6. Kết cấu của luận án
3.2.2. Phƣơng pháp ƣớc lƣợng kinh tế
3.2.2.1. Phương pháp ước lượng kinh tế trong nghiên cứu đánh giá về mối quan hệ giữa các nhân tố kinh tế vĩ mô
Phƣơng pháp định lƣợng đƣợc nhiều nhà nghiên cứu hiện nay áp dụng để "đánh giá sự ảnh hƣởng giữa các nhân tố kinh tế" là ƣớc lƣợng kinh tế. Phƣơng pháp ƣớc lƣợng đƣợc sử dụng để đánh giá mối quan hệ giữa đối tƣợng nghiên cứu và khách thể nghiên cứu. Để sử dụng phƣơng pháp ƣớc lƣợng kinh tế, các nhà nghiên cứu phải sắp xếp và phân loại tính chất thông tin kinh tế và lựa chọn phƣơng pháp ƣớc lƣợng phù hợp.
58 Số liệu thu BHTN trƣớc năm 2015 đƣợc điều chinh giảm theo tỷ lệ đóng góp của nhà nƣớc.
59 GDP Quí 4 năm 2009 là: 488404 tỷ đồng Tỷ giá hối đoái Q4/2009 là: 18045 đồng/USD CPI Q4/2009 là 100
Tổng chi BHTN Q4/2009 là 26.33tỷ đồng Tổng thu BHTN Q4/2009 là 877,675 tỷ đồng
95 Mối quan hệ giữa các biến số trong phƣơng trình /hoặc hệ phƣơng trình (sự kết hợp các giả định nghiên cứu) nhằm đánh giá mối quan hệ tác động (ảnh hƣởng) không phải lúc nào cũng chỉ mang tính chiều hƣớng nhất định. Điều này cũng phù hợp với quy luật tự nhiên của sự thích ứng. Theo đó, sự can thiệp vào trật tự (kết cấu) của nền kinh tế thị trƣờng sẽ khiến không chỉ một chủ thể biến động, mà còn kéo theo sự biến động của các đối tƣợng nhiễu loạn xung quanh. Mức độ tác động (cƣờng độ) và thời gian tác động sẽ quyết định sự biến động của chủ thể. Tuy nhiên, cơ chế tự cân đối sẽ khiến hƣớng tác động (mục tiêu của tác động) sẽ bị chệch đi, thậm chí là phản tác dụng (chệch hoàn toàn so với mục tiêu đặt ra ban đầu). Các biến số độc lập (biến giải thích) không phải luôn luôn tác động lên biến phụ thuộc mà trong nhiều trƣờng hợp biến phụ thuộc lại tác động ngƣợc lên biến độc lập. Để đảm bảo tính hợp lý, các nghiên cứu cần phải xét ảnh hƣởng qua lại của những biến này cùng một lúc. Chính vì thế mô hình ảnh hƣởng bởi yếu tố kinh tế vĩ mô phải xét đến không chỉ dừng lại ở mô hình một phƣơng trình mà là mô hình nhiều phƣơng trình (hệ phƣơng trình). Sự ra đời của phƣơng pháp ƣớc lƣợng kinh tế vectơ tự hồi quy (VAR) đã đáp ứng đƣợc những yêu cầu giả định trong ƣớc lƣợng kinh tế các vấn đề kinh tế vĩ mô nhƣ: ảnh hƣởng tác động qua lại giữa các biến số, kiểm định mức độ tác động và dự báo các vấn đề kinh tế... Ứng dụng quan trọng của phƣơng pháp OLS là vào năm 1977, hai nhà nghiên cứu kinh tế Christopher Sims và Thomas Sargent (về sau đạt giải Nobel kinh tế năm 2011) cùng đƣa ra một phƣơng pháp định lƣợng (đo lƣờng mối quan hệ giữa các nhân tố kinh tế vĩ mô)60. Với giả thiết là nền kinh tế đang vận hành với những yếu tố hiện tại, khi có sự thay đổi chính sách kinh tế thì nền kinh tế sẽ có phản ứng ra sao61; cấu trúc thị trƣờng liệu có thay đổi tích cực hay tiêu cực?...
