3 - 23.76338 4.36e+25 67.54527 68.52447 67.93326*
4 -
2253.740 * 20.70517 3.93e+25* 67.43352* 68.70648 67.93791
Nguồn: Tính toán bằng EViews 8 của tác giả
Dựa trên kết quả kiểm định tính dừng theo ADF được trình bày tại Bảng 4.1,
tất cả các biến thời gian được sử dụng đều có nghiệm đơn vị tại mức ý nghĩa 10%, tức là các chuỗi thời gian này không dừng tại bậc gốc. Khi bắt đầu lấy sai phân bậc 1, với mức ý nghĩa được sử dụng là 10% tác giả có thể kết luận rằng các biến được đưa vào mô hình đều là chuỗi dừng. Do đó, ta kết luận rằng các chuỗi dữ liệu thu thập
được có bậc tích hợp là 1 nên đáp ứng điều kiện sử dụng cho việc hồi quy bằng mô hình VECM.
4.2. Lựa chọn độ trễ tối ưu
Trong mô hình VECM, biến phụ thuộc được xem xét thông qua tác động ngắn
hạn giữa sai phân bậc 1 của tất cả các biến được đưa vào mô hình theo k bậc trễ và tác động dài hạn được xem xét qua hệ số điều chỉnh ngắn hạn. Do đó, để xác định được bậc trễ k để đưa vào mô hình, ta cần phải đi kiểm tra độ trễ tối ưu thông qua mô
hình VAR với sai phân bậc 1 của các biến.
Ket quả tại Bảng 4.2 cho thấy trong mô hình 1, độ trễ tối ưu theo tiêu chuẩn thông tin LR, FPE và AIC đều chỉ ra là 4, trong khi đó thì tiêu chuẩn thông tin HQ lại kết luận là 3 và SC kết luận là 2. Do đó, để lựa chọn chính xác độ trễ đưa vào mô hình để đem lại kết quả ước lượng tốt nhất. Tác giả cần tiến hành các bước tiếp theo ở cả 3 độ trễ mà các tiêu chí lựa chọn, kết quả thu được cho thấy độ trễ tối ưu để đem
lại các ước lượng đảm bảo được sự phù hợp của mô hình và có ý nghĩa thống kê của các biến số giải thích là 2. Do đó ở các bước tiếp theo tác giả sẽ trình bày kết quả ước
lượng tại độ trễ tối ưu là 2.
Bảng 4.2 Kết quả lựa chọn độ trễ tối ưu mô hình 1
VAR Lag Order Selection Criteria
Endogenous variables: D(GDP_SA) D(MS) D(FISDE_SA) Exogenous variables: C
Date: 12/11/20 Time: 16:43 Sample: 2002Q2 2020Q2 Included observations: 68
3 -2465.936 53.87925* 2.38e+26* 74.88047* 77.49165 75.91510 4 -2443.461 31.06783 2.72e+26 74.95475 78.38193 76.31270
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Data
Trend: None None Linear Linear Quadratic Test
Type No InterceptNo Trend InterceptNo Trend No TrendIntercept InterceptTrend InterceptTrend
Trace 3 3 2 2 1
Max-Eig 3 3 2 2 1
*Critical values based on MacKinnon-Haug-Michelis (1999) Information Criteria by Rank and Model Data
Trend: None None Linear Linear Quadratic
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Nguồn: Tính toán bằng EViews 8 của tác giả
Tương tự với kết quả ở mô hình 1, các tiêu chuẩn để so sánh lựa chọn độ trễ tối ưu ở mô hình 2 được trình bày ở Bảng 4.3 là không thống nhất, các tiêu chuẩn chỉ
ra 2,3 hoặc 4 có thể là độ trễ phù hợp. Do đó tác giả cũng tiến hành hồi quy và kiểm định tại các độ trễ được lựa chọn theo các tiêu chuẩn và cho thấy độ trễ tối ưu của mô
hình là 2.
