3.1 PHƢƠNG PHÁP NGHIÊN CỨU
3.1.3.1 Kiểm định tính dừng
Chuỗi thời gian dừng (hay chuỗi dừng) có thể đƣợc hiểu là một chuỗi thời gian không bao hàm các yếu tố xu thế, khi đó các giá trị của chuỗi thời gian sẽ xoay quanh giá trị trung bình của chuỗi [4]. Tuy nhiên một vấn đề đặt ra là nếu các biến chuỗi thời gian khơng dừng thì sẽ xảy ra hiện tƣợng hồi quy giả mạo và kết quả thu đƣợc sẽ không phản ánh chính xác mối quan hệ giữa các biến trong mơ hình. Do vậy, việc xác định trạng thái dừng của tất cả các biến trong mơ hình hồi quy là rất cần thiết. Tuy nhiên, khi các biến chuỗi thời gian không dừng nhƣng thỏa mãn là
26
Hodge và Mubarik (2005) đề xuất sử dụng các bộ lọc áp dụng cho các biến chuỗi thời gian tăng trƣởng kinh tế (Y) và lạm phát (π) trƣớc khi đƣa các dữ liệu vào mơ hình phân tích nhằm hạn chế sự thiên lệch và khó quan sát trong mối quan hệ giữa các biến.
liên kết bậc I, hoặc bậc II (hay còn gọi là dừng sai phân) và các yếu tố ngẫu nhiên là dừng thì mơ hình trên vẫn phản ánh đúng mối quan hệ giữa các biến và kết quả hồi quy vẫn có ý nghĩa. Thông thƣờng, kiểm định Augmented Dickey - Fuller (ADF test) và Phillip - Perron (PP test) thƣờng đƣợc sử dụng nhằm kiểm định tính dừng của các biến chuỗi thời gian. Kiểm định ADF sử dụng hàm số khi là một bƣớc ngẫu nhiên với hằng số xoay quanh một đƣờng xu thế ngẫu nhiên cùng với các biến trễ của sai phân biến phụ thuộc :
∑ (3.2) Trong đó: Yt là biến yêu cầu kiểm định, TIME là xu thế thời gian, là nhiễu trắng, và là các hệ số.
Bên cạnh đó, kiểm định Phillip - Perron đƣợc thực hiện nhằm xác nhận kết quả của kiểm định ADF khi kiểm định này có thể giảm độ tin cậy do sự xuất hiện của điểm gẫy cấu trúc trong mơ hình27
. Theo đó, kiểm định Phillip - Perron cũng bao gồm việc so sánh các kết quả thống kê với giá trị bác bỏ đƣợc nghiên cứu bởi MacKinnon (1996) nhằm kết luận giả thiết H0. Tuy nhiên, kiểm định này không giống nhƣ kiểm định ADF bởi việc thu thập các nhân tố hiệu chỉnh để tính tốn phƣơng sai của sai số thông qua sử dụng biểu thức Newey - West.
3.1.3.2 Ước lượng bước trễ tối ưu với mơ hình VAR
Khi thực hiện kiểm định mối quan hệ nhân quả giữa lạm phát và tăng trƣởng kinh tế (sẽ đƣợc đề cập sau đây), thì với mỗi bƣớc trễ lựa chọn của các biến sẽ có tác động rất nhạy đến kết quả mơ hình. Do đó, tác giả đề xuất sử dụng mơ hình VAR (Vector Autoregression) để lựa chọn bƣớc trễ tối ƣu của mơ hình trƣớc khi thực hiện kiểm định nhân quả Granger.
3.1.3.3 Kiểm định mối quan hệ nhân quả Granger
Tƣơng tự nghiên cứu Yasir Mubarik (2005) và Leshoro (2012), mối quan hệ nhân quả giữa tăng trƣởng kinh tế và lạm phát vẫn là một vấn đề cần cân nhắc thận trọng và một trong những cách thông thƣờng để kiểm định vấn đề này là sử dụng kiểm định mối quan hệ nhân quả Granger28. Kiểm định này cho ta biết đƣợc sự thay đổi của một biến trong mơ hình chịu tác động từ biến nào để làm cơ sở cho việc xác định biến phụ thuộc và biến độc lập trong mơ hình.
