Chương 3 : Mơ hình, dữ liệu và phương pháp nghiên cứu
3.3. Phương pháp ước lượng
Dữ liệu được luận văn sử dụng là dạng chuỗi thời gian và sẽ xảy ra hiện tượng tự tương quan trong trường hợp có biến độc lập là biến trễ của biến phụ thuộc (Jung, 2005). Phương pháp ước lượng hồi quy với dữ liệu chuỗi thời gian thường có Ordinary Least Square (OLS), Vector Autoregression (VAR), Vector Error Correction Model (VECM), Generalized Least Squares (GLS) và các phương pháp khác, theo Fox (2002), Greene (2003), Gujarati (2003), Wooldridge (2009) và Brooks (2014). Wooldridge (2009) cho rằng phương pháp Ordinary Least Square (OLS) có nhược điểm chưa khắc phục hiện tượng phương sai thay đổi, tự tương quan và đặc biệt là vấn đề nội sinh. Theo Stedinger và Tasker (1985), Wooldridge (2009), khi mơ hình hồi quy xảy ra vấn đề phương sai thay đổi và tự tương quan, phương pháp Generalized Least Square (GLS) cung cấp các ước tính chính xác hơn về các tham số của mơ hình hồi quy so với phương pháp OLS. Phương pháp GLS cịn phù hợp các mẫu với kích cỡ nhỏ về mặt lý thuyết và thực nghiệm (Olsson, Foss, Troye và Howell, 2000). Ngoài ra, nhiều nghiên cứu như Fox (2002), Dettling (2016), Akpan và Moffat (2018) còn ứng dụng phương pháp GLS với kiểu dữ liệu chuỗi thời gian để thấy được sự khác biệt khi xảy ra vấn đề tự tương quan đối với phương pháp OLS.
Bên cạnh đó, theo Semykina và Wooldridge (2010), vấn đề nội sinh có thể phát sinh do mối tương quan giữa các biến giải thích và biến được giải thích hay sai số riêng biệt của mơ hình dẫn đến các kết quả sai lệch không thể được loại bỏ thông qua phương pháp OLS. Tuy nhiên, với đặc điểm của các mơ hình (1), (2), (3) và (4) có sử dụng biến trễ của biến phụ thuộc làm biến kiểm sốt và các biến kiểm sốt khác đều có độ trễ, vì vậy ít có khả năng xảy ra vấn đề về nội sinh. Ví dụ, tăng trưởng GDP kỳ này (biến phụ thuộc) khó tác động đến lãi suất, độ mở thương mại, độ mở tài chính và tăng trưởng GDP kỳ trước.
Ngoài ra, luận văn cịn thực hiện các kiểm định tính dừng của chuỗi dữ liệu và lựa chọn độ trễ cho các biến độc lập trong mơ hình. Với kiểu dữ liệu chuỗi thời gian, độ trễ giữa từng biến độc lập có thể sẽ khác nhau. Theo Brook (2014), trong
kinh tế lượng, độ trễ được xác định thông qua nhiều chỉ số thống kê như Final Prediction Error (FPE), Akaike’s information criterion (AIC), Hannan–Quinn (HQIC), Schwartz’s Bayesian (SBIC). Mishkin (2016) cho rằng đối với các quốc gia đã trải qua biến động lạm phát cao và do đó có giá linh hoạt hơn, độ trễ có thể ngắn hơn. Theo nghiên cứu khác của Cecchetti (1999), độ trễ truyền dẫn CSTT tại các nước tiên tiến khác nhau trong khoảng từ 1 đến 12 quý. Sau khi nghiên cứu 10 quốc gia châu Âu, Elbourne và de Haan (2006) cũng cho thấy rằng tác động tối đa của cú sốc CSTT đối với giá cả xảy ra trong khoảng từ 1 đến 10 quý sau cú sốc. Trong nghiên cứu của Bhattacharya (2013) về truyền tải CSTT ở Việt Nam và châu Á mới nổi, tác giả đã lựa chọn độ trễ là 1 quý cho các biến trong mơ hình; tác giả đã có kết luận về cú sốc lãi suất, có xu hướng tác động đáng kể đến tăng trưởng GDP và tăng trưởng tín dụng trong cả ngắn hạn và trung hạn. Ngoài ra, Trần Ngọc Thơ và Nguyễn Hữu Tuấn (2013) nghiên cứu về cơ chế truyền dẫn CSTT ở Việt Nam trên dữ liệu hàng tháng cũng đã lựa chọn độ trễ là 3 cho dữ liệu trước khi Việt Nam gia nhập WTO và 5 cho dữ liệu sau khi Việt Nam gia nhập WTO. Như vậy, với dữ liệu chuỗi thời gian gồm 56 quan sát, luận văn sẽ sử dụng phương pháp ước lượng OLS và GLS, nhằm khắc phục hiện tượng tự tương quan và phương sai thay đổi của phương pháp OLS như các nghiên cứu trước đây; kết hợp với kiểm định tính dừng (Unit Root Test), tự tương quan, phương sai thay đổi và độ trễ của các biến độc lập sẽ được xác định theo các chỉ số thống kê dựa trên dữ liệu thực tế từ quý 1/2004 đến quý 4/2017 tại Việt Nam.