của các nước Đông Á
Trong đề tài này, nhóm nghiên cứu sử dụng phương pháp dữ liệu bảng để ước lượng mối quan hệ giữa các dòng vốn vào đến tỷ giá thực của các nước Đông Á. Trong đó, nghiên cứu sử dụng dữ liệu bảng tĩnh Tác động cố định FEM và dữ liệu bảng động moment tổng quát dạng hệ thống.
Phương pháp ước lượng hiệu ứng cố định (FEM) cho phép kiểm soát tính không đồng nhất không quan sát được của các biến. Nghiên cứu giả định hệ số dốc không đổi nhưng hệ số chặn thay đổi theo các đơn vị chéo. Phương pháp này đơn giản và trực quan, nhưng nó có thể dẫn đến "bảng năng động sai lệch” nếu các biến trễ có tính nội sinh tức các biến độc lập tương quan với phần dư. Vấn đề này có thể tránh được bằng cách sử dụng phương pháp GMM do chuyển dữ liệu thành sai phân bậc 1 để loại bỏ các yếu tố tác động cố định vì nó sử dụng các mức độ trễ của các biến là công cụ. Phương pháp GMM hệ thống sẽ giúp giải quyết vấn đề tính nội sinh của các biến và khắc phục các khuyết tật khác của mô hình nghiên cứu (Bundell & Bond, 2000). Có hai vấn đề quan trọng tiềm ẩn lin quan đến thành phần sai số trong một mô hình dữ liệu bảng. Đó là sự tương quan giữa các biến giải thích với tác động riêng lẻ và sự tương quan giữa các biến giải thích với thành phần sai số nhiễu. Sự tồn tại của 1 trong 2 (hoặc cả 2) vấn đề này làm cho kết quả ước lượng của OLS sẽ bị chệch hoặc không hiệu quả.
Với các phương trình trên khi đưa vào các biến trễ thì ước lượng theo Hiệu ứng cố định FEM sẽ bị chệch khi mô hình có chuỗi thời gian T của dữ liệu bảng nhỏ (Judson and Owen, 1999). Nickell (1981) và Kiviet (1995) giải thích rằng các hệ số hồi quy sẽ không chệch khi T tiến đến vô cùng. Nghĩa là FEM chỉ cho kết quả tốt khi chuỗi thời gian của dữ liệu bảng lớn. Do đó, có một số vấn đề sau phát sinh khi tiến hành ước lượng các phương trình trên đó là: (i) Các biến có thể được xem là nội sinh. Bởi vì mối quan hệ nhân quả có thể xảy ra theo hai chiều hướng: từ các biến giải thích đến biến được giải thích và ngược lại. Việc hồi qui các biến này có thể dẫn đến sự tương quan với sai số, tức xảy ra hiện tượng nội sinh làm chệch kết quả; (ii) Tác động cố định hàm
30
chứa sai số trong phương trình trên bao gồm tính đặc thù của các biến không quan sát được và sai số đặc thù quan sát được; (iii) Sự hiện diện của biến trễ trong phương trình sẽ dẫn đến hiện tượng tự tương quan và (iv) Dữ liệu bảng trong các nghiên cứu thường có thời gian ngắn (T ngắn) và mảng không gian lớn (N lớn).
Phương pháp GMM ban đầu (Hansen 1982) dựa trên ước lượng hợp lý cực đại MLE (Maximum Likelihood Estimation) của Fisher. Bên cạnh đó, GMM cho phép giải quyết những bài toán mà ở đó MLE cổ điển chịu bất lực và số bài toán này trong kinh tế lại rất nhiều. Hansen đã xây dựng nên những ước lượng có đủ các tính chất thống kê tốt như tính nhất quán, tính tiệm cận phân phối chuẩn, tính hiệu quả. Tuy nhiên, theo Blundell và Bond (1998), những các ước lượng trên sẽ gặp vấn đề biến đại diện yếu khi các hệ số tiến đến 1. Khi hệ số = 1 thì các điều kiện moment là hoàn toàn không có liên hệ gì với các tham số thực và bản chất hành vi của các ước lượng phụ thuộc vào thời gian T. Để giải quyết vấn đề này từ phương pháp GMM ban đầu, các học giả đã cải tiến lên nhiều phiên bản GMM phù hợp hơn với các nghiên cứu thực nghiệm. Đáng chú ý nhất là hai phương pháp GMM sai phân do Arellano và Bond (1995) xây dựng dựa trên các nghiên cứu trước đó của Anderson và Cheng (1982), Holtz-Eakin và ctg (1988) và phương pháp GMM hệ thống do Blundell và Bond (1998) xây dựng dựa trên ý tưởng của Arellano và Bover (1995) bằng cách bổ sung thêm một số ràng buộc vào GMM sai phân.
