CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU
3.1.4. Ước lượng mơ hình
Nghiên cứu sử dụng mơ hình để ước lượng cho các biến số sau: - EX: KNXK gạo của Việt Nam (VND)
- CPI: chỉ số giá tiêu dùng (%). - Er: tỷ giá hối đoái (VND/USD) - I: lãi suất (%).
Tùy thuộc vào kết quả nêu trên, quá trình ước lượng mơ hình có thể sử dụng một trong 2 mơ hình: VAR hoặc VECM, và các kiểm định liên quan.
3.2. Lựa chọn mơ hình nghiên cứu
Tùy thuộc vào mục đích nghiên cứu và cơ sở dữ liệu được sử dụng, có rất nhiều loại mơ hình để đưa vào sử dụng. Mỗi mơ hình có một số đặc điểm riêng phù hợp với từng trường hợp cụ thể. Các nghiên cứu thực nghiệm tham khảo ở trên chỉ ra rằng mơ hình ARCH-M (Ying Qiang – Panos Varangis (1994) và ARDL (Abule Mehare và Abdi K. Edriss (2012); Winrose Chepng’eno (2017) cho những kết quả phù hợp khi nghiên cứu về dữ liệu chuỗi thời gian. Bên cạnh đó, lý thuyết và các kiểm nghiệm thực tế còn cho thấy sự tồn tại tác động qua lại hay mối quan hệ nhân quả giữa các biến trong mơ hình chứ khơng đơn thuần chỉ là mối quan hệ một chiều từ các biến độc lập sang biến phụ thuộc. Cụ thể như trong nghiên cứu của tác giả Anca Gherman và các cộng sự (2013), ngoài mối quan hệ giữa các biến đến khối lượng xuất khẩu của Romania, kiểm nghiệm Granger còn cho thấy mức ý nghĩa của sự tương quan giữa hai biến lạm phát và tỷ giá. Đối với các nghiên cứu trong nước mà tác giả thu thập được, cả hai nghiên cứu định
lượng của Trần Nhuận Kiên (2015) và Ngô Thị Mỹ (2016) liên quan đến xuất khẩu nông sản đều sử dụng mơ hình trọng lực với dữ liệu dạng hỗn hợp mà chưa có các nghiên cứu thực nghiệm với dữ liệu chuỗi thời gian. Vì vậy, tác giả đề xuất tiến hành nghiên cứu theo hướng ước lượng dữ liệu chuỗi thời gian với mơ hình VAR (hoặc VECM trong trường hợp xảy ra đồng liên kết) và so sánh kết quả với các nghiên cứu tham khảo trong đề tài. Từ đó làm cơ sở để cung cấp thêm một mơ hình phù hợp cho việc phân tích về những ảnh hưởng của hoạt động xuất khẩu gạo ở Việt Nam.
Như vậy, mơ hình tổng qt với 4 phương trình thể hiện mối quan hệ giữa các biến sẽ được xây dựng như sau:
∆EXt = α0 + ∑ α ∆EX +∑ α ∆CPI + ∑ α ∆ER + ∑ α ∆I + t ∆CPIt = β0 + ∑ β ∆CPI +∑ β ∆EX + ∑ β ∆ER + ∑ β ∆I + t ∆ERt = δ0 + ∑ δ ∆ER + ∑ δ ∆CPI + ∑ δ ∆EX + ∑ δ ∆I + t ∆It = γ0 + ∑ γ ∆I + ∑ γ ∆CPI + ∑ γ ∆ER + ∑ γ ∆EX + t Trong đó,
- EX là KNXK gạo của Việt Nam.
- CPI: lạm phát. Như đã phân tích ở phần cơ sở lý luận, giả thuyết đưa ra là lạm phát sẽ tương quan cùng chiều với KNXK gạo.
- Er: tỷ giá hối đoái (VND/USD), giả thuyết đưa ra là biến này sẽ tác động cùng chiều với KNXK gạo.
- I: lãi suất, giả thuyết là lãi suất sẽ tác động ngược chiều đến KNXK gạo.
