Ký hiệu
biến Nội dung của biến Đơn vị
Nguồn số liệu
SE Là tỉ lệ phần trăm của khu vực kinh tế phi
chính thức so với khu vực chính thức Tỉ lệ % IMF
LnFDI
Là lượng vốn FDI chính thức mà Việt Nam thu hút được qua các năm. Dữ liệu được lấy logarit.
Triệu USD UNCTAD
HC Chỉ số chất lượng “vốn con người” Điểm số FRED Dữ liệu bị giới hạn trong khoảng thời gian từ 1991-2015 do các số liệu về quy mô kinh tế ngầm của các quốc gia được công bố lần đầu tiên vào năm 1991, trước đó chưa có dữ liệu. Nhưng dữ liệu sau năm 2015 cần thêm thời gian để kiểm định, nên cũng chưa được cơng bố. Những giới hạn này nằm ngồi mong muốn của tác giả.
Mô tả biến:
Biến đại diện cho quy mô kinh tế ngầm (ký hiệu là SE) là tỉ lệ % của khu
vực kinh tế phi chính thức so với khu vực kinh tế chính thức (được thể hiện bằng tổng sản phẩm quốc nội GDP) cho kinh tế Việt Nam. Hầu hết các nghiên cứu thực nghiệm như Smith (1994); Anno & Schneider (2004); Dreher và cộng sự (2008) đều sử dụng trực tiếp chỉ số này trong các nghiên cứu của họ về kinh tế ngầm.
Biến đại diện cho đầu tư trực tiếp nước ngoài (ký hiệu LnFDI) là tổng số
vốn FDI mà Việt Nam thu hút được qua các năm. Khi phân tích tác động của đầu tư trực tiếp nước ngoài đến tăng trưởng kinh tế hay quy mô kinh tế ngầm, các nhà
nghiên cứu có thể sử dụng tổng số FDI thực hiện hoặc tổng số FDI đăng ký làm biến đại diện. Tổng số FDI đăng ký sẽ thể hiện tốt hơn sự tin tưởng/kỳ vọng/đánh giá của các nhà đầu tư nước ngoài vào chất lượng thể chế. Do vậy trong luận văn này tác giả sử dụng tổng vốn FDI đăng ký.
Biến đại diện cho chất lượng thể chế phi chính thức (ký hiệu là HC). Theo
North (1990) thì chất lượng thể chế phi chính thức có thể được biểu hiện thông qua: Tôn giáo, văn hóa, niềm tin xã hội hay chất lượng “vốn con người” (có thể hiểu theo nghĩa khác là trình độ dân trí). Do vậy trong nghiên cứu này, tác giả sử dụng chỉ số chất lượng “vốn con người” được tính bình qn cho mỗi cá nhân làm biến đại diện cho chất lượng thể chế phi chính thức. Chỉ số này được FRED công bố hàng năm dựa trên những đánh giá từ cơ hội tiếp cận với giáo dục, y tế, bảo hiểm, an sinh xã hội của người dân. Quốc gia nào có chỉ số này cao, chứng tỏ người dân của quốc gia đó có nhiều cơ hội để phát triển và hồn thiện bản thân.
Trên cơ sở các nghiên cứu thực nghiệm của Hesam Nikopour và cộng sự (2009); Anno & Schneider (2004) kỳ vọng tác động có thể được phát biểu dưới dạng giả thuyết như sau:
Giả thuyết 1: Thu hút đầu tư trực tiếp nước ngồi FDI có tác động cùng chiều
với quy mô kinh tế ngầm tại Việt Nam. Tức là thu hút FDI tăng lên, sẽ làm quy mô kinh tế ngầm của Việt Nam tăng lên.
Giả thuyết 2: Chất lượng thể chế phi chính thức có tác động ngược chiều với
quy mơ kinh tế ngầm. Theo đó, chất lượng “vốn con người” của người dân càng cao thì họ sẽ từ bỏ khu vực kinh tế ngầm và tham gia nhiều hơn vào khu vực kinh tế chính thức.
