CHƯƠNG 3 :PHƯƠNG PHÁP NGHIÊN CỨU
3.2 Phương pháp định lượng
Bài viết sử dụng phương pháp kiểm định đồng tích hợp được đề xuất bởi Perasan (xem Perasan và cộng sự, 2001) là mơ hình độ trễ phân phối tự hồi quy (Autoregressive Distributed Lag: ARDL). ARDL là sự kết hợp giữa mơ hình VAR (tự hồi quy vector) và mơ hình hồi quy bình phương nhỏ nhất (OLS).
Mục đích của phương pháp này là nghiên cứu tác động của các biến độc lập đến các biến phụ thuộc.
Lý do cho việc chọn phương ARDL được giải thích như sau:
2000), Mơ hình ARDL cho kết quả đáng tin cậy khi phân tích liên kết mặc dù dữ liệu mẫu hạn chế.
+ ARDL chỉ sử dụng một dạng phương trình rút gọn duy nhất , khác với các phương pháp khác như phương pháp đồng liên kết của Engle và Granger (1987), Johansen và Juselius (1990) phải dùng hệ phương trình
+ ARDL khơng địi hỏi phải có những kiểm tra chính xác về trình tự liên kết của các chuỗi thời gian miễn là bậc tích hợp khơng quá hai là được. Các phương pháp đó địi hỏi tất cả các chuỗi thời gian đều phải cùng tích hợp về bậc một.
+Phương pháp ARDL thử nghiệm kiểm tra mối quan hệ dài hạn giữa các biến, bất kể các biến hồi quy là I(0) hay I(1), Bằng cách này, mơ hình ARDL tránh được vấn đề về dữ liệu chuỗi thời gian khơng cố định.
+Với ARDL, các biến khác nhau có thể có độ trễ tối ưu khác nhau, điều mà các mơ hình khác khơng đáp ứng được
Theo Gurajati (2003) và Nguyễn Quang Dong & Nguyễn Thị Minh (2012), để sử dụng phương pháp ARDL, bắt buột phải thỏa các điều kiện sau:
+Các biến chuỗi thời gian phải có tính dừng. +Độ trễ phải xác định được độ trễ tối ưu. +Mơ hình khơng thừa biến.
+Khơng có hiện tượng tự tương quan.
+Khơng có hiện tượng phương sai sai số thay đổi và dạng hàm phù hợp. Phương trình của ARDL được sử dụng để kiểm tra mối quan hệ đồng tích hợp giữa các biến trong chuối dữ liệu, đây là một phương trình ước lượng chung cho ngắn hạn và dài hạn, tích hợp cùng bậc hoặc khơng tích hợp cùng bậc. Cũng chính là phương trình dùng để kiểm tra nghiệm đơn vị. Cơng thức tuyến tính (3.1) có thể được viết lại theo mơ hình ARDL như sau:
Δ𝑙𝐺𝐷𝑃𝑡 = 𝛿0+ ∑ 𝜁𝑖. Δ𝑙𝐺𝐷𝑃𝑡−1 + 𝑝 𝑖=1 ∑ 𝜃𝑖. Δ𝑙𝐸𝑋𝑃𝑡−1 + 𝑝 𝑖=0 ∑ 𝜔𝑖. Δ𝑙𝐹𝐷𝐼𝑡−1 𝑝 𝑖=0 + 𝜑1. 𝑙𝐺𝐷𝑃𝑡−1 + 𝜑2. 𝑙𝐸𝑋𝑃𝑡−1 + 𝜑3. 𝑙𝐹𝐷𝐼𝑡−1 + 𝜂𝑡 (3.2)
Giả thuyết khơng có mối quan hệ đồng liên kết giữa các biến cho mơ hình (3.2) là 𝐻0 : 𝜑1 = 𝜑2 = 𝜑3= 0, được so sánh với một giả thuyết thay thế khác, 𝐻1 :
𝜑1 ≠ 𝜑2 ≠ 𝜑3≠ 0. Bác bỏ giả thuyết 𝐻0 sẽ cho kết quả các biến có mối quan hệ dài hạn.