3.1.3.4 Phương pháp hồi quy với OLS, 2SLS và GMM
(1) Ước lượng bình phương nhỏ nhất (Ordinary Least Squares - OLS)
Sau khi thực hiện các kiểm định ở trên, hàm (3.1) sẽ đƣợc thực hiện hồi quy để xác định ngƣỡng lạm phát bằng phƣơng pháp ƣớc lƣợng bình phƣơng nhỏ nhất - OLS, sau đó thực hiện các kiểm định độ tin cậy đối với kết quả ƣớc lƣợng với kiểm định White về phƣơng sai thay đổi, hay kiểm định Breusch - Godfrey về sự tự tƣơng quan trong mơ hình hồi quy. Đồng thời luận văn tiếp tục sử dụng kỹ thuật hồi quy hai giai đoạn (2SLS) và mô - men tổng quát (GMM) để giải quyết vấn đề nội sinh trong mơ hình nghiên cứu nhằm gia tăng độ vững mạnh của kết quả ƣớc lƣợng.
(2) Nội sinh trong mơ hình nghiên cứu
Đây là những vấn đề thƣờng gặp cả trong lý thuyết về kinh tế vi mô và vĩ mô khi xảy ra hiện tƣợng biến giải thích (biến nội sinh) có mối tƣơng quan với phần dƣ trong mơ hình hồi quy. Theo đó, tồn tại mối quan hệ không phù hợp về mặt lý thuyết khi hồi quy biến phục thuộc (Y) theo các biến giải thích (X) sẽ dẫn đến kết quả các thông số ƣớc lƣợng bị chệch và không đáng tin cậy. Thông thƣờng nguyên nhân của vấn đề nội sinh là do thiếu biến (omitted variable), sai số đo lƣờng (measurement error), và/hoặc tƣơng quan đồng thời (simultaneity). Do vậy, sự cần thiết của việc xem xét các vấn đề nội sinh trong mơ hình chuỗi thời gian đƣợc giải
28
Tuy nhiên, theo Gujarati (2003), kết quả của kiểm định này chỉ đƣa ra đƣợc kết luận mang tính tƣơng đối về việc biến nào là biến độc lập hay phụ thuộc trong mơ hình hồi quy, hay nói cách khác nó chỉ xác định đƣợc thứ tự của biến nào trƣớc so với các biến cịn lại. Theo đó, điều này mang tính gợi mở cho các nghiên cứu sâu hơn về mối quan hệ giữa các biến trong mơ hình.
thích bởi việc các biến bị nội sinh có thể đƣợc diễn giải bởi các giá trị trễ (hay giá trị quá khứ) của chính nó hoặc các giá trị trễ của các biến nội sinh khác trong mơ hình [4]. Ở đây, để đơn giản và phù hợp phạm vi nghiên cứu, luận văn giả định tất cả các biến giải thích trong mơ hình là ngoại sinh ngoại trừ biến chi tiêu Chính phủ so GDP29. Hơn nữa, việc lựa chọn biến nghiên cứu cũng phụ thuộc vào mức ý nghĩa của hệ số biến giải thích đối với biến phụ thuộc - tăng trƣởng kinh tế trong mơ hình.
Có nhiều quan điểm về mối quan hệ giữa chi tiêu công và tăng trƣởng kinh tế, nhƣng nhìn chung phần lớn các nhà kinh tế hiện nay đều thống nhất rằng sự gia tăng quy mô chi tiêu Chính phủ có thể kìm hãm tăng trƣởng kinh tế do sự tập trung nguồn lực vào khu vực công kém hiệu quả; song nếu chi tiêu Chính phủ đƣợc duy trì ở mức vừa phải và tập trung vào các lĩnh vực nhƣ đầu tƣ cơ sở hạ tầng, an sinh, giáo dục,…sẽ có tác động tích cực đối với tăng trƣởng. Tức là tồn tại một mức chi tiêu Chính phủ cần thiết để đảm bảo mức tăng trƣởng kinh tế và nếu vƣợt quá mức này sẽ có những ảnh hƣởng tiêu cực lên tăng trƣởng. Theo đó, Rober J. Barro (1990) [69] trong mơ hình tăng trƣởng kinh tế nội sinh cho thấy khi tác động trái chiều của thuế suất nhỏ hơn tác động cùng chiều của chi tiêu cơng cộng khi đó việc gia tăng chi tiêu Chính phủ là có lợi đối với tăng trƣởng kinh tế. Đồng thời, các nghiên cứu thực nghiệm nhƣ Hansson & Henrekson (1994) [51], Loizides (2004) [54], Schaltegger (2006) [34] cũng cho thấy có mối tƣơng quan âm giữa chi tiêu Chính phủ và tốc độ tăng trƣởng. Gần đây một số các nghiên cứu Ghosh và Gregoriou (2008) [45], Tamoya A.L. Christie (2011) [72] cũng sử dụng phƣơng pháp GMM xem xét biến nội sinh chi tiêu Chính phủ với tăng trƣởng kinh tế dựa trên việc mở rộng mơ hình Barro (1991) cũng đƣa ra kết quả nhất quán đối với các nghiên cứu trƣớc đó khi chủ trƣơng khơng tài trợ thâm hụt ngân sách nhƣ một chiến lƣợc tài chính hiệu quả nhằm thúc đẩy tăng trƣởng kinh tế trong dài hạn.