Ngoài ra, phương pháp GMM còn khai thác dữ liệu gộp của bảng và không ràng buộc độ dài chuỗi dữ liệu thời gian của các đơn vị bảng trong bảng dữ liệu. Điều này cho phép sử dụng một cấu trúc trễ thích hợp để khai khác đặc tính năng động của dữ liệu. Tuy nhiên, giới hạn của mô hình là với mẫu có thời gian ngắn và tính bền vững cao thì tính chính xác của ước lượng thấp (Blundell và Bond, 1998). Để khắc phục vấn đề này, phương pháp GMM hệ thống được sử dụng vì nó thực hiện ước lượng tốt hơn GMM sai phân với các mẫu nhỏ và tính bền vững cao. Nó dùng sai phân có độ trễ của các biến tiên liệu như các biến công cụ và các sai phân của các biến ngoại sinh nghiêm ngặt (Blundell và Bond, 1998; Roodman, 2009). Đồng thời, nghiên cứu áp dụng GMM hai bước vì sẽ cho kết quả tốt hơn một bước nếu xảy ra tương quan chuỗi hoặc phương
31
sai sai số thay đổi ở các thành phần chuỗi. Theo Windmeijer (2005), GMM hai bước sẽ sử dụng phương pháp điều chỉnh ma trận phương sai –hiệp phương sai.
Để tiến hành kiểm định bằng GMM, biến được công cụ và biến công cụ được phân biệt. Nếu các biến được dự đoán là nội sinh (tương đương với ngoại sinh không nghiêm ngặt) thì sắp xếp vào nhóm biến được công cụ theo tiếp cận GMM và khi đó chỉ có giá trị trễ của các biến này mới là các công cụ phù hợp (Judson vả Owen, 1996). Nếu các biến giải thích được xác định là ngoại sinh nghiêm ngặt cũng như các biến công cụ được thêm vào thì xếp vào nhóm biến công cụ. Các biến được cho ngoại sinh nghiêm ngặt thì giá trị hiện tại và giá trị trễ của chúng đều là các công cụ thích hợp.
Tóm lại, các ước lượng GMM sẽ thích hợp sử dụng trong các trường hợp: (i) Dữ liệu bảng có T nhỏ, N lớn; (ii) Tồn tại mối quan hệ tuyến tính giữa biến phụ thuộc với các biến giải thích; (iii) Mô hình động với một hoặc 2 vế của phương trình có chứa biến trễ; (iv) Các biến độc lập không phải là một biến ngoại sinh ngặt, nghĩa là chúng có thể tương quan với các phần dư (hiện tại hoặc trước đó) hoặc tồn tại biến nội sinh trong mô hình; (v) Tồn tại vấn đề phương sai thay đổi hoặc tự tương quan ở các sai số đo lường; (vi) Tồn tại các tác động cố định riêng rẻ; (vii) Tồn tại phương sai thay đổi và tự tương quan trong mỗi đối tượng (nhưng không tồn tại giữa các đối tượng).
Kiểm định Sargan hay Hansen xác định tính chất phù hợp của các biến công cụ trong ước lượng GMM. Đây là kiểm định giới hạn về nội sinh của mô hình. Kiểm định Sargan với giả thuyết Ho biến công cụ là ngoại sinh, nghĩa là không tương quan với sai số của mô hình. Để kiểm tra sự tương quan có giả thuyết Ho: không tự tương quan, kiểm định Arellano-Bond áp dụng cho các số dư sai phân.