Bảng 4.3 Kết quả lựa chọn độ trễ tối ưu mô hình 2
VAR Lag Order Selection Criteria
Endogenous variables: D(GDP_SA) D(IRD) D(REER) D(CRE_SA) D(FISDE_SA) Exogenous variables: C
Date: 12/11/20 Time: 16:41 Sample: 2002Q2 2020Q2 Included observations: 68
Nguồn: Tính toán bằng EViews 8 của tác giả
4.3. Kiểm định đồng liên kết
Để xác định số lượng đồng liên kết trong mỗi mô hình, ta cần xác định đúng dạng hàm quan hệ giữa các biến trong ngắn và dài hạn trong việc có sự tồn tại biến xu hướng và hệ số chặn trong mô hình VAR và mô hình đồng liên kết hay không. Kết
quả theo phương pháp kiểm định của Johansen và Juselius đề xuất được trình bày tại
Bảng 4.4 và Bảng 4.5.
Bảng 4.4 Kết quả kiểm định số lượng vector đồng liên kết mô hình 1
Date: 12/11/20 Time: 16:50 Sample: 2002Q2 2020Q2 Included observations: 70 Series: GDP_SA MS FISDE_SA Lags interval: 1 to 2
1 - 2335.375 -2334.068 -2326.711 -2322.690 -2312.967 2 - -2325.886 -2318.595 -2311.258 - 3 - -2318.460 -2318.460 -2308.095 - 0 67.8389 67.83892 67.65506 67.65506 67.46259 1 67.4107 67.40194 67.24888 67.16257 66.94191* 2 67.3585 3 67.36818 67.18842 67.03593 66.97427 3 67.3845 3 67.35600 67.35600 67.14556 67.14556 0 68.4171 68.41710 68.32960 68.32960 68.23350 1 68.1816 68.20497 68.11616 68.06197 67.90555 2 68.3221 68.39607 68.24842 68.16018 68.13064 3 68.5409 0 68.60873 68.60873 68.49465 68.49465 Data
Trend: None None Linear Linear Quadratic Test
Type No InterceptNo Trend InterceptNo Trend No TrendIntercept InterceptTrend InterceptTrend
Trace 3 2 2 2 1
Max-Eig 2 2 2 2 1
*Critical values based on MacKinnon-Haug-Michelis (1999) Information Criteria by Rank and Model Data
Trend:
None None Linear Linear Quadratic
Akaike Information Criteria by Rank (rows) and Model (columns)
Schwarz Criteria by Rank (rows) and Model (columns)
Nguồn: Tính toán bằng EViews 8 của tác giả
Kết quả ở Bảng 4.4 cho thấy các tiêu chuẩn thông tin AIC và SC đều lựa chọn
mô hình số 5 là phù hợp với mối quan hệ giữa CSTT và CSTK đến TTKT. Theo đó trong mô hình VAR và mô hình đồng liên kết đều có hệ số chặn và biến xu hướng. Ngoài ra, kết quả kiểm định theo phương pháp Trace và Max-Eig cho kết quả thống nhất với nhau về việc giữa các biến sử dụng trong mô hình có tồn tại một mối quan hệ đồng liên kết, điều này cho phép chúng ta sử dụng mô hình VECM thay vì mô hình VAR.
