4.2.1.1. Kiểm định tính dừng ADF
Nhƣ đã trình bày ở chƣơng 3, kiểm định tính dừng phải đƣợc thực hiện nhƣ là một điều kiện bắt buộc nhằm để kiểm tra tính dừng của các chuỗi số liệu quan sát. Trong trƣờng hợp chuỗi số liệu quan sát không có tính dừng, sẽ tiếp tục đƣợc thực hiện trên chuỗi khác biệt bậc nhất trong kiểm định ADF, giá trị kiểm định ADF không theo phân phối chuẩn. Theo Dickey và Fuller (1981) giá trị t ƣớc lƣợng của các hệ số trong các mô hình sẽ theo phân phối xác suất τ (tau statistic, τ = giá trị hệ số ƣớc lƣợng/ sai số của hệ số ƣớc lƣợng). Giá trị tới hạn τ đƣợc xác định dựa trên bảng giá trị tính sẵn của Mackinnon (1996). Giá trị tới hạn này cũng đƣợc tính sẵn khi kiểm định ADF bằng phần mềm Stata 12.
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 ngƣợc lại chấp nhận giả thuyết H0, tức dữ liệu không có tính dừng. Kết quả kiểm định ADF đƣợc trình bày ở Bảng 4.1.
Bảng 4.1. Kiểm định ADF trong mô hình lạm phát Mackinnon’s critical value
Kết quả Biến T-test 1% 5% 10% ∆PT -3.777 -3.567 -2.923 -2.596 Dừng ∆NEERT -3.748 Dừng ∆IMPT -3.409 Dừng ở 5% ∆PPIT -2.624 Dừng ở 10% ∆OILT -4.199 Dừng ∆MT -7.368 Dừng
Nguồn: Trích xuất dữ liệu Stata
Kết quả kiểm định ADF cho thấy giả thuyết H0 về tính không dừng của chuỗi chỉ số ∆OILT, ∆MT, ∆NEERT, ∆IMPT, ∆PPIT, ∆PT bị bác bỏ bởi vì trị tuyệt đối giá trị kiểm định của nó lớn hơn giá trị tới hạn tƣơng ứng (Mackinnon’s critical value). Chuỗi khác biệt bậc nhất (sự thay đổi của chỉ số giữa 4 phiên liền kề) của các chỉ số đều có ý nghĩa mức ý nghĩa 1%. Kết quả này cho phép chúng ta kết luận
rằng chuỗi là có tính dừng. Điều này có nghĩa là 6 chuỗi số liệu này thoả mãn điều kiện của kiểm định Granger causality.
4.2.1.2. Kiểm định đồng liên kết Johansen
Cơ sở vững chắc của mô hình VECM là dựa trên khái niệm rằng có tồn tại một mối quan hệ cân bằng trong dài hạn giữa các biến có liên quan. Đồng thời, từ kết quả từ kiểm định ADF cho thấy tất cả các biến đều không dừng và có cùng bậc liên kết, từ đó có thể có khả năng tồn tại một mối quan hệ dài hạn giữa các biến. Để nhận biết đƣợc mối quan hệ đó, chúng ta sử dụng kiểm định đồng liên kết phức tạp của Johansen
Bảng 4.2. Kiểm định đồng liên kết trong mô hình lạm phát
H0 H1 Max statstic 5% critical value Trace statstic 5% critical value r=0 r>0 49.9349 45.28 129.0215 124.24 r ≤ 1 r>1 42.2669 39.37 89.0865 85.18 r ≤ 2 r>2 26.4672 33.46 56.8196 68.52 r ≤ 3 r>3 15.7343 27.07 30.3524 47.21 r ≤ 4 r>4 9.7817 20.97 14.6181 29.68 r ≤ 5 r>5 4.2378 14.07 4.8364 15.41 r ≤ 6 r>6 0.5986 3.76 0.5986 3.76
Nguồn: Trích suất Stata
Kết quả ở Bảng 4.3 cho thấy cả hai kiểm định mà Johansen đƣa ra là kiểm định vết ma trận (trace) và kiểm định giá trị riêng cực đại của ma trận (Max – eigenvalue) đều bác bỏ giả thuyết không tồn tại vectơ đồng liên kết hay khẳng định tồn tại vectơ đồng liên kết ở mức ý nghĩa 5%. Chứng minh rằng có mối quan hệ dài
hạn (đồng liên kết) giữa các biến nghiên cứu.Từ đó mô hình đồng liên kết giữa các biến đƣợc hồi quy để xác định mối quan hệ dài hạn giữa các biến nghiên cứu.