3.3. Phương pháp nghiên cứu
Trong phân tích dữ liệu dạng chuỗi thời gian có thể áp dụng nhiều phương pháp nghiên cứu khác nhau như: Phương pháp bình phương tối thiểu (OLS), phương pháp vecto tự hồi quy (Vecto Autoregressive), phương pháp VECM (Vecto Error Correction Model). Tuy nhiên, gần đây Pesaran và cộng sự (2001) có giới thiệu một phương pháp ước lượng mới có tên gọi là phương pháp tự hồi quy phân
phối trễ ARDL (Autoregressive Distributed Lag). Theo Pesaran và cộng sự (2001), Davoud và cộng sự (2013), Nkoro & Uko (2016) phương pháp ARDL có các ưu điểm sau:
(i) Các biến số trong mơ hình chỉ cần đảm bảo dừng tối đa tại bậc 1, có thể dừng khơng cùng bậc (bậc gốc I(0) hay bậc 1 I(1)).
(ii) Có thể tránh được vấn đề nội sinh và đáng tin cậy hơn đối với những mẫu quan sát nhỏ do đã bổ sung biến trễ của biến phụ thuộc thành biến độc lập.
(iii) Các hệ số tác động ngắn hạn và dài hạn có thể ước lượng cùng một lúc, mơ
hình sai số hiệu chỉnh có thể hợp nhất sự điều chỉnh ngắn hạn và cân bằng dài hạn mà khơng bị bỏ sót các thơng tin trong dài hạn.
(iv) Mơ hình tự lựa chọn được độ trễ tối ưu, cho phép độ trễ tối ưu của các biến
có thể khác nhau do vậy cải thiện đáng kể độ phù hợp của mơ hình.
Do những ưu điểm này nên đề tài sẽ ứng dụng phương pháp ARDL để phân tích mối quan hệ giữa đầu tư trực tiếp nước ngồi, chất lượng thể chế phi chính thức và quy mơ kinh tế ngầm cho kinh tế Việt Nam giai đoạn 1991-2015. Kết quả phân tích sẽ được thảo luận cụ thể trong chương 4, trình tự phân tích được tiến hành qua các bước sau.
3.3.1. Hồi quy theo phương pháp bình phương tối thiểu OLS và kiểm định các giả thiết của mơ hình OLS. giả thiết của mơ hình OLS.
Đầu tiên, tác giả sẽ sử dụng phương pháp bình phương tối thiểu OLS (Ordinary Least Square) để phân tích hồi quy. Kết quả này sẽ cung cấp những thông tin tổng quan đầu tiên về mặt định lượng của các biến tham gia trong mơ hình. Việc kiểm định các giả thiết của mơ hình OLS giúp nghiên cứu xác định được các “khuyết tật” của mơ hình (nếu có). Từ đó, làm cơ sở để lựa chọn mơ hình và phương pháp ước lượng phù hợp.
3.3.2. Kiểm định tính dừng của các biến
Nelson & Plosser (1982) cho rằng hầu hết các chuỗi thời gian là không dừng tại bậc gốc. Do vậy để tránh kết quả hồi quy là giả mạo, trước tiên đề tài tiến hành
kiểm định tính dừng của các biến trong mơ hình. Kiểm định tính dừng theo phương pháp ADF do Dickey & Fuller giới thiệu năm 1981 với mơ hình như sau:
a. Mơ hình khơng có xu thế (No trend) : 0 1
1 . . k t t i t i t i Y Y Y b. Mơ hình có xu thế (Trend) : 0 1 1 . . . k t t i t i t i Y Y Y T
Trong đó: Δ là sai phân bậc nhất (first difference), εt là sai số thỏa tính chất nhiễu trắng (white noise) và T là biến xu thế (trend). Giả thuyết kiểm định H0: β = 0 và H1: β ≠ 0. Nếu H0 được chấp nhận thì Yt có nghiệm đơn vị và kết luận là chuỗi không dừng và ngược lại. Phillips & Perron (1988) phát triển kiểm định của Dickey & Fuller cho các chuỗi dữ liệu khơng có nhiễu trắng. Do vậy để tăng độ tin cậy, đề tài sẽ kiểm định tính dừng của các biến theo cả 2 phương pháp. Kết quả kiểm định tính dừng sẽ được phân tích chi tiết trong chương 4.