Bảng 4.5 Kết quả kiểm định số lượng vector đồng liên kết mô hình 2
Date: 12/11/20 Time: 16:56 Sample: 2002Q2 2020Q2 Included observations: 70
Series: GDP_SA IRD REER CRE_SA FISDE_SA Lags interval: 1 to 2
2555.518 2 - -2536.709 -2531.705 -2526.306 -2521.469 3 - -2528.893 -2523.891 -2517.866 -2515.498 4 - -2522.727 -2520.821 -2511.956 -2511.423 5 - 2528.360 -2520.727 -2520.727 -2509.014 -2509.014 0 75.2161 75.21618 75.15754 75.15754 74.99897 1 74.7290 74.75419 74.67989 74.55426 74.36824 2 74.6150 74.53453 74.47729 74.38018 74.32768* 3 74.6957 74.62552 74.53975 74.45330 74.44280 4 74.8540 74.76363 74.73775 74.59874 74.61209 5 75.0959 9 75.02076 75.02076 74.82897 74.82897 0 76.8222 76.82224 76.92422 76.92422 76.92625 1 76.6563 76.71359 76.76778 76.67427 76.61674 2 76.8635 76.84727 76.88639 76.85353 76.89739 3 77.2654 77.29159 77.27007 77.27998 77.33372 4 77.7449 77.78303 77.78928 77.77876 77.82423 5 78.3081 3 78.39350 78.39350 78.36232 78.36232
Log Likelihood by Rank (rows) and Model (columns)
Akaike Information Criteria by Rank (rows) and Model (columns)
kết [-12.7307] [-9.04798]
Nguồn: Tính toán bằng EViews 8 của tác giả
Tương tự với kết quả về số lượng vector đồng liên kết tồn tại ở mô hình 1,
Bảng 4.5 cho thấy giữa các biến đại diện cho cơ chế truyền dẫn của CSTT và tác động
của CSTK đến TTKT có mối quan hệ trong dài hạn. Điều này được thể hiện qua sự thống nhất của kết quả kiểm định đồng liên kết Trace và Max-Eig và đều chỉ ra chỉ tồn tại một vector đồng liên kết giữa các biến trong dài hạn. Không những vậy, kết quả lựa chọn mô hình dựa trên các tiêu chuẩn thông tin thì AIC và SC đều lựa chọn mô hình 5, tồn tại hệ số chặn và biến xu thế trong cả mô hình VAR và mô hình đồng liên kết.
Kết quả kiểm định hai mô hình đều cho kết quả tồn tại mối quan hệ dài hạn giữa các biến thông qua duy nhất một vector đồng liên kết. Điều này càng củng cố thêm độ tin cậy cho mô hình được sử dụng khi các kênh truyền dẫn được thay thế cho
biến đại diện cho CSTT không làm thay đổi kết quả về mối liên hệ giữa CSTT và CSTK đến TTKT.
4.4. Mô hình vectơ hiệu chỉnh sai số VECM
lượng của các biến độc lập đến biến phụ thuộc. Các số nằm trong dấu ngoặc tròn “( ) ” là sai số chuẩn của hệ số ước lượng, các số nằm trong dấu ngoặc vuông “[] ” là trị thống kê t (t-statistic) của hệ số ước lượng.
Phương trình đồng liên kết ở mô hình 1 được viết thành:
GDP-SA = 299160.4 + 6182.61 * trend + 0.031586 * MS + 2.173687 * /'7SD∕CS4 + et
Hệ số hồi quy của cung tiền và thâm hụt ngân sách được trình bày trong Bảng 4.6 đều có ý nghĩa thống kê ở mức ý nghĩa 1%, tức là tác giả có đủ cơ sở để bác bỏ giả thuyết H0 về việc hệ số hồi quy của cung tiền và thâm hụt ngân sách là bằng không. Như vậy, ở đây đề tài đã nhận được câu trả lời đầu tiên về mối quan hệ giữa CSTT và CSTK đến TTKT. Trong dài hạn, việc mở rộng CSTT có tác động tích cực đến TTKT đồng thời với đó là việc mở rộng CSTK cũng làm cho TTKT gia tăng. Như vậy, kết quả thực nghiệm cho thấy chiều hướng tác động của từng chính sách đến TTKT phù hợp với lý thuyết, kết quả cũng tương đồng với một số nghiên cứu của các tác giả như Sayera Younus (2012), Emmanuel Dodzi K. Havi và Patrick Enu (2014), Hu"seyin ιSen và Ayιse Kaya (2015).