Bảng 3.5Tổng hợp các công trình nghiên cứu về phương pháp ước lượng kinh tế
Tác giả nghiên cứu Nội dung
Legendre (1805), Gauss (1809) Phương pháp ước lượng kinh tế OLS
Pearson (1908) Phương pháp ước lượng kinh tế đa biến
C.W.J Granger (1969) Phương pháp ước lượng Vecto tự hồi quy
60 ..." Nhận thấy rằng logic giản đơn của các nhà khoa học trong lĩnh vực hóa học là muốn kết luận về tính chất (một sản phẩm hóa học mới) thay đổi ra sao, thì phải dựa theo sự thay đổi thành phần đầu vào của phản ứng thí nghiệm hóa học, nên hai nhà nghiên cứu kinh tế Christopher Sims và Thomas Sargent đã cùng có ý tƣởng đƣa ra phƣơng pháp đánh giá sự tác động sự thay đổi chính sách kinh tế lên nền kinh tế."...
96 Johansen, Søren (1991) Phương pháp ước lượng Vecto hiệu chỉnh sai số
Nguồn: Tác giả tự tổng hợp
3.2.2.2. Phương pháp vectơ tự hồi quy và phương pháp vectơ hiệu chỉnh sai số
Mô hình kinh tế vĩ mô là mô hình biểu diễn mối quan hệ của nhiều biến số vĩ mô và điều này khiến việc ƣớc lƣợng trở nên phức tạp62. Khi mở rộng (thêm biến vào phƣơng trình ƣớc lƣợng) đánh giá sự ảnh hƣởng, nhà nghiên cứu có thể lựa chọn và tìm ra, kiểm chứng sự kết hợp của nhiều yếu tố khách thể nghiên cứu lên đối tƣợng nghiên cứu63. Sự mở rộng phƣơng trình ƣớc lƣợng sẽ thực sự có ý nghĩa khi các khách thể nghiên cứu có tính chất độc lập và tƣơng tác một chiều.
Tuy nhiên, các yếu tố kinh tế vĩ mô lại phản ánh nhiều mối quan hệ tác động chéo lẫn nhau64. Điều này có nghĩa là tồn tại một quy luật "nhân – quả" đồng thời. Chẳng hạn nhƣ: sự thay đổi của X1 ảnh hƣởng đến cả Y và X2; Cả X1 và X2 cùng ảnh hƣởng tới Y... Để giải thích mối quan hệ này, các nhà nghiên cứu phải xây dựng một hệ thống các phƣơng trình ƣớc lƣợng (giả sử có 3 biến thì sẽ có 3 phƣơng trình ƣớc lƣợng). Hệ phƣơng trình ƣớc lƣợng kinh tế này đƣợc gọi là phƣơng pháp Vector tự hồi quy – Phƣơng pháp VAR65.
Y = a0 + a1X1 + a2X2 + u1 X1= b0 + b1Y + b2X2 + u2 X2= c0 + c1X1 + c2Y + u3
Việc ƣớc lƣợng phƣơng trình đa biến vốn đã rất phức tạp rồi, mà khi kết hợp nhiều phƣơng trình lại tạo thành hệ phƣơng trình lớn sẽ khiến khối lƣợng công việc nghiên cứu lớn và kết quả ƣớc lƣợng thay đổi, chệch khỏi quỹ đạo, dễ mắc các sai lầm hơn... Ƣu điểm lớn nhất của phƣơng pháp VAR là nó đồng thời đánh giá sự ảnh
62
Phƣơng pháp ƣớc lƣợng phức tạp phản ánh mối quan hệ giữa nhiều biến số độc lập với một biến số phụ thuộc: Y = a0 + a1X1 + a2X2 + ... + anXn + u.
63 Mô hình tuyến tính đa biến phản ánh sự kết hợp của nhiều mô hình tuyến tính đơn biến với một biến phụ thuộc duy nhất. Mô hình hồi quy đa biến là có cơ sở nền tảng từ mô hình tuyến tính đơn giản. Mục đích chung của hồi quy nhiều lần (thuật ngữ lần đầu tiên đƣợc Pearson sử dụng, 1908) là định lƣợng mối quan hệ giữa một số biến độc lập hoặc dự đoán và biến phụ thuộc.
Mô hình đơn giản 1: Y = aX1 + u1 Mô hình đơn giản 2: Y = bX2 + u2
Mô hình đa biến: Y = (a/2) X1 + (b/2) X2 + (u1+u2)/2
64 Nhà nghiên cứu kinh tế lƣợng ngƣời Anh Clive William John Granger đã chứng minh phép thử mối quan hệ giữa các biến và đặt tên cho phương pháp kiểm định đó là Granger – causuality (1969) – Bài viết ―Investigating Causal Relations by Econometric Models and Cross-spectral Method‖.
65
(VAR - Vector autoregression) Mô hình vectơ tự hồi quy đã đƣợc xây dựng bởi nhà kinh tế vĩ mô Christopher Sims (1980) nhằm biểu diễn quan hệ nhân quả trong một tập hợp các biến kinh tế vĩ mô.