Trong quá trình thực hiện, các kiểm định sự phù hợp của mơ hình, kiểm định nhân quả, phản ứng xung và phân rã phương sai cũng được thực hiện để có cái nhìn tồn diện nhất về mối quan hệ được nghiên cứu.
3.3. Dữ liệu nghiên cứu
Dữ liệu được thu thập cho luận văn: kim ngạch xuất khẩu, tỷ giá hối đoái, lãi suất và tỷ lệ biến động của chỉ số giá qua các tháng trong giai đoạn từ tháng 1 năm 2008 đến tháng 3 năm 2019 theo dữ liệu chuỗi thời gian, gồm 135 mẫu quan sát.
Trong quá trình nghiên cứu về đề tài, tác giả nhận thấy việc thu thập dữ liệu thứ cấp từ các nghiên cứu có liên quan khơng đầy đủ, và thống nhất cho giai đoạn nghiên cứu
mà tác giả lựa chọn. Do đó, dữ liệu trong luận văn được thu thập trực tiếp từ các tổ chức có uy tín, cụ thể như sau:
- Dữ liệu về kim ngạch xuất khẩu gạo được tổng hợp từ các báo cáo về “Trị giá và mặt hàng xuất khẩu chủ yếu” theo từng tháng. Số liệu này được công bố trên trang web chính thức của Tổng cục thống kê theo từng mặt hàng xuất khẩu chính ( gạo, cà phê, cao su, chè,…): https://www.gso.gov.vn/default.aspx?tabid=629&ItemID=18316
- Số liệu về tỷ giá hối đoái ở đây luận văn lựa chọn để phân tích là tỷ giá hối đối trung tâm do ngân hàng nhà nước công bố tại thời điểm cuối của mỗi tháng. Dữ liệu cho nhân tố này được thu thập từ trang web chính thức của Ngân hàng nhà nước Việt Nam:
https://www.sbv.gov.vn/TyGia/faces/TyGiaTrungTam.jspx?_afrLoop=2825527868675 4577&_afrWindowMode=0&_adf.ctrl-state=16yzzblygf_4
- Số liệu về lãi suất sử dụng trong luận văn là lãi suất liên ngân hàng có kỳ hạn ba tháng tại thời điểm cuối mỗi tháng, được truy cứu trên trang web của Ngân hàng Nhà nước Việt Nam:
https://sbv.gov.vn/webcenter/portal/vi/menu/rm/ls/lsttlnh?_afrLoop=282553888700825 77#%40%3F_afrLoop%3D28255388870082577%26centerWidth%3D80%2525%26lef tWidth%3D20%2525%26rightWidth%3D0%2525%26showFooter%3Dfalse%26show Header%3Dfalse%26_adf.ctrl-state%3D1copg5dtc7_45
- Luận văn sử dụng tỷ lệ biến động của chỉ số CPI qua các tháng để đại diện cho mức độ lạm phát được thể hiện trong báo cáo về tình hình kinh tế xã hội qua các mốc thời gian nghiên cứu: http://chinhphu.vn/portal/page/portal/chinhphu/tinhhinhthuchien
Sau khi thu thập, các dữ liệu sẽ được chọn lọc và kiểm tra, so sánh với các nguồn khác (nếu có) để xác minh độ tin cậy, và điều chỉnh kịp thời tránh những sai sót trọng yếu làm ảnh hưởng đến tính khách quan của kết quả nghiên cứu. Các số liệu có tính bất thường ở khoảng thời gian giữa của giai đoạn nghiên cứu sẽ được kiểm tra, so sánh, và phân tích tính hợp lý (ví dụ nếu kim ngạch sụt giảm quá nhiều so với các tháng cịn lại, thì liệu sản lượng giảm/tăng có hợp lý hay khơng? Hay nói cách khác, đơn giá có bị tăng giảm bất thường hay khơng?).
