Chương 4 : Kết quả nghiên cứu
4.2. Xác định độ trễ của các biến độc lập và các kiểm định của mơ hình
4.2.1. Xác định độ trễ của các biến độc lập
Các biến độc lập trong mơ hình (2), (3) và (4) gồm có biến trễ của biến phụ thuộc (tỷ lệ thay đổi GDP); các biến tỷ lệ thay đổi của chỉ số CPI, tỷ lệ thay đổi của LSCS, độ mở thương mại và độ mở tài chính đều có độ trễ nhất định. Vì vậy, cần xác định độ trễ của các biến độc lập này lên biến phụ thuộc trong tồn bộ mơ hình nhằm đánh giá đầy đủ tác động CSTT lên tăng trưởng kinh tế dưới sự ảnh hưởng của độ mở.
Bảng 4.3 Độ trễ của các biến độc lập theo các chỉ số thống kê
Chỉ số thống kê
FPE AIC HQIC SBIC
1 4 1 1
(Nguồn: tính tốn từ phần mềm thống kê)
Theo kết quả tính tốn từ các chỉ số thống kê dựa trên số liệu thực tế trình bày tại bảng 4.3, các biến độc lập trong mơ hình qua các chỉ số khơng có nhiều khác biệt. Các chỉ số FPE, HQIC và SBIC đều cho kết quả độ trễ là 1 (quý). Riêng chỉ số AIC cho độ trễ phù hợp của các biến trong mơ hình là 4 (quý). Theo các nghiên cứu thực tiễn đã trình bày ở phần 3.2.1 và 3.3, độ trễ 1 quý của các biến độc lập đối với biến phụ thuộc theo kết quả từ các chỉ số thống kê tại bảng 4.3 là khá hợp lý. Vì vậy, luận văn chọn độ trễ cho các biến trong mơ hình là 1 (quý) để xác định kết quả nghiên cứu ở các phần tiếp theo.
4.2.2. Các kiểm định của mơ hình 4.2.2.1. Kiểm định tính dừng
Luận văn sẽ tiến hành kiểm định tính dừng của các chuỗi dữ liệu bằng phương pháp Unit Root Test (Levin-Lin-Chu). Theo Brooks (2014), phương pháp Unit Root Test Levin-Lin-Chu (LLC) bao gồm các giả thiết:
o H0: chuỗi dữ liệu không dừng (contain unit root)
o H1: chuỗi dữ liệu dừng (stationary)
Bảng 4.4 Kết quả kiểm định tính dừng của chuỗi dữ liệu
Biến Số
quan sát p-value
Bác bỏ/chấp nhận
giả thiết Kết quả
GDP_growth 56 0,0038 Bác bỏ H0, chấp nhận H1 Dừng CPI_change 56 0,0002 IR_change 56 0,0000 interact_TO (IR_change*TO) 56 0,0000 interact_FO (IR_change*FO) 56 0,0000 (Nguồn: tính tốn từ phần mềm thống kê)
(Ghi chú: Ký hiệu các biến GDP_growth: tỷ lệ tăng trưởng kinh tế (∆𝑦𝑗,𝑡), CPI_change: tỷ lệ thay đổi của chỉ số CPI (∆𝐶𝑃𝐼𝑗,𝑡), IR_change: tỷ lệ thay đổi của LSCS (∆𝐼𝑅𝑗,𝑡) interact_TO: biến tương tác giữa LSCS và độ mở thương mại và interact_FO: biến tương tác giữa LSCS và độ mở tài chính với độ trễ là 1).
Theo tính tốn từ phần mềm thống kê tại bảng 4.4, với p-value của chuỗi dữ liệu của các biến trong mơ hình đều nhỏ hơn 0,05 (5%), kết quả là đồng nhất và đều có tính dừng.
4.2.2.2. Kiểm định tự tương quan
Nhằm phát hiện vấn đề tự tương quan, luận văn sẽ tiến hành kiểm định bằng phương pháp Durbin – Waston (DW) với độ trễ đã lựa chọn là 1 quý (t – 1) sau khi hồi quy theo mơ hình OLS. Theo Gujarati (2003) và Brooks (2014), để xác định tự tương quan chuỗi với phương pháp DW là xem xét chỉ số thống kê “DW test statistic” dựa trên ρ̂ với giả thiết: H0: ρ = 0 và H1: ρ ≠ 0. Theo đó, nếu giả thiết H0 được chấp nhận, ρ = 0 và khi đó DW d – statistic ≈ 2(1 – ρ̂) = 2, sẽ khơng có hiện tượng tự tương quan. Ngược lại, nếu giả thiết H0 bị bác bỏ, sẽ có hiện tượng tự tương quan. Khi đó, 0 ≤ DW d – statistic ≤ 4, có 2 trường hợp xảy ra:
o 0 ≤ DW d – statistic < 2: có hiện tượng tự tương quan dương.
o 2 < DW d – statistic ≤ 4: có hiện tượng tự tương quan âm. Bảng 4.5 Kết quả kiểm định tự tương quan của chuỗi dữ liệu
Mơ
hình DW d – statistic Kết quả
(2) 1,8791
Có hiện tượng tự tương quan dương
(3) 1,7711
(4) 1,8735
(Nguồn: tính tốn từ phần mềm thống kê)
Theo bảng 4.5, phương pháp hồi quy OLS đã có hiện tượng tự tương quan dương với các chỉ số thống kê DW d – statistic đều có kết quả < 2. Như đã trình bày ở phần 3.3, luận văn sẽ sử dụng mơ hình GLS nhằm khắc
4.2.2.3. Kiểm định phương sai thay đổi
Một vấn đề khác của kiểu dữ liệu chuỗi thời gian là hiện tượng phương sai thay đổi. Luận văn sẽ sử dụng kiểm định White's test để xác định vấn đề phương sai thay đổi khi hồi quy bằng mơ hình OLS. Theo Gujarati (2003) và Brooks (2014), để xác định phương sai thay đổi với phương pháp White’s Test, cần phải dựa vào các giả thiết: H0: heteroskedasticity (phương sai không đổi) và H1: unrestricted heteroskedasticity (phương sai thay đổi) khi xét hệ số chi bình phương.
Bảng 4.6 Kết quả kiểm định phương sai thay đổi của chuỗi dữ liệu
Mơ hình
Hệ số chi bình phương
Bác bỏ/chấp
nhận giả thiết Kết quả
(2) 0,6213
Chấp nhận H0 Khơng có hiện tượng phương sai thay đổi
(3) 0,8788
(4) 0,2088
(Nguồn: tính tốn từ phần mềm thống kê)
Theo bảng 4.6, khi sử dụng phương pháp hồi quy OLS, mơ hình khơng xảy ra vấn đề phương sai thay đổi. Tuy nhiên, mơ hình lại xảy ra vấn đề tự tương quan như đã kiểm định ở phần 4.2.2.2, nên luận văn sẽ sử dụng mơ hình GLS nhằm khắc phục hiện tượng tự tương quan này dù khơng có vấn đề phương sai thay đổi trong mơ hình.