97 hƣởng và kết hợp với dự báo xu hƣớng biến động của nhiều biến số. Chính vì vậy, phƣơng pháp ƣớc lƣợng VAR đƣợc nhiều nhà nghiên cứu và nhà quản lý chính sách sử dụng nhằm cho ra kết quả dự báo và điều chỉnh chính sách quản lý kịp thời.
Dựa trên giả định (3.1) cho rằng có mối quan hệ giữa 5 yếu tố gồm : GDP, CPI và tỷ giá hối đoái VNĐ/USD, chi BHTN (TC) và thu BHTN (TD), phƣơng pháp ƣớc lƣợng VAR sẽ giải thích mối quan hệ bằng hệ phƣơng trình ƣớc lƣợng gồm66:
Log[TC(TF)]= α 10 + α11Log[TC(TF)(t-k)] + α12Log[TD(TF) (t-k)]+ α13Log[GDP(t-k)] + α14 Log[CPI(t-k)] + α15Log[EXR(t-k)] + ε1
Log[TD(TF)]= α 20 + α21Log[TD(TF)(t-k)] + α22Log[TC(TF) (t-k)]+ α23Log[GDP(t-k)] + α24 Log[CPI(t-k)] + α25Log[EXR(t-k)] + ε2
Log[GDP]= α30 + α31Log[GDP(t-k)] + α32Log[TC(TF) (t-k)] + α33Log[TD(TF)(t-k)] + α34 Log[CPI(t-k)] + α35Log[EXR(t-k)] + ε3
Log[CPI]= α40 + α41 Log[CPI(t-k)] + α42Log[TC(TF) (t-k)] + α43Log[TD(TF)(t-k)] + α44Log[GDP(t-k)] + α45Log[EXR(t-k)] + ε4
Log[EXR]= α50 + α51Log[EXR(t-k)] + α52Log[TC(TF) (t-k)]+ α53Log[TD(TF)(t-k)] + α54Log[GDP(t-k)] + α55Log[CPI(t-k)] + ε4
Trong đó:
αjlà ma trận các hệ số
TC, TD, GDP, CPI, EXP là các vecto (biến số) trong mô hình.
εj là vecto các nhiễu trắng.
Để có thể áp dụng phƣơng pháp ƣớc lƣợng kinh tế Vecto tự hồi quy (VAR) trong nghiên cứu, thì chuỗi số liệu dùng cho mô hình phải đảm bảo tính dừng67. Tuy nhiên, trên thực tế không phải là chuỗi dữ liệu ở mức cơ sở I [0] là dừng68. Để khắc phục những sai lầm cho chuỗi dự liệu thời gian, nghiên cứu của Johansen cho rằng ..."các kết quả ước lượng kinh tế theo chuỗi thời gian có thể cho ra R2 điều chỉnh có
66 Giả định biến động chu kỳ và giả định về sự tƣơng tác đồng thời:
67 …"một quá trình ngẫu nhiên được coi là dừng nếu như trung bình và phương sai của nó không đổi theo thời gian và giá trị của đồng phương sai giữa hai thời đoạn chỉ phụ thuộc vào khoảng cách và độ trễ về thời gian giữa hai thời đoạn này chứ không phụ thuộc vào thời điểm thực tế mà đồng phương sai được tính"… Damodar N. Gujarati, Chƣơng trình Giảng dạy Kinh tế Fulbright, Chƣơng 21: Chuỗi thời gian trong kinh tế lƣợng. Phần 1: Tính dừng,các nghiệm đơn vị và tính đồng kết hợp.
68 Trong trƣờng hợp này, chuỗi dữ liệu cần phải biến đổi cho tới khi thỏa mãn điều kiện ƣớc lƣợng kinh tế Vecto tự hồi quy (VAR). Sự biến đổi chuỗi dữ liệu có khi đạt đƣợc ở mức sai phân cấp 1 - I [1], thậm chí ở mức sai phân cấp 2 - I [2] hoặc lớn hơn. Việc kết hợp tuyến tính nhiều chuỗi dữ liệu thời gian không dừng đôi lúc lại cho kết quả thành một chuỗi thời gian dừng.
98
giá trị lớn, nhưng thay vì yếu tố có mối ảnh hưởng hội tụ, thì một số cho thấy xu hướng phân kỳ về mức độ ảnh hưởng"... Điều này làm cho kết quả nghiên cứu có mắc khuyết tật. Phƣơng pháp kiểm định do Johansen đƣa ra nhằm giảm thiểu những sai sót của mô hình vecto tự hồi quy (VAR) và hình thành mô hình vecto hiệu chỉnh sai số (VECM) /mô hình tự hồi quy phân phối trễ (ARDL).