3.3.3. Xác định độ trễ tối ưu của mơ hình
Trong phân tích dữ liệu chuỗi thời gian, việc xác định độ trễ tối ưu có ý nghĩa đặc biệt quan trọng. Nếu sử dụng độ trễ q dài thì các ước lượng sẽ khơng hiệu quả, ngược lại nếu độ trễ q ngắn thì phần dư của ước lượng khơng thỏa mãn tính nhiễu trắng (white noise) làm sai lệch kết quả phân tích. Căn cứ để chọn độ trễ tối ưu đó là các tiêu chuẩn thông tin như: Tiêu chuẩn AIC (Akaike Information Criterion), tiêu chuẩn SC (Schwart Bayesian Criterion) và tiêu chuẩn HQ (Hannan Quinn Information Criterion). Độ trễ tối ưu của mơ hình là độ trễ ứng với các tiêu chuẩn AIC, SC và HQ có chỉ số nhỏ nhất.
3.3.4. Kiểm định đồng liên kết bằng phương pháp kiểm định đường bao
Kiểm định đồng liên kết được Engle & Granger giới thiệu năm 1987, sau đó Johansen (1996) phát triển kiểm định của Engle & Granger cho mơ hình đa biến. Engle & Granger (1987) cho rằng những chuỗi thời gian khơng dừng vẫn có thể cho kết quả hồi quy đáng tin cậy khi giữa các biến tồn tại một tổ hợp tuyến tính với nhau trong dài hạn. Với phương pháp ước lượng ARDL, Pesaran và cộng sự (2001)
giới thiệu phương pháp kiểm định đồng liên kết mới được gọi là phương phương kiểm định đường bao (Bound test). Để phân tích rõ hơn, mơ hình 1 được biểu diễn dưới dạng phương pháp ARDL như sau:
0 1 1 2 1 3 1 1 2 3 4 5 6 1 0 0 . ( D ) ( D ) t t t t m m m j t j j t j j t j t j j j SE SE Ln F I HC SE Ln F I HC (Mơ hình 2)
Trong đó: Δ: là sai phân của hạng tử
β1, β2, β3 là các hệ số hồi quy biểu hiện tác động dài hạn β4, β5, β6 là các hệ số hồi quy biểu hiện tác động ngắn hạn
m1, m2, m3 là độ trễ tối ưu của các biến tương ứng trong mơ hình μt là sai số của mơ hình
Để kiểm định sự tồn tại mối quan hệ đồng liên kết giữa các biến số, phương pháp kiểm định đường bao được xây dựng dựa trên giả thuyết trống (không tồn tại đồng liên kết) H0: β1 = β2 = β3 = 0, và giả thuyết đối H1: β1 ≠ β2 ≠ β3 ≠ 0. Nếu trị giá của thống kê F được tính tốn trong kiểm định đường bao (F-statistic) > giá trị giới hạn của đường bao I(1) (Critical upper bound) thì bác bỏ giả thuyết H0, tức là giữa các biến của mơ hình có tồn tại mối quan hệ đồng liên kết trong dài hạn.