Giả thuyết 𝐻0 được kiểm tra bằng cách sử dụng số liệu thống kê F và bằng cách so sánh chúng với các giá trị quan trọng được đặt ra bởi Pesaran và cộng sự (2001) và Pesaran và Pesaran (1997). Thử nghiệm bao gồm các giới hạn giá trị tới hạn I(0) và I(1) trong đó một bộ giả sử tất cả các chuỗi là I(0) trong khi một giả định khác là I(1). Các giá trị tới hạn cho chuỗi I(1) được gọi là các giá trị tới hạn giới hạn trên, chuỗi I(0) được gọi là các giá trị tới hạn dưới (Pesaran và Smith, 1998). Nếu số liệu thống kê F nằm trên giới hạn trên, bác bỏ giả thuyết 𝐻0 , cho thấy khơng có bằng chứng về mối quan hệ dài hạn giữa các biến, bất kể là I(0) hay I(1). Nếu giá trị thống kê F giảm xuống dưới giới hạn dưới, không thể bác bỏ 𝐻0 và chấp chận 𝐻1. Nếu số liệu thống kê F rơi vào khoảng giữa của giới hạn thì khơng thể đưa ra kết luận.
Trong trường hợp có liên kết dài hạn giữa các biến xem xét, sử dụng mơ hình hiệu chỉnh sai số để ước lượng với phương tình sau:
Δ𝑙𝐺𝐷𝑃𝑡 = 𝛿0+ ∑ 𝜁𝑖. Δ𝑙𝐺𝐷𝑃𝑡−1 + 𝑝 𝑖=1 ∑ 𝜃𝑖. Δ𝑙𝐸𝑋𝑃𝑡−1 + ∑ 𝜔𝑖. Δ𝑙𝐹𝐷𝐼𝑡−1+ 𝑝 𝑖=0 𝑝 𝑖=0 + 𝛼𝐸𝐶𝑇𝑡−1 + 𝜂𝑡
Trong đó 𝛼 là tốc độ của tham số điều chỉnh để đạt trạng thái cân bằng sau một cú sốc ngắn hạn. Ngoài ra, tác giả đã tiến hành các kiểm định chẩn đoán khuyết tật và độ ổn định để chắc chắn về mức độ phù hợp của phương trình ARDL và VECM. Các xét nghiệm chẩn đoán đã kiểm tra dạng hàm bằng phương pháp kiểm tra RESET của Ramsey, tuân theo quy luật phân phối chuẩn Jarque-Bera, tự tương quan Include serial correlation, phương sai và sai số thay đổi Heteroskedasticity. Độ ổn định cấu trúc được kiểm tra bằng kiểm định tổng tích lũy phần dư – CUSUM và tổng tích lũy hiệu chỉnh của phần dư – CUSUMSQ. Nếu các sơ đồ của thống kê CUSUM và
CUSUMSQ nằm trong giới hạn 5%, giả thuyết 𝐻0 không thể bị bác bỏ và các hệ số trong hồi quy đã cho là ổn định.
Sau khi chắc chắn về sự ổn định của các biến; mối quan hệ nhân quả giữa các biến số FDI, EXP và GDP được khám phá thơng qua phân tích nhân quả được phát triển bởi Toda và Yamamoto (1995). Với phương pháp nhân quả Granger của Toda và Yamamoto (1995), sự ổn định của các biến và sự mối quan hệ dài hạn của chúng khơng ảnh hưởng đến kết quả phân tích. Đây được coi là lợi thế lớn nhất của mơ hình quan hệ nhân quả Toda và Yamamoto. Phương trình (1) biểu diễn theo Toda và Yamamoto (1995) như sau:
𝑙𝐺𝐷𝑃𝑡 = 𝛿1+ ∑ 𝜁1𝑖. Δ𝑙𝐺𝐷𝑃𝑡−1 + 𝑘+𝑑𝑚𝑎𝑥 𝑖=1 ∑ 𝜃1𝑖. Δ𝑙𝐸𝑋𝑃𝑡−1 𝑘+𝑑𝑚𝑎𝑥 𝑖=1 + ∑ 𝜔1𝑖. Δ𝑙𝐹𝐷𝐼𝑡−1+ 𝑘+𝑑𝑚𝑎𝑥 𝑖=1 + 𝜂1𝑡 (3.3) 𝑙𝐸𝑋𝑃𝑡 = 𝛿2+ ∑ 𝜁2𝑖. Δ𝑙𝐺𝐷𝑃𝑡−1 + 𝑘+𝑑𝑚𝑎𝑥 𝑖=1 ∑ 𝜃2𝑖. Δ𝑙𝐸𝑋𝑃𝑡−1 𝑘+𝑑𝑚𝑎𝑥 𝑖=1 + ∑ 𝜔2𝑖. Δ𝑙𝐹𝐷𝐼𝑡−1+ 𝑘+𝑑𝑚𝑎𝑥 𝑖=1 + 𝜂2𝑡 (3.4) 𝑙𝐹𝐷𝐼𝑡 = 𝛿3+ ∑ 𝜁3𝑖. Δ𝑙𝐺𝐷𝑃𝑡−1 + 𝑘+𝑑𝑚𝑎𝑥 𝑖=1 ∑ 𝜃3𝑖. Δ𝑙𝐸𝑋𝑃𝑡−1 𝑘+𝑑𝑚𝑎𝑥 𝑖=1 + ∑ 𝜔3𝑖. Δ𝑙𝐹𝐷𝐼𝑡−1+ 𝑘+𝑑𝑚𝑎𝑥 𝑖=1 + 𝜂3𝑡 (3.5)
Giá trị 𝑘 trong biểu thức (2), (3) và (4) biểu thị độ trễ tối ưu trong mơ hình VAR và 𝑑𝑚𝑎𝑥 biểu thị giá trị thứ tự tích hợp cao nhất của các biến trong hệ thống. Điểm quan trọng nhất ở đây là xác định đúng giá trị 𝑘 và 𝑑 . Độ trễ tối ưu 𝑘 có thể
được xác định bằng Akaike và Schwarz, trong khi 𝑑𝑚𝑎𝑥 được xác định bằng các phương pháp kiểm nghiệm đơn vị. Sau đó, phân tích quan hệ nhân quả được tìm thấy bằng cách ước tính mơ hình VAR mở rộng.
