4. KẾT QUẢ NGHIÊN CỨU
4.1.2. Tiến trình ước lượng mô hình ARCH/GARCH
Trước tiên, chúng tôi dùng ước lượng OLS để xem xét sự biến động đơn biến giữa biến phụ thuộc và các biến độc lập. Phương trình ban đầu là:
Taxt = c+ α1ppt+ α2cat+ α3rgdpt + α4inft + α5opent + α6agrt + α7popt + α8M1t + α9M2t + εt
Ghi chú: Biến phụ thuộc LTax (tổng doanh thu thuế), các biến độc lập LPP (doanh thu cổ phần hóa), LCa (GDP trên đầu người), LRGDP (tốc độ phát triển GDP thực), Linf (lạm phát), Lopen (độ mở nền kinh tế), LAgr (nông nghiệp), LPop (tỷ lệ dân số trên 65 tuổi), LM1 (cung tiền M1), Lm1 (cung tiền M2).
Nhưng trong quá trình ước lượng chúng tôi thấy rằng nếu dùng mô hình OLS để hồi qui thì mặc dù các biến có ý nghĩa thống kê ở mức 5%. Tuy nhiên để mô hình đáng tin cậy, thì cần phải vượt qua kiểm định tự tương quan và phương sai thay đổi. Chúng tôi nhận thấy rằng: mô hình không tồn tại sự tự tương quan (dựa trên sự ước lượng Breusch- Godfrey Serial Correlation LM Test) 1. Tuy nhiên, kết quả cho thấy mô hình có phương sai thay đổi thông qua kiểm định hiệu ứng ARCH, do đó chúng tôi tiến hành ước lượng mô hình ARCH/GARCH thay vì mô hình OLS ban đầu.2
Tuy nhiên sau khi ước lượng mô hình với các biến phù hợp trong mô hình, chúng tôi nhận thấy mô hình trên có hiệu ứng ARCH. Chúng tôi tiếp tục phát triển mô hình ARCH bằng kiểm định liệu là mô hình ban đầu phù hợp với ARCH bậc mấy? Nếu mô hình phù hợp với ARCH bậc cao thì chúng tôi tiếp tục phát triển thành GARCH(1,1) để
1 Kết quả kiểm định tự tương quan có p-value = 0.4290, không có ý nghĩa thống kê, xem hình 4.1: kết
quả kiểm định tự quan ở phần phụ lục.
2 Kết quả kiểm định hiệu ứng ARCH có p-value = 0.0001*, xem hình 4.2 : kết quả kiểm định hiệu ứng ARCH ở phần phụ lục. Ý nghĩa thống kê 1% *
xem xét các cú sốc trong quá khứ ảnh hưởng như thế nào đến mối tương quan các biến hiện tại.
Bảng 4.1: Kết quả kiểm định hiệu ứng ARCH
Bậc ARCH(1) ARCH(2) ARCH(3) ARCH(4) ARCH(5) ARCH(6)
p-value 0.0000* 0.0000* 0.0000* 0.0000* 0.0000* 0.1766
Ý nghĩa thống kê 1% *
Từ kết quả kiểm định hiệu ứng ARCH. Chúng tôi nhận thấy rằng mô hình của chúng tôi phù hợp với ARCH bậc 5 (phát triển từ phương trình (3.1) và (3.2) với phương trình: gt = α1gt-1 + β1xt +t εt ̴ N(0, σ2) σt2 = 0 +1ε2 t-1+2ε2 t-2 +3ε2 t-3 +4ε2 t-5
Tuy nhiên vì bậc của ARCH là khá cao nên thay vì dùng phương trình này để dự báo các cú sốc chúng tôi dùng GARCH(1,1) để ước lượng, sẽ có ít các hệ số cần ước lượng hơn và vì thế sẽ giúp hạn chế khả năng mất đi một số bậc tự do trong mô hình. Bên cạnh đó, việc sử dụng GARCH(1,1) cũng cho thấy phương sai sẽ phụ thuộc vào giá trị quá khứ của các cú sốc, đại diện bởi các biến trễ và các giá trị trong quá khứ của chính bản thân nó. Bên cạnh GARCH(1,1) thì chúng em cũng tiến hành kiểm định với GARCH(2,1) và GARCH(2,2), tuy nhiên các kết quả đều cho thấy GARCH(1,1) phù hợp hơn hẳn.
