quả Granger giữa hệ số Tobin’s q và số lƣợng cổ phiếu phát hành thêm đã chỉ rõ rằng sự biến động của hệ số Tobin’s q đã dẫn đến việc số lƣợng cổ phiếu mới tăng lên.
Nhƣ vậy, việc giá chứng khoán tăng lên, hệ số Tobin's q tăng lên thực sự đã làm cho chi tiêu đầu tƣ tăng lên.
Bảng 3.6. Hồi quy lượng cổ phiếu phát hành thêm theo q
Dependent Variable: S Method: Least Squares Date: 10/11/15 Time: 11:42
Sample (adjusted): 2008M08 2014M12 Included observations: 77 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 0.024132 0.004510 5.351258 0.0000 Q(-1) 0.118181 0.056061 2.108080 0.0386 Q(-2) 0.060209 0.057746 1.042659 0.3007 Q(-3) 0.159170 0.054224 2.935404 0.0045 Q(-4) 0.025763 0.054605 0.471803 0.6385 Q(-5) -0.034957 0.053867 -0.648943 0.5185 Q(-6) 0.030723 0.050442 0.609090 0.5444
R-squared 0.214575 Mean dependent var 0.026584
Adjusted R-squared 0.147253 S.D. dependent var 0.042298
S.E. of regression 0.039060 Akaike info criterion -3.560936
Sum squared resid 0.106797 Schwarz criterion -3.347862
Log likelihood 144.0960 Hannan-Quinn criter. -3.475708
F-statistic 3.187291 Durbin-Watson stat 1.461646
Prob(F-statistic) 0.007996
(Nguồn: Kết quả tính toán bằng phần mềm Eviews của tác giả)
Ngoài ra, kết quả hồi quy của mức tăng cổ phiếu với biến trễ của Tobin’s q trong bảng 3.6 cho thấy sự biến động của hệ số Tobin’s q ảnh hƣởng tới sự biến động số lƣợng cổ phiếu phát hành thêm với độ trễ 3 tháng. Kết quả này có ý nghĩa thống kê với mức 5%.
Nhƣ vậy, thông qua cơ chế Tobin’s q với hệ số Tobin’s q đƣợc tính toán từ các doanh nghiệp niêm yết tại sở giao dịch chứng khoán thành phố Hồ