- Nhóm yếu tố phụ thuộc: trị giá xuất khẩu
- Nhóm yếu tố tác động: tỷ giá hối đoái, chỉ số giá tiêu dùng, lãi suất Bảng 3.1. Tóm tắt nguồn dữ liệu thu thập
Chỉ tiêu Đơn vị Nguồn (website) Ghi chú
KNXK gạo VND Tổng cục thống kê Lãi suất (kỳ hạn
3 tháng)
% Ngân hàng nhà nước Việt Nam
Lãi suất cuối tháng làm đại diện
Tỷ giá hối đoái (trung tâm)
VND/USD Ngân hàng nhà nước Việt Nam
Tỷ giá cuối tháng làm đại diện
Lạm phát % Chính phủ
Nguồn: Tổng hợp của tác giả 3.4. Phương pháp kiểm định
Mơ hình được lựa chọn kiểm định là VAR (trong trường hợp khơng có đồng liên kết) hoặc VECM (nếu xuất hiện đồng liên kết.
Mơ hình VAR.
Mơ hình vector tự hồi quy VAR là một dạng tổng qt của mơ hình tự hồi quy đơn chiều (AR) kết hợp với hệ phương trình ngẫu nhiên (SEs). Nếu mơ hình AR chỉ ước lượng cho một vector của biến có dạng chuỗi thời gian thì VAR cho phép người nghiên cứu có thể ước lượng phương trình của nhiều chuỗi: đối với từng chuỗi thời gian, phương trình ước lượng theo độ trễ của biến đó (p) và tồn bộ các biến cịn lại. Ví dụ cho mơ hình VAR đơn giản với 2 chuỗi thời gian X, Y và một độ trễ được thể hiện như sau:
Yt = α1 + β 1 Yt-1 + γ1 Xt-1 + 1t Xt = α2 + β2 Yt-1 + γ2 Xt-1 + 2t
Trong đó, Xt và Yt là hai biến kinh tế, β và γ là các hệ số hồi quy. Tham số là
sai số ngẫu nhiên (hay nhiễu trắng) và α là hệ số chặn.
Về lý thuyết, VAR được xây dựng dựa trên nền tảng AR và SEs nên tận dụng được những lợi thế của hai mô hình này là dễ ước lượng bằng phương pháp tối thiểu hóa phần dư (OLS) và có thể ước lượng đồng thời nhiều phương trình trong cùng một hệ thống. Mặt khác, VAR lại khắc phục được hạn chế của SEs khi cho phép mơ hình được xem mọi biến là như nhau hay khơng quan tâm tính nội sinh của biến (Tính nội sinh là sự tác
động qua lại giữa các biến kinh tế, làm cho kết quả của phương pháp hồi quy theo cách cổ điển (sử dụng 1 phương trình hồi quy) sẽ bị sai lệch). Những cải thiện này của mơ hình VAR làm cho nó được ưa chuộng khi nghiên cứu tác động của các yếu tố vĩ mô. Và cũng là ý tưởng để nghiên cứu về tính đồng liên kết, góp phần xây dựng mơ hình VECM sau này.
Mơ hình VAR thường được sử dụng rất nhiều để dự báo các yếu tố vĩ mơ, bên cạnh đó nó có thể dùng làm cơng cụ để phân tích tác động của các cú sốc lớn vào nền kinh tế. Mơ hình này cũng có một số ưu và khuyết điểm như sau:
Một trong những ưu điểm lớn của VAR là sự đơn giản, và nhanh chóng do khơng phân biệt biến nội sinh và ngoại sinh, mơ hình dễ dàng được thực hiện trên các phần mềm thống kê như STATA. Do kết hợp giữa hai mơ hình AR và SEs, VAR dễ dàng ước lượng nhiều phương trình đồng thời trong cùng một hệ thống bằng phương pháp tối thiểu hóa số dư (OLS), mà khơng cần quan tâm đến tính nội sinh của biến- điều đóng vai trị then chốt khi sử dụng mơ hình SEs.
Tuy nhiên, mơ hình này cũng gặp phải một số hạn chế nhất định: khi số lượng quan sát hạn chế, việc đưa ra một số độ trễ của từng biến có thể phải sử dụng nhiều bậc tự do hơn. Bên cạnh đó, do khơng có sự phân biệt giữa các biến làm cho việc lựa chọn thứ tự các biến trở nên phức tạp hơn và sự phụ thuộc lẫn nhau của các biến cũng ảnh hưởng đến tính chính xác của mơ hình. Ước lượng các hệ số đơn lẻ trong mơ hình này thường khó giải thích, do đó hàm phản ứng đẩy (Impulse Response Function, IRF) được đưa vào để phát hiện phản ứng của biến phụ thuộc đối với các cú sốc (ứng dụng trong phân tích).