29 Tuy nhiên, một vài biến giải thích khác vẫn có thể đƣợc xem là biến nội sinh trong mơ hình hồi quy. Islam (1995) đã xem biến đầu tƣ và tăng trƣởng dân số là biến nội sinh trong mơ hình nghiên cứu. Kremer và cộng sự (2005) xem biến thu nhập năm đầu tiên (initial income) là biến nội sinh. Leshoro (2012) sử dụng biến đầu tƣ so GDP nhƣ biến nội sinh để thực hiện kỹ thuật hồi quy. Vinayagathasan (2013) cịn cho rằng có thể mở rộng đối với các biến nội sinh khác khi tác giả dựa trên giả định là (i) xem biến thu nhập năm đầu tiên là biến nội sinh trong khi các biến còn lại là ngoại sinh; và (ii) xem tất cả các biến hồi quy là nội sinh để thực hiện
Trƣớc đây, theo các nhà kinh tế học trƣờng phái Keynes, tăng trƣởng kinh tế trong ngắn hạn phụ thuộc rất nhiều vào việc mở rộng quy mơ chi tiêu Chính phủ. Theo đó, các kinh tế mà đại diện là J. Keynes (1936) [55] cho rằng khi nền kinh tế rơi vào thời kỳ suy thoái hoặc trầm lắng, các Chính phủ nên đẩy mạnh đầu tƣ vào những khu vực công cộng để thúc đẩy tăng trƣởng kinh tế ở mức cao hơn, thậm chí kể cả trong trƣờng hợp thâm hụt ngân sách nếu cần thiết. Hay định luật Wager cũng là một trong những nghiên cứu sớm nhất nhấn mạnh tăng trƣởng kinh tế nhƣ là yếu tố cơ bản quyết định tăng trƣởng ở khu vực công [18]. Điều này hàm ý rằng có sự tác động qua lại lẫn nhau giữa biến chi tiêu Chính phủ và biến tăng trƣởng kinh tế. Tuy nhiên, có thể thấy rằng các quan điểm này vẫn chƣa xét đến một yếu tố rất quan trọng là hậu quả của chi tiêu Chính phủ có thể làm giảm tổng cầu của nền kinh tế thông qua việc tăng thuế và nợ vay. Vì vậy, quan điểm của trƣờng phái Keynes hoặc Wagner đã ít đƣợc trọng dụng hơn trong các mô hình tăng trƣởng của các nƣớc nhất là kể từ sau cuộc suy thoái kinh tế thế giới vào năm 1970, ngoại trừ tại một số quốc gia bởi nó cho những lý do hợp lý để thúc đẩy tăng trƣởng.
Trên thực tế, quan điểm này có phần rất đúng với trƣờng hợp của Việt Nam khi tăng trƣởng kinh tế có những ảnh hƣởng nhất định đối với mức chi tiêu Chính phủ [17]. Có thể thấy rõ ràng qua chƣơng trình kích cầu năm 2009 khi tăng trƣởng kinh tế có dấu hiệu suy giảm; hay trong vài năm trở lại đây khi các nhân tố sản xuất của nền kinh tế vẫn còn yếu và chƣa có chiều hƣớng cải thiện nhƣng để đạt đƣợc mục tiêu tăng trƣởng buộc Chính phủ vẫn đẩy mạnh các hoạt động đầu tƣ công, biểu hiện qua bội chi ngân sách qua các năm rất cao ở mức 5,2% GDP (2012), 6,6% GDP (2013), 5,3% (2014) và dự kiến ở mức 5% GDP (2015). Theo đó, chi tiêu ngân sách thƣờng vƣợt quá so dự toán đề ra dẫn đến thâm hụt ngân sách đã trở thành một vấn đề có tính chất nghiêm trọng và rất khó thay đổi. Điều này hàm ý cho thấy sự thiếu kỷ luật trong chi tiêu cơng qua các năm có những ảnh hƣởng nhất định đối với thói quen chi tiêu Ngân sách hiện nay.