3.3.5. Mơ hình sai số hiệu chỉnh ECM
Nếu giữa các biến có tồn tại mối quan hệ đồng liên kết trong dài hạn, Pesaran và cộng sự (2001) đề xuất mơ hình 2 phải áp dụng mơ hình sai số hiệu chỉnh ECM (Error Correction Model) để tránh kết quả hồi quy bị chệch. Khi đó mơ hình ECM được ước lượng dựa trên phương trình sau :
1 2 3 0 1 1 2 3 1 0 0 . ( D ) m m m t t j t j j t j j t j t j j j SE ECM SE Ln F I HC (Mơ hình 3)
Trong đó m1, m2, m3 là độ trễ tối ưu mà mơ hình ARDL tự tính tốn. Nếu tồn tại α ≠ 0 và có ý nghĩa thống kê thì hệ số của α sẽ thể hiện tốc độ điều chỉnh của quy mô kinh tế ngầm trở về trạng thái cân bằng sau một cú sốc từ đầu tư trực tiếp nước ngồi và chất lượng thể chế phi chính thức trong ngắn hạn.
Các hệ số 1j; 2j; 3j biểu hiện tác động trong ngắn hạn của quy mô kinh tế ngầm, đầu tư trực tiếp nước ngoài và chất lượng thể chế phi chính thức của các kỳ trước đến quy mô kinh tế ngầm ở kỳ hiện tại.
3.3.6. Kiểm định mối quan hệ nhân quả giữa các biến số của mơ hình
Để kiểm định mối quan hệ nhân quả giữa các biến số, Granger (1969) đề xuất phương pháp kiểm định nhân quả Granger dựa trên mơ hình VAR (Vector
Autoregression) cho hai biến X và Y như sau:
10 11( 1 1) 11 12 1 t t t t p t p t p t Y Y X Y X z 20 21( 1 1) 21 22 2 t t t t p t p t p t X Y X Y X z
Trong đó t = 1,…,T là thời gian nghiên cứu. Yt và Xt là cặp biến cần xem xét có tồn tại mối quan hệ nhân quả Granger hay khơng? Z là các biến đóng vai trị biến kiểm soát. Nếu tồn tại δ11 và δ21 ≠ 0 và có ý nghĩa thống kê thì hàm ý giữa Yt và Xt có tồn tại mối quan hệ nhân quả Granger. Trong luận văn này, các cặp biến có thể là (SE, FDI), (SE, HC), (FDI, HC), hay một sự phối hợp nào đó giữa tất cả các biến trong mơ hình với nhau.
3.3.7. Các kiểm định bổ sung
Để tăng mức độ tin cậy của nghiên cứu, tác giả sẽ tiến hành thêm các kiểm định bổ sung như sau :
a. Kiểm định phương sai sai số thay đổi
Kiểm định này nhằm kiểm tra các ước lượng của các hệ số hồi quy có bị chệch hay không, nếu ước lượng của các phương sai bị chệch dẫn đến đánh giá nhầm về chất lượng của hồi quy tuyến tính. Dẫn đến, dấu và mức độ tác động mà
pháp kiểm định phương sai sai số thay đổi, trong nghiên cứu này tác giả sử dụng phương pháp kiểm định White (White test), với giả thuyết trống H0 được phát biểu như sau:
H0: Mơ hình có phương sai đồng nhất
H1: Mơ hình có phương sai thay đổi (khơng đồng nhất)
Nếu trị thống kê n*R-square trong kiểm định White có Prob > 0.05 thì chấp nhận giả thiết H0, bác bỏ giả thiết H1, tức là mơ hình có phương sai đồng nhất.
b. Kiểm định hiện tượng tự tương quan
Có nhiều cách lý giải hiện tượng tự tương quan nhưng thường do ba nhóm nguyên nhân: Bỏ sót biến quan trọng; lỗi sai dạng hàm; lỗi sai sót hệ thống trong việc đo lường. Khi có hiện tượng tự tương quan xảy ra thì các ước lượng OLS khơng cịn tính chất ước lượng khơng thiên lệch tuyến tính tốt nhất; ước lượng của phương sai bị thấp, kiểm định t và F khơng cịn chính xác; Giá trị ước lượng của R2
cao hơn; phương sai và sai số của các giá trị dự báo khơng cịn chính xác. Do vậy tác giả sẽ kiểm định thêm hiện tượng này của mơ hình bằng kiểm định Breusch- Godfrey với giả thuyết :
H0: Mơ hình khơng có hiện tượng tự tương quan H1: Mơ hình có hiện tượng tự tương quan
Nếu trị thống kê n*R-square trong kiểm định Breusch-Godfrey có Prob > 0.05 thì chấp nhận giả thiết H0, bác bỏ giả thiết H1, tức là mơ hình khơng có hiện tượng tự tương quan.