Về mặt độ lớn, khi lượng cung tiền trong nền kinh tế tăng thêm 1 nghìn tỷ đồng thì tổng sản phẩm quốc nội tăng thêm 31.586 tỷ đồng trong khi mức thâm hụt ngân sách tăng thêm 1 nghìn tỷ đồng thì tổng sản phẩm quốc nội tăng thêm 2,173.687
liên (1773.39) (738.564) (0.00641) (0.45339)
kết và thâm hụt ngân sách, CSTK có hiệu quả hơn CSTT. Tuy nhiên, cung tiền và thâmhụt ngân sách có cùng đơn vị tính nên về cơ bản hệ số ước lượng có thể được sử[ 4.35992] [ 0.48030] [-4.58899] [-8.98387] dụng
để đánh giá yếu tố nào có tác động lớn hơn nhưng sự biến động của những biến này bị ràng buộc về khả năng thay đổi, tức là việc gia tăng thêm 1 tỷ cung tiền có thể khó
khăn hơn so với việc gia tăng thêm 1 tỷ thâm hụt ngân sách. Do đó, để so sánh mức độ tác động của CSTT và CSTK đến TTKT trong dài hạn, ta cần phải chuẩn hóa các hệ số ước lượng. Để thu được kết quả chuẩn hóa của hệ số hồi quy, Jeffrey M.Wooldridge (2012) chỉ ra rằng có thể thu được bằng cách điều chỉnh cho phương sai ước lượng của biến độc lập và biến phụ thuộc: bl= (σl∕(iy) * /Z1. Bằng cách điều chỉnh này, ta thu được hệ số ước lượng chuẩn hóa của cung tiền và thâm hụt ngân sách lần lượt là 0.502539 và 0.299508. Như vậy tác giả có thể kết luận rằng khi CSTT
mở rộng được thể hiện qua việc cung tiền tăng thêm 1 độ lệch chuẩn thì tác động của nó đến TTKT mạnh hơn so với việc mở rộng CSTK khi thâm hụt ngân sách tăng thêm
1 độ lệch chuẩn. Như vậy, ta kết luận được trong dài hạn thì CSTT có tác động mạnh hơn đến TTKT trong tương quan với CSTK.
Về hệ số điều chỉnh sai số trong ngắn hạn (α) trong phương trình ( 3.1 ), kết quả thu được hệ số là - 0.06798 với giá trị thống kê t là -2.36243, P-value là 0.0214 (xem Phụ lục 1). Như vậy, với mức ý nghĩa được áp dụng là 10%, việc bác bỏ giả thuyết về hệ số điều chỉnh sai số trong ngắn hạn bằng 0 là có cơ sở. Như vậy, sự mất cân bằng trong dài hạn giữa CSTT và CSTK đến TTKT sẽ được điều chỉnh trong ngắn hạn. Cụ thể, khi một cú sốc phát sinh làm cho cân bằng dài hạn không tồn tại và
sự mất cân đối là dương 1 đơn vị, thì trong ngắn hạn, sự chênh lệch này sẽ được điều chỉnh giảm 0.06798 đơn vị trong điều kiện không xảy ra thêm cú sốc khác sau 1 quý.
Tuy nhiên, hệ số điều chỉnh này khá thấp nên sự mất cân đối trong dài hạn cần khoảng
thời gian rất dài để điều chỉnh, hơn 3.5 năm.
Ta sẽ cùng nhau đi phân tích hiệu quả của từng kênh truyền dẫn CSTT qua các
hệ số ước lượng thu được ở mô hình 2 và được trình bày ở Bảng 4.7.
) ” là sai số chuẩn của hệ số ước lượng, các số nằm trong dấu ngoặc vuông “[] ” là trị thống kê t (t-statistic) của hệ số ước lượng. Dấu (*), (**) và (***) thể hiện hệ số thống kê có ý nghĩa ở các mức ý nghĩa lần lượt là 1%, 5% và 10%.