Phương trình dùng trong ước lượng GARCH(1,1) là:
gt = α2gt-2 + β1xt + εt εt ̴ N(0, σ2) E(ε2 tǁgt-1, xt-1) = σ2 t = ω + γσ2 t-1 + δε2 t-1
Tiếp đến T-GARCH(1,1) thì chúng tôi sẽ phân biệt tác động của các cú sốc âm và các cú sốc dương đối với biến động của thuế vì theo nhiều lý thuyết kinh tế cho rằng: “các cú sốc âm thường có tác động lớn hơn các cú sốc dương” chúng ta sẽ thêm biến giả vào phương trình, nếu phần dư ở kỳ trước đó dương thì biến giả sẽ là 0, ngược lại nếu phần dư là âm thì biến giả sẽ là 1.
gt = α2gt-2 + β1xt + εt εt ̴ N(0, σ2) σ2 = ω + δ1σ2 t-1 + γ1ε2 t-1+ v1ε2 t-1dt-1Với dt= 1 (εt< 0) hoặc dt =0 (εt>= 0)
Chúng tôi nhận thấy kết quả ước lượng cho T-GARCH có p-value = 0.3834 > 5%, do đó mô hình T-GARCH không phù hợp để ước lượng 3. Cuối cùng để xem xét tác động giữa biến thuế và các biến độc lập như cổ phần hóa, lạm phát… thì mô hình GARCH(1,1) là mô hình phù hợp nhất.
Bảng 4.1: Kết quả hệ số mô hình GARCH
DLPP DCA DLRGDP DLINF DLOPEN
-0.000913 (0.0000)* 0.15179 (0.0000)* 0.139559 (0.0000)* -0.00234 (0.0004)* 0.346246 (0.0000)* DLAGR DLPOP DLM1 DML2 0.8312 (0.0000)* -2.3575 (0.0000)* 0.1925 (0.000)* 0.23528 (0.0000)*
Ghi chú: các biến độc lập LPP (doanh thu cổ phần hóa), LCa (GDP trên đầu người), LRGDP (tốc độ phát triển GDP thực), Linf (lạm phát), Lopen (độ mở nền kinh tế), LAgr (nông nghiệp), LPop (tỷ lệ dân số trên 65 tuổi), LM1 (cung tiền M1), Lm1 (cung tiền M2). Ký hiệu * và **lần lượt tương ứng với kết quả có ý nghĩa thống kê ở mức 1% và 5%. Xem hình 4.4 về kết quả hồi quy mô hình GARCH trong phần phụ lục.
Hệ số ARCH = 1.4557 với p-value = 0.0003 và GARCH = 0.1854 với p-value = 0.0533.Với các p-value có được từ mô hình ước lượng, các hệ số ước lượng có ý nghĩa thống kê ở mức 1%, 5%, nên mô hình đáng tin cậy để ước lượng. Trong ngắn hạn, mức
3
tác động của cổ phần hóa dường như rất thấp, khi cổ phần hóa tăng 1% thì tổng thu thuế sẽ giảm 0.0009%, mức tương quan này dường như không có tác động ngay lập tức mà phải cần một độ trễ chính sách nhất đinh. Đối với các biến còn lại trong mô hình,giống như kỳ vọng dấu ban đầu của chúng tôi, độ mở cửa nền kinh tế ảnh hưởng lớn đến doanh thu thuế trong nền kinh tế. Cụ thể từ kết quả trong mô hình GARCH, khi độ mở cửa nền kinh tế tăng 1% thì doanh thu thuế tăng 0.34%, ảnh hưởng tương đối lớn trong mô hình. Biến tốc độ phát triển GDP thực có tương quan dương, cụ thể là khi thuế GDP thực tăng 1% thì doanh thu thuế tăng 0.14%. Phần này sẽ được chúng tôi phân tích sâu hơn trong phần thực tiễn Việt Nam.
Chúng tôi tiếp tục xem xét mô hình VECM để giải thích mối quan hệ trong nhiều độ trễ và mối quan hệ hai chiều giữa biến thuế và cổ phần hóa