c. Kiểm định phân phối chuẩn của phần dư
Kết quả hồi quy của mơ hình 1 được đánh giá là đáng tin cậy khi có phần dư thỏa mãn hai điều kiện: là nhiễu trắng và có phân phối chuẩn. Do vậy tác giả sẽ kiểm định phân phối của phần dư với giả thuyết :
H0: Mơ hình có phần dư tn theo phân phối chuẩn H1: Mơ hình có phần dư khơng tn theo phân phối chuẩn
Nếu trị thống kê Jarque-Bera có Prob > 0.05 thì chấp nhận giả thiết H0, bác bỏ giả thiết H1, tức là phần dư của mơ hình tn theo quy luật phân phối chuẩn.
3.3.8. Kiểm định tính ổn định của mơ hình
Trong mơ hình ARDL thì tính ổn định của mơ hình là bắt buộc phải thỏa mãn, vì mơ hình có ổn định thì các hệ số hồi quy ngắn hạn mới phản ánh đúng biến động trong dài hạn. Để kiểm định tính ổn định của mơ hình tác giả sử dụng hai loại kiểm định đó là: kiểm định tổng tích lũy của phần dư CUSUM (Cumulative Sum of
Recursive Residuals) và tổng tích lũy hiệu chỉnh của phần dư CUSUMSQ
(Cumulative Sum of Square Recursive Residuals). Với giả thuyết :
H0: Mơ hình có tính ổn định H1: Mơ hình khơng có tính ổn định
Nếu đường biểu diễn CUSUM và CUSUMSQ đều nằm trong đường bao của đường giới hạn trên và đường giới hạn dưới thì chấp nhận giả thuyết H0, bác bỏ giả thuyết H1, tức là mơ hình có tính ổn định.
Tiểu kết chương 3
Trong chương này, tác giả đã trình bày quy trình nghiên cứu, khung lý thuyết để từ đó xây dựng được mơ hình nghiên cứu. Với xuất phát điểm từ lý thuyết về hàm sản xuất Cobb-Douglas và kế thừa các nghiên cứu trước, tác giả đã lập luận và lý giải cách đưa ra mơ hình, cách chọn các biến đại diện, nguồn thu thập dữ liệu và phương pháp xử lý dữ liệu. Tác giả áp dụng phương pháp tự hồi quy phân phối trễ ARDL và kiểm định nhân quả Granger theo phương pháp của Engle & Granger, đồng thời nêu các kiểm định bổ sung mà luận văn sẽ kiểm định để minh chứng cho kết quả thực nghiệm của nghiên cứu này trong chương 4 là đáng tin cậy.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1. Tổng quan về tăng trưởng kinh tế Việt Nam từ 1986-nay
Trong giai đoạn 1986-2015, kinh tế thế giới nói chung và kinh tế Việt Nam, nói riêng, trải qua hai cuộc khủng hoảng 1997-1998 và 2008-2009. Việt Nam, một nền kinh tế nhỏ, đang thực hiện chiến lược mở cửa, hội nhập khu vực và thế giới cũng chịu những tác động từ các cuộc khủng hoảng này. Có thể chia thời kỳ này thành các giai đoạn với các đặc điểm tăng trưởng kinh tế như sau:
Giai đoạn 1986- 1997: kinh tế Việt Nam được đánh giá là một thời kỳ thành công. Với những cải cách kinh tế, đổi mới, GDP tăng nhanh từ 6% năm 1991