Phương trình đồng liên kết ở mô hình 2 được viết thành:
GDP-SA = 383486.8 + 8303.503 * trend - 7731.83 * IRD - 354.7332 * REER
+ 0.029418 * CRE-SA + 4.073239 * /'ISDE-S4 + et
Các hệ số hồi quy của lãi suất tiền gửi, tín dụng trong nền kinh tế và thâm hụt ngân sách đều có ý nghĩa thống kê và kinh tế ở mức ý nghĩa 1% trong khi đó thì tỷ giá hối đoái thực không có ý nghĩa thống kê ở mức ý nghĩa 10%. Do tâm lý của người
dân nước ta vẫn còn quan niệm rằng “hàng nhập khẩu luôn có chất lượng cao hơn hàng sản xuất trong nước” nên khi giá cả hàng hóa nhập khẩu trở nên đắt đỏ hơn so với hàng hóa trong nước thì người dân vẫn sử dụng phần lớn thu nhập của mình để mua hàng nhập khẩu. Chính tâm lý “sính ngoại” này đã làm cho kênh truyền tải CSTT
qua kênh tỷ giá, ảnh hưởng đến lượng hàng xuất nhập khẩu không còn hiệu quả. Bên cạnh đó, hiện tượng trung chuyển tỷ giá không hoàn toàn cũng góp phần làm mất hiệu
lực của CSTT thông qua kênh tỷ giá khi sự thay đổi của tỷ giá không được chuyển hết vào sự thay đổi của hàng hóa nhập khẩu và xuất khẩu. Tức là nhà nhập khẩu chấp nhận biên lợi nhuận thấp hơn để giữ vững thị phần trong khi nhà xuất khẩu giữ giá xuất khẩu cao để thu về lợi nhuận nhiều hơn khi tỷ giá tăng.
Ở mô hình 2 này, xu hướng tác động của CSTK đến TTKT vẫn không đổi, điều này một lần nữa cho thấy sự ổn định của kết quả mô hình ước lượng được sử
D(MS) 0.722416dụng. về kênh lãi suất, khi lãi suất tiết kiệm giảm 1% thì GDP sẽ tăng 7,731.83 tỷ2 0.6968 đồng. Tức là lãi suất có tác động ngược chiều đến TTKT, vì khi lãi suất tiền gửi giảm
thì việc nắm giữ tiền không còn hấp dẫn trong dân chúng do khả năng sinh lợi của nó
kém hơn, do đó họ sử dụng các nguồn lực mình đang có để đầu tư vào các phương án khác có tiềm năng sinh lợi cao hơn. Không những vậy, chi phí của việc sử dụng tiền để mua sắm, chi tiêu trong giai đoạn này sẽ có ít chi phí cơ hội hơn khi khả năng sinh lợi của đồng tiền từ việc tiết kiệm đã giảm. Lãi suất tiền gửi giảm sẽ phát tín hiệu
cho lãi suất cho vay giảm để đảm bảo tính cạnh tranh giữa các ngân hàng, lúc này chi
phí sử dụng vốn của doanh nghiệp sẽ giảm theo, kết quả là đầu tư tăng, sản lượng tăng. Về kênh tín dụng, khi mức tín dụng trong nền kinh tế tăng 1,000 tỷ đồng thì tổng sản phẩm trong nước tăng 29.418 tỷ đồng. Như vậy, mức tín dụng trong nền kinh tế có tác động cùng chiều với TTKT. Khi mức tín dụng trong nền kinh tế tăng, tức là nhu cầu vốn của doanh nghiệp được đáp ứng nhiều hơn trong khi các yếu tố khác không đổi (điển hình như lãi suất) sẽ làm gia tăng nguồn vốn đầu tư của doanh nghiệp. Khi này, với mức chi phí sử dụng vốn hiện hữu, nhà đầu tư có thể huy động vốn nhiều hơn để đáp ứng nhu cầu đầu tư mới và mở rộng sản xuất kinh doanh nên sản lượng thực sẽ gia tăng theo.
Như vậy, với CSTT mở rộng được thực hiện thông qua việc giảm lãi suất và tăng mức tín dụng trong nền kinh tế, đặc biệt là tín dụng ngân hàng thì TTKT sẽ gia tăng. Để đánh giá kênh truyền dẫn nào có tác động mạnh hơn đến TTKT, ta tiến hành
đi xem xét hệ số hồi quy chuẩn hóa. Hệ số hồi quy chuẩn hóa của lãi suất và tín dụng
trong nền kinh tế lần lượt là 0.119486 và 0.415596, điều này cho thấy kênh lãi suất