Các bước thực hiện phương pháp ARDL trong bài nghiên cứu được mơ tả như sau:
+Bước 1: Kiểm tra tính dừng của chuỗi thời gian
Thông thường, dữ liệu chuỗi thời gian thường khơng dừng do tính xu thế, tính mùa vụ…Nhưng u cầu của mơ hình ARDL là chuỗi phải dừng, chuỗi dừng là chuỗi có trung bình, phương sai, hiệp phương sai khơng đổi tại mọi thời điểm.
Phương pháp kiểm tra chuỗi dừng được sử dụng kiểm định nghiệm đơn vị - unit root cho các biến theo tiêu chuẩn kiểm định Dickey-Fuller (ADF) mở rộng và Phillips – Perron (PP test).
+Bước 2: Xác định độ trễ tối ưu của mơ hình
Các biến kinh tế thơng thường có một độ trễ nhất định khi xem xét ảnh hưởng đến các biến khác. FDI, EXP cũng vậy, ngay tại thời điểm đầu tư/xuất khẩu không làm sản lượng tăng lên ngay lập tức mà ln có một độ trễ nhất định. Xác định độ trễ tối ưu nhằm đánh giá đúng ảnh hưởng của FDI, xuất khẩu đến GDP.
Bài nghiên cứu xác định dựa trên các tiêu chuẩn thông tin Akaike (AIC), tiêu chuẩn thông tin Schwarz (SC). Độ trễ nào làm cho các thống kê nói trên nhận giá trị nhỏ nhất thì được xem là độ trễ tối ưu của mơ hình.
+Bước 3: Kiểm định mối quan hệ dài hạn của các biến trong mơ hình bằng
kiểm định BOUND TEST
Nếu giá trị thống kê F vượt qua giá trị tới hạn trên (upper bound) của bảng phân phối F-stat do Perasan và cộng sự (2011) phát triển thì giả thuyết H0 bị bác bỏ, đồng nghĩa với việc tồn tại quan hệ dài hạn giữa các biến trong mơ hình. Trường hợp giá trị thống kê F nằm dưới giá trị tới hạn dưới (lower bound) của bảng phân phối F thì khơng thể bác bỏ giả thuyết H0. Cuối cùng, nếu giá trị thống kê F nằm giữa giá trị tới hạn dưới và trên thì khơng thể kết luận về mối quan hệ giữa các biến.
+Bước 4: Sử dụng mơ hình hiệu chỉnh sai số VECM để ước lượng những tác
động của các biến số FDI, Xuất khẩu đến tăng trưởng kinh tế.
+Bước 5: Dùng kiểm định chẩn đoán khiếm khuyết và kiểm định độ ổn định
để chắc chắn về mức độ phù hợp, khả năng tương thích của phương trình ARDL và VECM.
Các kiểm định chẩn đoán khiếm khuyết bao gồm: Kiểm định định tương quan chuỗi Breusch-Godfrey Serial Correlation LM Test: kiểm định phương sai sai số thay đổi Heteroskedasticity test, kiểm định phân phối chuẩn và kiểm định dạng hàm Ramsey Reset test.
Kiểm định độ ổn định bằng kiểm định tổng tích lũy phần dư – CUSUM và tổng tích lũy hiệu chỉnh của phần dư – CUSUMSQ được đề xuất bởi Brown và cộng sự (1975).