VECM và ARDL về cơ bản là nhƣ nhau nếu các chuỗi thời gian Yt và Xt tích hợp đồng bậc [thƣờng là I(1)] và đồng liên kết. Yt và Xt đƣợc giả định trong mối quan hệ cân đối dài hạn, nghĩa là, thay đổi của Yt theo thay đổi của Xt trong dài hạn chính là hệ số. Nếu Yt-1 chệch ra khỏi giá trị cân bằng của nó, thì sẽ có một sự điều chỉnh để kéo trở lại vị trí cân bằng. Tốc độ điều chỉnh (speed of adjustment) là hệ số = (1-Δ1), nằm trong khoảng 0< < 1. ∆ là toán tử sai phân bậc 1.
Mô hình vecto hiệu chỉnh sai số (VECM) sẽ góp phần giải thích mô hình cân bằng ngắn hạn [biến xu hƣớng quá khứ (chu kỳ biến động trong quá khứ) và biến xu hƣớng tƣơng lai]69. Còn mô hình tự hồi quy phân phối trễ (ARDL) chỉ ra mối quan hệ cân bằng dài hạn.
* Trình tự thực hiện đánh giá sự ảnh hƣởng của các nhân tố kinh tế vĩ mô tới thu, chi bảo hiểm thất nghiệp
Mục tiêu của phƣơng pháp Vecto tự hồi quy / hay phƣơng pháp Vecto hiệu chỉnh sai số là nhằm kiểm định sự ảnh hƣởng qua lại giữa các nhân tố kinh tế vĩ mô với thu, chi BHTN và mức độ ảnh hƣởng của các yếu tố trong hệ phƣơng trình. Sau đó, dựa trên kết quả đánh giá mối quan hệ ảnh hƣởng từ các phƣơng trình / hệ phƣơng trình, nhà nghiên cứu có thể ứng dụng vào công tác dự báo. (Các bƣớc tiến hành thực nghiệm xem phụ lục).
Để có thể áp dụng phƣơng pháp ƣớc lƣợng kinh tế Vecto tự hồi quy (VAR) trong nghiên cứu, thì chuỗi số liệu dùng cho mô hình phải đảm bảo tính dừng. Tiêu
69Phƣơng trình biểu diễn:Yt= α + ∑p β*Yt-i + ∑q γXt-i + ε Trong đó :
Yt-i: biến nội sinh, có độ trễ là p Xt-i: biến ngoại sinh có độ trễ là q α: là hằng số
Mô hình cụ thể để kiểm chứng mối quan hệ giữa các biến số:
Yt= α + β*Yt-i + γ*Xt-i + θ*∆Yt-i + δ*∆Xt-i + ε
Kiểm chứng mối quan hệ dài hạn (ARDL)
Kiểm chứng mối quan hệ ngắn hạn (VECM)
ECM: Mô hình hiệu chỉnh sai số ( Vector error correction model)
99 chuẩn ADF (Augmented Dickey – Fuller) đƣợc sử dụng để kiểm tra tính dừng của tất cả các chuỗi số liệu đƣa vào hệ phƣơng trình. Chuỗi dữ liệu đƣợc cho là dừng khi sử dụng kiểm định ADF cho kết quả trị tuyệt đối của t- thống kê (t-statistic) luôn lớn hơn giá trị tuyệt đối của t-thống kê ở mức ý nghĩa 1%, 5% và 10%. Đồng thời xác xuất xảy ra (prob*) luôn trong mức giới hạn (luôn nhỏ hơn mức ý nghĩa 1%, 5% và 10%). Chỉ khi xác định đƣợc chuỗi dừng, thì mới có thể sử dụng chính chuỗi số liệu đó làm cơ sở ƣớc lƣợng.
Bƣớc 1: Chọn khoảng trễ phù hợp. Trong phƣơng pháp ƣớc lƣợng kinh tế Vecto tự hồi quy, mỗi phƣơng trình đƣợc đo lƣờng bởi giá trị trễ của chính biến số đó và giá trị trễ của các biến số độc lập khác. Các nguyên nhân (giá trị trễ của các biến) trong khoảng thời gian khác nhau thì có ảnh hƣởng khác nhau. Có trƣờng hợp giá trị trễ ảnh hƣởng tức thì, nhƣng cũng có trƣờng hợp không ảnh hƣởng hoặc ảnh hƣởng rất nhỏ. Việc lựa chọn khoảng trễ phù hợp sẽ giúp giới hạn các biến số đƣa vào phƣơng trình và vẫn có kết quả ảnh hƣởng lớn.