Dựa vào các lập luận trên, ta có thể giả định biến chi tiêu Chính phủ so GDP là biến nội sinh trong mơ hình nghiên cứu. Đồng thời, tác giả sử dụng các biến độ trễ tăng trƣởng kinh tế và chi tiêu Chính phủ so GDP làm biến cơng cụ. Tuy nhiên, việc lựa chọn biến nội sinh trong mơ hình có thể khơng phù hợp với giả định thống kê, hay việc sử dụng biến công cụ khơng hợp lý có thể dẫn đến khuếch đại phƣơng sai và làm giảm khả năng suy diễn cho ƣớc lƣợng. Do đó, luận văn thực hiện đồng thời các kiểm định liên quan đến tính hợp lệ của biến nội sinh và biến công cụ nhƣ sau: (i) Endogeneity test: Kiểm định sự nội sinh của biến trong mơ hình; (ii) Under- Weak Identification: Kiểm định sự chặt chẽ của phƣơng trình hồi quy, ví dụ biến cơng cụ có tƣơng quan với biến nội sinh hay không; và iii) Hansen-Sargan test: Kiểm định tính hợp lệ của các biến cơng cụ sử dụng.
3.2 KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM 3.2.1 Mô tả dữ liệu nghiên cứu 3.2.1 Mô tả dữ liệu nghiên cứu
Bảng 3.1: Thống kê dữ liệu các biến trong mơ hình Chuỗi dữ
liệu Mơ tả nguồn dữ liệu Mean
Std.
Dev Min Max
GrGDP Tăng trƣởng GDP thực 0,0662 0,0292 -0,0162 0,1133
INF Tỷ lệ lạm phát 0,0949 0,0768 -0,0058 0,3486
GOVERNEX Tổng chi Chính phủ/GDP 0,3228 0,0480 0,2391 0,4688 INV Tổng đầu tƣ xã hội/GDP 0,3758 0,0639 0,2382 0,4942 OPENNESS Độ mở thƣơng mại 0,3951 0,1559 0,0807 0,7875 GTOT Thay đổi tỷ giá thƣơng mại 0,0468 0,4396 -1,1951 1,1312
Nguồn: Datastream [84], IMF [82], GSO [71] và MOF [79]
3.2.2 Kiểm định tính dừng của các biến trong mơ hình
Bảng 3.2: Kiểm định Augmented Dickey-Fuller và Phillips-Perron
Ghi chú: Giá trị kiểm định trong bảng là τ-statistics.
***,**,* ứng với các mức ý nghĩa thống kê là 1%, 5%, 10%
Chuỗi dữ liệu
Augmented Dickey-Fuller Test Phillips-Perron Test
I(0) I(1) I(2) I(0) I(1)
INF -4,061** -5,238*** -6,017*** -2,436 -5,745*** GOVERNEX -1,398 -11,810*** -5,341*** -5,808*** -15,468***
INV -2,043 -2,565 -14,227*** -6,636*** -29,032***
OPENNESS -4,060** -3,357* -18,080*** -6,541*** -31,663*** GTOT -9,565*** -6,595*** -5,917*** -15,150*** -57,975***
Nguồn: Tác giả tổng hợp từ Eview 6.0
Bảng trên trình bày kết quả kiểm định tính dừng của các chuỗi dữ liệu ở Việt Nam từ quý I/2004 đến quý IV/2014. Theo đó, kết quả kiểm định cho thấy tất cả các chuỗi dữ liệu đều là chuỗi dừng tại sai phân bậc II với mức ý nghĩa 5% qua kiểm định ADF và dừng sai phân bậc I với mức ý nghĩa 1% qua kiểm định Phillip- Perron thỏa mãn yêu cầu đề ra.