Mơ hình VECM.
Khi tiến hành hồi quy chuỗi thời gian, ln u cầu biến phải có tính dừng. Trong trường hợp áp dụng mơ hình VAR để hồi quy cho các chuỗi chưa dừng, kết quả sẽ có thể bị “giả mạo”, ảnh hưởng đến việc phân tích mối quan hệ giữa các biến. Để các chuỗi thời gian đạt yêu cầu này đều phải xử lý qua kỹ thuật sai phân. Thuộc tính này làm xuất hiện phần mất cân bằng, làm cơ sở hình thành nên một mơ hình ước lượng sự phụ thuộc của biến này vào biến khác – mơ hình hiệu chỉnh sai số (ECM).
∆Yt = α1 + β 1∆Yt-1 + γ2 ∆Xt-1 +…+ β1p∆Yt-p + γ1p ∆Xt-1 + e1Yt-1 + g1Xt-1 +1t ∆Xt = α2 + β2∆Yt-1 + γ2 ∆Xt-1 +…+ β2p∆Yt-p + γ2p ∆Xt-1 + e2Yt-1 + g2Xt-1 +2t
Trong đó, eYt-1 + gXt-1 là phần mất cân bằng (phần hiệu chỉnh sai số).
VECM là một hệ phương trình bao gồm nhiều phương trình ECM, và được phát triển trên nền tảng lý thuyết mơ hình VAR, lý thuyết đồng liên kết (mơ tả các mối quan hệ dài hạn). Vì vậy mơ hình VECM có thể ứng dụng cho các chuỗi thời gian khơng dừng và có hiện tượng đồng liên kết. Như vậy, sử dụng mơ hình VECM có thể tránh cho mơ hình bị hiện tượng hồi quy giả mạo, mà vẫn đảm bảo được sự cân bằng để cho một kết quả ước lượng đáng tin cậy.
Tóm tắt chương 3
Trong chương này, tác giả thiết lập câu hỏi nghiên cứu, trình bày phương pháp tiếp cận, và thiết lập phương trình để định hướng cho đề tài. Từ đó, lựa chọn các mơ hình phù hợp với mục tiêu nghiên cứu, cũng như dữ liệu thu thập được. Bên cạnh đó, tác giả cũng trình bày q trình thu thập và xử lý dữ liệu để đảm bảo độ tin cậy của nguồn dữ liệu sử dụng.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU
4.1. Tổng quan tình hình xuất khẩu gạo và biến động của chỉ số lạm phát, tỷ giá hối đoái và lãi suất trong giai đoạn từ tháng 1/2008 -3/2019 hối đoái và lãi suất trong giai đoạn từ tháng 1/2008 -3/2019
4.1.1. Tình hình xuất khẩu gạo
Sau 30 năm sau kể từ khi góp mặt vào thị trường xuất khẩu gạo thế giới, Việt Nam đã có những bước chuyển mình mạnh mẽ để trở thành một trong những quốc gia xuất khẩu gạo đứng đầu thế giới (kể cả về sản lượng lẫn chất lượng). Dự báo tình hình cung cầu gạo cho mùa vụ 2019/2020, Bộ Nông nghiệp Hoa Kỳ (USDA) cho rằng Việt Nam có thể cung cấp lượng gạo cho thị trường xuất khẩu lên đến 6,5 triệu tấn, đứng thứ 3 thế giới chỉ sau Ấn Độ và Thái Lan.
