CHƯƠNG 3 : DỮ LIỆU VÀ PHƯƠNG PHÁP
3.3. Phương pháp nghiên cứu
3.3.1. Kiểm tra tính dừng
Để kiểm tra tính dừng của chuỗi dữ liệu tăng trưởng kinh tế và thành quả thị trường chứng khoán, tác giả sử dụng các thủ tục kinh tế lượng để kiểm định tính dừng của các chuỗi dữ liệu nghiên cứu bao gồm GDP, VNI và CPI. Thủ tục được tiến hành bằng phương pháp kiểm định Augmented Dickey-Fuller (Dickey và Fuller, 1979), Phillips-Perron (Phillips và Perron, 1988) và KPSS (Kwiatkowski và cộng sự, 1992). Tất cả các phương pháp này được sử dụng để kiểm tra xem dữ liệu có chứa nghiệm đơn vị hay khơng. Chuỗi dữ liệu theo thời gian dừng nếu trung bình, phương sai và hiệp phương sai không thay đổi theo thời gian. Bất kỳ chuỗi dữ liệu nào khơng có đặc tính trên điều là chuỗi không dừng. Một chuỗi dữ liệu được gọi là được đồng liên kết theo thứ tự ký hiệu là I (d), có nghĩa là sai phân bậc “d” trước khi trở thành chuỗi dừng. Mặt khác, nếu một chuỗi gốc dừng mà khơng cần lấy sai phân thì được ký hiệu là I (0). Điều rất cần thiết là áp dụng các kiểm tra nghiệm đơn vị cho từng chuỗi dữ liệu riêng lẻ để đưa đến kết luận rằng liệu các biến có đồng liên kết với cùng một thứ tự hay không, nếu thứ tự đồng liên kết giống nhau cho toàn bộ các biến thì luận văn có thể tìm thấy mối quan hệ trong ngắn hạn và dài hạn của các biến bằng cách sử dụng mơ hình kiểm tra đồng liên kết và sử dụng mơ hình hiệu chỉnh sai số. Do đó, nếu thứ tự đồng liên kết khơng giống nhau cho tất cả các biến thì khơng thể sử dụng phương pháp trên (kiểm tra đồng liên kết và mơ hình hiệu chỉnh sai số) cho phân tích. Trong trường hợp của cả hai kiểm định ADF và PP, giả thuyết nghiên cứu H0 là chuỗi không dừng được kiểm tra với giả thuyết thay thế H1 là chuỗi dừng.
Đối với kiểm định ADF có quy trình tự hồi quy AR (1) như sau:
𝑦𝑡 = 𝜌𝑦𝑡−1+ 𝑥𝑡𝜎 + 𝜀𝑡 (3.1)
Trong đó, 𝑦𝑡 là biến quan sát và 𝑥𝑡 là biến hồi quy ngoại sinh bao gồm hằng số hoặc hằng số và xu hướng. 𝜌 và 𝜎 là các tham số ước tính, 𝜀𝑡 được giả định là nhiễu trắng (white noise) hay sai số. Nếu |𝜌| ≥ 1, y là một chuỗi không dừng, phương sai của y tăng theo thời gian và tiến tới vô hạn. Trừ cả hai về phương trình trên với 𝑦𝑡−1, phương trình mới là:
∆𝑦𝑡 = 𝛼𝑦𝑡−1+ 𝑥𝑡𝜎 + 𝜀𝑡 (3.2)
Với 𝛼 = 𝜌 − 1. Giả thuyết H0 và giả thuyết H1 được trình bày như sau:
H0: α = 0 (yt có nghiệm đơn vị)
H1: α < 0 (yt là chuỗi dừng)