3.2.3 Lựa chọn bƣớc trễ tối ƣu bằng mơ hình VAR
Do mẫu quan sát tƣơng còn đối nhỏ nên việc lựa chọn bƣớc trễ q lớn là khơng hợp lý và có thể dẫn đến làm giảm số bậc tự do trong mẫu, từ đó ảnh hƣởng đến tính chính xác của kết quả trong mơ hình hồi quy30. Theo đó kiểm định VAR đƣợc sử dụng để lựa chọn bƣớc trễ tối ƣu cho mơ hình nhƣ sau:
Bảng 3.3: Lựa chọn độ trễ tối ƣu bằng mơ hình VAR
Ghi chú: * Độ trễ được lựa chọn dựa theo với các tiêu chí tương ứng.
Lag LogL LR FPE AIC SC HQ
0 257,1322 NA 1,42e-13 -12,55661 -12,30328* -12,46501 1 323,3969 109,3368 3,19e-14 -14,06984 -12,29652 -13,42867 2 383,4969 81,13498 1,08e-14 -15,27484 -11,98153 -14,08409 3 416,7274 34,89202 1,77e-14 -15,13637 -10,32306 -13,39603 4 485,6391 51,68380* 7,60e-15* -16,78196* -10,44866 -14,49204* Nguồn: Eview 6.0
Dựa bảng kết quả trên, độ trễ tối ƣu mơ hình lựa chọn là 4 quý dựa trên các tiêu chí thơng thƣờng là Akaike information criterion, Hannan-Quinn information
30
Bahram Pesaran và M.Hashem Pesaran (2009), đối với sử dụng dữ liệu chuỗi theo quý, chiều dài độ trễ tối đa nên là bốn quý.
criterion, FPE và LR. Kết quả này cũng khá phù hợp trên thực tế khi độ trễ của các chính sách tại Việt Nam thƣờng nằm trong khoảng từ 1 - 4 quý.
3.2.4 Kiểm định mối quan hệ nhân quả Granger
Bảng 3.4: Kiểm định nhân quả Granger giữa lạm phát và tăng trƣởng kinh tế
Null Hypothesis: Obs F-Statistic Prob.
INF does not Granger Cause GrGDP 40 4,38014 0,0064
GrGDP does not Granger Cause INF 0,82940 0,5167
Nguôn: Eview 6
Kết quả kiểm định nhân quả Granger cho thấy rằng, giả thiết H0 đầu tiên bị bác bỏ ở mức ý nghĩa 1%, theo đó lạm phát là nguyên nhân của tăng trƣởng GDP. Đồng thời, ta chấp nhận giả thiết H0 thứ hai cho rằng tăng trƣởng GDP không phải là nguyên nhân gây ra lạm phát, tức là khơng có sự tác động ngƣợc trở lại từ tăng trƣởng tới lạm phát. Nhƣ vậy, mối quan hệ nhân quả giữa hai biến này là mối quan hệ một chiều. Kết quả này giúp ích trong việc lựa chọn biến độc lập và biến phụ thuộc trong mơ hình ƣớc lƣợng ngƣỡng lạm phát.
3.2.5 Ƣớc lƣợng ngƣỡng lạm phát với OLS, 2SLS và GMM
Bảng 3.5: Kết quả ƣớc lƣợng ngƣỡng lạm phát tại INF*=7% [Phụ lục 1 & 2]
Giá trị trong ngoặc là t- statistics,
***,**,* ứng với các mức ý nghĩa thống kê là 1%, 5%, 10%
Variable OLS 2SLS GMM C 0,0968 (2,23) 0,1777 (3,18) 0,1716 (3,49) GOVERNEX -0,2422** (-2,55) -0,6392*** (-3,60) -0,6152*** (-4,27) INV 0,0881 0,1644** 0,1703**
(1,25) (2,09) (2,18) OPENNESS -0,0045 (-0,14) 0,0034 (0,09) -0,0172 (-0,50) GTOT -0,0081 (-0,79) -0,0120 (-1,23) -0,0127 (-1,32) INF 0,3227 (1,35) 0,5455* (1,67) 0,6328** (1,97) D*(INF-INF*) -0,3758 (-1,38) -0,5865* (-1,73) -0,6608** (-1,97) RSS 0,02939 0,03514 0,03463
Nguồn: Tổng hợp từ Eview 6.0 & Stata 12.0
Biểu đồ 3.1: Tổng phần dƣ bình phƣơng ƣớc lƣợng OLS, 2SLS & GMM