4.2.1.3. . Phân tích mô hình VECM
Thành phần hiệu chỉnh sai số của VECM có dạng một vectơ đồng tích hợp thể hiện mối quan hệ đồng tích hợp giữa các biến. Vectơ đồng tích hợp này ràng buộc các hành vi trong dài hạn của biến nội sinh trong khi cho phép sự biến động ở một mức độ nhất định trong ngắn hạn. Nhờ có lý thuyết đồng tích hợp giữa các biến nên VECM có thể ƣớc lƣợng đƣợc với các chuỗi không dừng (I(1)) nhƣng có quan hệ đồng tích hợp mà không bị hồi quy giả mạo. Đây là điểm khác biệt so với mô hình VAR, mô hình chỉ có thể ƣớc lƣợng đƣợc khi tất cả các biến số là dừng (I(0)). Với cấu trúc nhƣ vậy, mô hình VECM chứa thông tin về điều chỉnh cả ngắn hạn và dài hạn với những thay đổi của biến phụ thuộc:
Bảng 4.3. Kết quả hồi quy mô hình VECM trong mô hình lạm phát
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
deltaneer 1.276665 0.7306417 4.32 0.000 0.2586696 0.1722634
deltaimp 0.8134327 0.2205652 3.69 0.000 0.3811329 0.1245733
deltappi 0.8662237 0.3676922 2.36 0.018 0.1586887 0.1455603
deltaoil 0.1084799 0.1450033 7.48 0.000 0.1369 0.8005973
deltam 0.9431707 0.7489297 1.26 0.208 0.2411046 0.5247046
Nguồn : Trích xuất dữ liệu Stata
Từ kết quả chạy mô hình nhƣ trong Bảng 4.4 cho thấy các biến trong mô hình đều có ý nghĩa thống kê hay các biến độc lập có ảnh hƣởng đến lạm phát trong giai đoạn nghiên cứu. Các biến đƣợc chọn có ảnh hƣởng đến biến phụ thuộc và các biến giải thích đều có dấu của hệ số góc phù hợp với các nghiên cứu trƣớc đây. Cụ thể:
NEER có quan hệ cùng chiều với tỷ lệ lạm phát của Việt Nam và sự thay đổi của tỷ giá truyền dẫn đến lạm phát của Việt Nam khá cao. Cụ thể, khi các yếu tố khác không đổi, nếu tỷ giá tăng 1% thì tỷ lệ lạm phát sẽ tăng 1.276%.
Các chỉ số PPI, PMI, giá dầu và cung tiền M2 cũng có quan hệ cùng chiều với tỷ lệ lạm phát của Việt Nam. Cụ thể, khi các yếu tố khác không đổi, nếu IMP tăng 1% thì tỷ lệ lạm phát tăng lên khoảng 0.8134%, PPI tăng 1% thì lạm phát tăng 0.8662%, giá dầu thế giới tăng 1% thì lạm phát tăng 0.1084% và khi cung tiền M2 tăng 1% thì lạm phát sẽ tăng 0.9431%.
Tóm lại, các biến số độc lập đƣợc lựa chọn đƣa vào mô hình đều có ảnh hƣởng đến tỷ lệ lạm phát và dấu của các hệ số ƣớc lƣợng phụ hợp với kỳ vọng của cơ sở lý thuyết.