và có thể đánh giá bằng cách sử dụng hệ số thống kê t
𝑡𝛼 = 𝛼̂ 𝑠𝑒(𝛼̂)
Với 𝛼̂ là ước tích của α và 𝑠𝑒(𝛼̂) là hệ số sai số chuẩn. Phương trình trên chỉ có giá trị nếu chuỗi là một q trình AR (1), nếu khơng chuỗi tương quan ở độ trễ bậc cao hơn, thì giả định nhiễu trắng bị vi phạm. Do đó, kiểm định ADF xây dựng một hiệu chỉnh tham số cho tương quan bậc cao hơn bằng cách giả sử rằng chuỗi dữ liệu y tuân theo quy trình AR (p) và p là sai phân của biến phụ thuộc y vào phía bên phải của phương trình hồi quy kiểm tra:
∆𝑦𝑡 = 𝛼𝑦𝑡−1+ 𝑥𝑡𝜎 + 𝛽1 𝑦𝑡−1+ ⋯ + 𝛽𝑝 𝑦𝑡−𝑝+ 𝑣𝑡 (3.3)
Thơng số gia tăng sau đó được sử dụng để kiểm tra giả thuyết không ở trên bằng cách sử dụng thống kê t. Do đó, luận văn sử dụng các giá trị tới hạn MacKinnon (MacKinnon, 1996) cho kiểm tra ADF đã được chứng minh rằng các kiểm định ADF rất nhạy cảm với việc lựa chọn độ dài độ trễ. Vì vậy, luận văn tiến hành xác định độ dài độ trễ thích hợp bằng cách sử dụng tiêu chí thơng tin Schwarz (SIC).
Kiểm định Phillips-Perron (1988) kết hợp một phương pháp thay thế (khơng tham số) để kiểm sốt tương quan chuỗi khi kiểm tra nghiệm đơn vị bằng cách ước tính phương trình non-Augmented Dickey-Fuller và sửa đổi thống kê t của hệ số α sao cho tương quan chuỗi không ảnh hưởng đến phân phối tiệm cận của thống kê kiểm định. Các kiểm định PP:
𝑡̃ = 𝑡𝛼 𝛼(𝛾0 𝑓0)
1/2− 𝑇(𝑓0− 𝛾0)( 𝑠𝑒(𝛼̂)) 2𝑓01/2𝑠
Trong đó, 𝛼̂ ước tính, 𝑡𝛼 là thống kê t của α, 𝑠𝑒(𝛼̂) là hệ số sai số chuẩn, s là sai số chuẩn của hồi quy kiểm tra và 𝛾0 là ước tính phù hợp của sai số phương sai trong phương trình (3.1) được tính (T-k)s2/T tại k là số hồi quy, sau đó 𝑓0 là ước lượng phần dư bằng khơng. Thống kê t sử dụng giống như kiểm định ADF đối với phân phối tiệm cận của kiểm định PP. Luận văn sử dụng giá trị p-value cho kiểm định này theo Mackinnon (1996).
Kiểm định KPSS (Kwiatkowski và các cộng sự, 1992) khác với kiểm tra nghiệm đơn vị ở trên trong đó chuỗi y được giả định chuỗi dừng ở giả thuyết không và giả thuyết thay thế là chuỗi không dừng. Kiểm định KPSS dựa trên phần dư từ hồi quy OLS của 𝑦𝑡 trên các biến ngoại sinh 𝑥𝑡:
𝑦𝑡 = 𝑥𝑡𝛿 + 𝑢𝑡 (3.4)
Thống kê LM có thể được định nghĩa là:
𝐿𝑀 = ∑𝑆(𝑡)
2 𝑇2𝑓0 𝑡
Với 𝑓0 là ước tính phần dư có tần số 0 và s(t) là hàm số tích lũy phần dư:
𝑆(𝑡) = ∑ 𝑢̂𝑟 𝑡
𝑟=1
Dựa trên phần dư 𝑢̂ = 𝑦𝑟 𝑡 − 𝑥𝑡𝛿̂. Giá trị tới hạn của kiểm tra LM dựa trên kết quả của Kwiatkowski và các cộng sự.