Kiểm tra tính dừng của chuỗi thời gian
Một giả định quan trọng của mô hình ARDL cũng như các mô hình phân tích dữ liệu thời gian khác là các dữ liệu cần phải có tính dừng. Theo Gujarati (2003), chuỗi thời gian được gọi là dừng khi giá trị trung bình, phương sai, hiệp phương sai là không đổi qua thời gian. Do đó, nếu chuỗi thời gian là không dừng thì sẽ không thể dự báo được sự biến động của chúng. Bởi khi dự báo, chúng ta ngầm định rằng xu thế vận động của quá khứ sẽ được duy trì và tiếp tục trong tương lai.
Để kiểm định tính dừng, ta có thể dùng đồ thị, giản đồ tự tương quan hoặc dùng kiểm định nghiệm đơn vị. Trong đó, kiểm định nghiệm đơn vị (Unit root test) phổ biến nhất vì nghiệm đơn vị được xem là nguồn gốc của chuỗi không dừng (Knoro
& Uko, 2016). Các phương pháp được sử dụng trong kiểm nghiệm đơn vị bao gồm Durbin-Watson (DW) Test, Dickey-Fuller Test (DF), Augmented Dickey-Fuller Test (ADF), Philip-Perron Test (PP). Kiểm định DW được đánh giá là đơn giản nhưng không đáng tin cậy, ADF và PP khắc phục được khả năng xảy ra tự tương quan ở AF. Tuy nhiên kiểm định ADF vẫn được sử dụng rộng rãi nhất.
Nếu một chuỗi thời gian có tính dừng, ta gọi đó là tích hợp bậc 0 hay I(0). Nếu
chuỗi thời gian là không dừng, ta có thể khắc phục bằng cách lấy sai phân bậc 1 - tích hợp bậc 1 hay I(1), hoặc tiếp tục lấy sai phân bậc 2 - tích hợp bậc 2 hay I(2) nếu chuỗi vẫn không dừng ở bậc 1. Trước khi thiết lập mô hình ARDL, cần phải đảm bảo
tất cả các chuỗi thời gian đều dừng tại bậc 0 I(0) hoặc bậc 1 I(1).
Việc tìm ra độ trễ tối ưu cho các chuỗi thời gian ở mô hình ARDL rất quan trọng để có phần nhiễu (error terms) có phân phối chuẩn, không bị tự tương quan và không có hiện tượng phương sai sai số thay đổi. Độ trễ tối ưu trong mô hình ARDL tổng quát là q, điều đó có nghĩa là độ trễ trong mô hình nằm trong khoảng từ 0 đến q.
Mỗi biến sẽ có độ trễ khác nhau tùy thuộc vào thời gian tác động tới biến phụ thuộc. Có khá nhiều tiêu chuẩn để lựa chọn độ trễ tối ưu nhưng phổ biến nhất là Akaine Information Criterion (AIC) và Schwarz Information criterion (SIC). Độ trễ được gọi là tối ưu khi có giá trị của tiêu chuẩn là nhỏ nhất.
c. Kiểm định đồng liên kết
Kiểm định đồng liên kết được sử dụng trong mô hình ARDL với mục đích kiểm định mối liên hệ dài hạn giữa các biến độc lập. Các phương pháp được dùng là: Johansen, Phillips-Ouliaris, Engle-Granger, kiểm định đường bao (Bound Test), tuy nhiên kiểm định đường bao (Bound Test) được cho là ưu việt nhất do đưa ra kết luận chính xác trong trường hợp số mẫu lớn và số mẫu nhỏ.
Kiểm định đường bao đưa ra 2 giá trị tới hạn. Đường bao dưới (Lower Bound)
giả định rằng mọi biến trong mô hình ARDL là I(0), đường bao trên (Upper Bound) giả định các biến là I(1) (Pesaran và các cộng sự, 2001).
Bound Test dựa trên cặp kiểm định:
H0: Không có đồng liên kết giữa các biến
H1: Có đồng liên kết
Nếu giá trị F-statistic lớn hơn giá trị tới hạn của đường bao trên, giả thuyết H0
bị bác bỏ, tức là có đồng liên kết giữa các biến và ngược lại. Nếu giá trị F-statistic này nằm ở giữa 2 giá trị tới hạn, ta không thể kết luận về mối liên hệ dài hạn giữa các
biến số. Giá trị tới hạn của Perasan (2001) được sử dụng với mẫu lớn. Với các mẫu nhỏ hơn 80, sử dụng giá trị tới hạn của Narayan (2005) sẽ đưa ra kết luận chính xác hơn.
Giả định cơ bản của mô hình là không có hiện tượng tự tương quan và phương
sai sai số thay đổi. Do đó sau khi lập mô hình cần phải kiểm tra sự phù hợp của dạng hàm, hiện tượng tự tương quan, phương sai sai số thay đổi. Ngoài ra, cần thực hiện kiểm định tổng tích lũy của phần dư (CUSUM Test) và tổng tích lũy bình phương của phần dư (CUSUM Square Test) nhằm kiểm tra tính ổn định của mô hình. Neu mô hình đáp ứng đủ các nhu cầu của kiểm định, có thể nói mô hình đáng tin cậy và có tính ứng dụng cao.
KÉT LUẬN CHƯƠNG 1
Chương 1 của khóa luận đã đưa ra cơ sở lý luận chung về đầu tư trực tiếp nước ngoài và các nhân tố ảnh hưởng đến đầu tư trực tiếp nước ngoài. Để làm rõ hơn về thực trạng và lượng hóa ảnh hưởng của các nhân tố tác động đến FDI, chương 2 đưa ra thực trạng của dòng vốn FDI và thực trạng các nhân tố FDI trong giai đoạn 1996 - 2017 và xây dựng mô hình lượng hóa tác động của các yếu tố trên.
Chương 2: Thực trạng các nhân tố ảnh hưởng đến việc thu hút đầu tư trực tiếp