Với giả thuyết:
H0: Mô hình không bỏ sót biến H1: Mô hình bỏ sót biến
Bảng 4.6: Kiểm định Ramsey Reset test
Ramsey RESET Test
Value df Probability
F-statistic 0.215561 (2, 16) 0.8084
Likelihood ratio 0.611537 2 0.7366
Kết quả kiểm định Ramsey Reset về sai dạng mô hình cho kết quả P_value là 0,808 > 0,05. Ta bác bỏ giả thuyết H1: Mô hình bỏ sót biến. Tức là khẳng định rằng mô hình có mô hình không bỏ sót biến.
Từ kết quả ước lượng cân bằng dài hạn, tác giả tiếp tục sử dụng mô hình hiệu chỉnh sai số (Error Correction Model – ECM) để phân tích tác động ngắn hạn của các biến viện trợ đến biến phụ thuộc GDPR. Mô hình tổng quát ECM như sau:
D(Y) = β2+ βiD(Xi) + θεt-1+V (4.4 Trong đó, D(Xi) và D(Y) là sai phân bậc 1 của Xi và Y; V là nhiễu trắng; là nhiễu độ trễ p = 1 từ mô hình ước lượng dài hạn được đưa vào mô hình nhằm mục đích điều chỉnh sự mất cân bằng của biến Xi và Y; do đó, dấu của phải là âm sau khi ước lượng mô hình (4.4). Nếu vậy, sẽ củng cố thêm tính ổn định của mô hình dài hạn. Dựa theo mô hình ECM, mô hình (4.1) được viết lại như sau:
DGDPRt = β0 + β1DODA +β2DOPENR + β3DPOPR + β4DSAV + t – 1 + V (4.5)
Trong đó: p là độ trễ tối ưu (p = 1) đã được xác định trước đó; và
t – 1 = GDPR - 0,0844 - 0,621ODA - 0,0515OPENR + 1.587POPR + 0,1218SAV (4.6)
Bảng 4.7: Kết quả ước lượng mô hình ECM (4.5)
Variable Coefficient Std. Error t-Statistic Prob.
DODA -0.116769 0.186924 -0.624683 0.5422 DOPEN 0.033271 0.013543 2.456706 0.0277 DPOPR -0.254818 0.828382 -0.307610 0.7629 DSAV -0.056824 0.068414 -0.830591 0.4201 -0.696547 0.246708 -2.823363 0.0135 C -0.000769 0.001898 -0.405187 0.6915
R-squared 0.492270 Mean dependent var -0.001325 Adjusted R-squared 0.310937 S.D. dependent var 0.009932 S.E. of regression 0.008244 Akaike info criterion -6.515278 Sum squared resid 0.000952 Schwarz criterion -6.216558 Log likelihood 71.15278 Hannan-Quinn criter. -6.456964 F-statistic 2.714739 Durbin-Watson stat 1.715578 Prob(F-statistic) 0.064402
(Nguồn: Kết quả phân tích từ bảng kết xuất trên phần mềm EVIEW 8)
Bảng 4.5 cho thấy, R2 < giá trị thống kê Durbin-Watson, do đó kết quả hồi quy có thể xem là không bị giả mạo. R2 = 49.22% nên mô hình chỉ có thể giải thích ở mức độ trung bình. Ngoài ra, kết quả ước lượng cũng vượt qua các kiểm định chẩn đoán trên phần dư.
Vậy phương trình cân bằng ngắn hạn cho mô hình (4.5) như sau: DGDPRt = -0.0008 – 0.1168DODA – 0.0333DOPENR – 0.2548DPOPR
- 0.0568DSAV – 0.6965t – 1
(4.7) Theo kết quả ước lượng, trong ngắn hạn, OPENR tác động dương đến GDPR, còn ODA, POPR và SAV tác động âm đến GDPR. Ngoài ra, t – 1 có hệ số là -0.697 < 0 do đó củng cố thêm cho tính ổn định của mô hình dài hạn và phản ánh sự điều chỉnh hướng về mức cân bằng của GDPR là khá cao. Tuy nhiên, trong mô hình ngắn hạn này cho thấy rằng giá trị xác suất của thống kê F > 5%, do đó, tác giả cho rằng mô hình ngắn hạn không có nhiều ý nghĩa về mặt thống kê. Vì thế, phần phân tích tiếp theo chỉ phân tích cho mô hình dài hạn.