Bảng 3.6Lựa chọn phương pháp kiểm định để tìm khoảng trễ phù hợp
Phƣơng pháp kiểm định Công thức Phƣơng pháp đánh giá
- Kiểm định AIC: Akaike information criterion
AIC=N Ln(SSE/N) +2p Mô hình có tiêu chuẩn thấp hơn thì được lựa chọn
- Kiểm định SC: Schwarz information criterion
SC = N Ln(SSE/N) + p * LnN
Mô hình có tiêu chuẩn thấp hơn thì được lựa chọn
- Kiểm định HQ: Hannan- Quinn information criterion
HQC = N Ln(SSE/N) + p * Ln(LnN)
Mô hình có tiêu chuẩn thấp hơn thì được lựa chọn
Trong đó: SSE là tổng bình phƣơng phần dƣ; N: cỡ mẫu; p: độ dài của trễ
Bƣớc 2: Kiểm định tính dừng của chuỗi dữ liệu thời gian
Theo Gujarati (2003) ..."một chuỗi thời gian là dừng khi giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) giữ nguyên không đổi cho dù chuỗi được xác định vào thời điểm nào đi nữa. Chuỗi dừng có xu hướng trở về giá trị trung bình và những dao động quanh giá trị trung bình sẽ là như nhau. Nói cách khác, một chuỗi thời gian không dừng sẽ có giá trị trung bình thay đổi theo thời gian, hoặc giá trị phương sai thay đổi theo thời gian hoặc cả hai"... Nếu sai phân bậc 1 của một chuỗi có tính dừng thì chuỗi ban đầu gọi là tích hợp bậc 1, ký hiệu là I(1). Tƣơng tự, nếu sai phân bậc d của một chuỗi có tính dừng thì chuỗi ban đầu gọi là tích hợp bậc d, ký hiệu là I(d). Nếu chuỗi ban đầu (chƣa lấy sai phân) có tính
100 dừng thì gọi là I(0)70. Nếu tính chất này tồn tại thì Y, X1, X2 đƣợc gọi là đồng liên kết. Kết hợp tuyến tính dừng đƣợc gọi là phƣơng trình đồng liên kết. Mục đích của kiểm định đồng liên kết là để xác định xem các chuỗi không dừng có liên kết hay không. Nếu có chứng tỏ giữa chúng có quan hệ cân bằng dài hạn hay nói cách khác kết quả hồi quy giữa Y, X1, X2 vẫn sử dụng đƣợc một cách bình thƣờng mặc dù Y, X1, X2 là ba chuỗi không dừng71.
Bƣớc 3: Kiểm định hiện tƣợng đồng liên kết
Để có thể áp dụng phƣơng pháp ƣớc lƣợng kinh tế Vecto tự hồi quy / Vecto hiệu chỉnh sai số của hệ phƣơng trình nghiên cứu, thì cần phải xác định số lƣợng các liên kết dài hạn trong tập hợp các chuỗi dữ liệu thời gian. Số phƣơng trình đồng liên kết sẽ phụ thuộc số biến trong mô hình72. Nếu mô hình có n biến thì sẽ có (n-1) phƣơng trình đồng liên kết. Khi đó, số giả thiết về số phƣơng trình đồng liên kết sẽ đƣợc thêm vào.
Theo Engle và Granger (1987) thì mô hình đồng liên kết (ARDL) và cơ chế hiệu chỉnh sai số (VECM) sẽ giải quyết đƣợc vấn đề sau:
+ Mô hình ARDL chỉ tập trung vào giải quyết những ảnh hƣởng dài hạn và chứng minh đƣợc sự hiệu quả của một phƣơng trình duy nhất (khắc phục mô hình VAR dựa trên nhiều hệ phƣơng trình).
+ Mô hình đặt ra giả định mới nhằm khắc phục những nhầm lẫn trong mô hình VAR. Sử dụng phƣơng pháp VAR có thể xảy ra hiện tƣợng “ảnh hưởng giả“ (Granger và Newbold, 1974)73. Kết quả của loại hồi quy này sẽ dẫn đến các kiểm định thống kê nhƣ t, F, R2
sẽ bị lệch. Nói một cách khác, hồi quy lệch sẽ cho kết
70
Giả định bắt buộc là ba chuỗi Y, X1, X2 là các chuỗi không dừng. Tuy nhiên, theo Engle và Granger