Bảng 4.1. Dự báo tình hình cung cầu gạo trên thế giới cho mùa vụ 2019/2020 (triệu tấn)
Thị trường Dự trữ đầu vụ
Cung Tiêu thụ
Dự trữ cuối vụ Sản lượng Nhập khẩu Nội địa Xuất khẩu
Thế giới 169,92 498,42 44,96 496,13 47,6 172,22 Các thị trường XK chủ yếu 31,51 184,9 0,66 148,9 35,8 32,37 -Burna 0,87 13,3 0,01 10,4 2,8 0,98 -Ấn Độ 25 115 0 102 12,5 25,5 -Pakistan 1,32 7,5 0 3,6 4 1,22 -Thái Lan 3,17 21,1 0,25 10,9 10 3,62 -Việt Nam 1,15 28 0,4 22 6,5 1,05 Nguồn: USDA Sơ bộ về tình hình xuất khẩu gạo trong khoảng thời gian hơn 11 năm từ 2008 đến đầu năm 2019, nước ta đã gặt hái được một số thành công nhất định, tạo tiềm lực để phát triển kinh tế, và giữ vững an ninh chính trị. Tuy nhiên, cũng khơng tránh khỏi những giai đoạn sự tăng trưởng này không ổn định do chịu nhiều tác động của các yếu tố.
Đồ thị 4.1. Tình hình xuất khẩu gạo trong giai đoạn 2008-2019
Chú thích: năm 2019 là số ước tính theo số liệu quý 1
Nguồn: Tổng hợp của tác giả từ số liệu của Tổng cục thống kê Xét trên phương diện sản lượng, giai đoạn 2008 đến 2012 đạt mức tăng trưởng cao nhất, cụ thể sản lượng gạo bình quân năm 2012 đã tăng hơn 150% so với 2008 (tương đương 4.2 triệu tấn). Trong đó, năm 2011 tăng trưởng khá ấn tượng (tăng 40% so với năm 2010, và 127% so với 2008). Mặc dù đến 17/4/2012, khối lượng gạo xuất khẩu chỉ đạt gần 1.3 triệu tấn và tuột xuống vị trí thứ tư thế giới nhưng sau đó tình thế đã có chuyển biến đảo ngược. Đến cuối tháng 7/2012, sản lượng gạo xuất khẩu của Việt Nam đạt hơn 4 triệu tấn, vượt mặt Thái Lan chỉ xếp thứ hai sau Ấn Độ. Tính đến cuối năm 2012, khối lượng gạo xuất khẩu đã kỷ lục với gần 7 triệu tấn. Tuy nhiên, con số ấn tượng này lại không đem về kết quả như mong đợi cho KNXK gạo do ảnh hưởng của sự sụt giảm của giá: Nếu ở những tháng đầu năm, sản lượng gạo xuất khẩu chạm đáy (275.000 tấn) thì giá gạo xuất khẩu đã ở mức 550 USD/tấn. Trong khi đó, tình thế đảo ngược vào tháng 7 nhưng giá lại xuống đáy chỉ 365 USD/tấn. Đáng lưu ý là giá gạo xuất khẩu bình quân thế giới trong giai đoạn này không giảm. Như vậy, việc giảm giá gạo xuất khẩu có thể xuất phát từ các vấn đề nội tại của Việt Nam (Nguyễn Đình Bích, 2012).
Sang đến năm 2013, sản lượng gạo xuất khẩu giảm đáng kể so với năm trước đó (21%). Trung Quốc vẫn là thị trường xuất khẩu gạo lớn, chiếm hơn 30% tổng KNXK
0 1000000 2000000 3000000 4000000 5000000 6000000 7000000 8000000 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019*
Tình hình xuất khẩu gạo giai đoạn 2008-2019
gạo của Việt Nam và có mức tăng trưởng của sản lượng và KNXK lần lượt đạt 6,22% và 2,74% so với cùng kỳ năm trước đó (Dân trí, 2013). Tuy nhiên, do áp lực cạnh tranh cũng như sự sụt giảm đáng kể nhu cầu của các thị trường truyền thống như Malaysia, Indonesia, Philipines làm cho tổng thể hoạt động gạo của Việt Nam gặp nhiều khó khăn trong khoảng thời gian này. Trong những năm 2014 và 2015 tình hình có vẻ khả quan hơn khi đạt tốc độ tăng trưởng lần lượt là 14% và 20% (so với năm 2013). Đáng chú ý là trong năm 2014, mặc dù giảm về kim ngạch và sản lượng ở hầu hết các thị trường,