PHẦN 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.1 Phƣơng pháp vectơ tự hồi quy toàn cầu GVAR
3.1.1. Phƣơng pháp GVAR
Phương pháp GVAR (vectơ tự hồi quy tồn cầu) là một phương pháp khơng còn lạ lẫm, một cách tiếp cận mơ hình kinh tế vĩ mơ tồn cầu hoàn toàn khác biệt, kết hợp dữ liệu thời gian, dữ liệu bảng, cùng các kỹ thuật phân tích nhân tố nhằm giải quyết các vấn đề phức tạp của kinh tế học lẫn tài chính, trải dài từ phân tích chính sách cho đến quản trị rủi ro. So với các cách tiếp cận khác, phương pháp GVAR mang lại nhiều ưu điểm sau:
i) cung cấp góc nhìn bao qt các mối quan hệ phụ thuộc lẫn nhau tại nhiều mức độ khác nhau (quốc gia lẫn quốc tế) một cách rõ ràng;
ii) đề cập các mối quan hệ dài hạn nhất quán với các lý thuyết kinh tế cùng các mối quan hệ ngắn giữa các biến dữ liệu;
iii) cung cấp giải pháp mạch lạc, chặt chẽ nhằm giải quyết vấn đề “bùng nổ tổ hợp” (curse of dimensionality) trong các mơ hình tồn cầu.
Phương pháp GVAR được sử dụng để phân tích rủi ro tín dụng trong nghiên cứu của Pesaran và cộng sự (2006) và Pesaran và cộng sự (2007a). Phiên bản mở rộng của mơ hình được phát triển trong nghiên cứu của Dées và cộng sự (2007) (sau này, gọi tắt là DdPS), trong đó áp đặt khu vực Euro thành một nền kinh tế riêng, và được Pesaran và cộng sự (2007b) sử dụng để đánh giá tác động của Anh gia nhập Euro. Pesaran và cộng sự (2009a, 2009b) đánh giá khả năng dự báo của mơ hình GVAR. Ngày nay, các nhà nghiên cứu kinh tế, lẫn các chun gia phân tích chính sách khơng ngừng nghiên cứu, phát triển, bổ sung các khiếm khuyết của mơ hình, để phát triển mơ hình ngày một hồn hảo và hữu dụng hơn, điển hình như Dées và cộng sự (2013), Chudik và Pesaran (2013).
3.1.2. Lý do áp dụng phƣơng pháp GVAR
Các nền kinh tế riêng lẻ trên thế giới được liên kết với nhau thông qua nhiều kênh khác nhau theo các cách thức phức tạp, gồm việc chia sẻ các nguồn tài nguyên khan hiếm (như dầu và các mặt hàng khác), phát triển chính trị và cơng nghệ, trao đổi tài sản tài chính cũng như hàng hóa và dịch vụ, lưu chuyển vốn và nhân lực giữa các quốc gia. Ngay cả khi đề cập đến các hiệu ứng trên, chúng ta vẫn có thể vơ tình bỏ sót các mối tương tác và hiệu ứng lan tỏa không quan sát được, do sử dụng các kênh tương tác thông thường (Chudik & Pesaran, 2016). Sự thiếu sót trên có thể gây nên những sai lầm trong việc phân tích định lượng tác động của các cú sốc từ bên ngoài lẫn bên trong nền kinh tế, làm giảm chức năng dự báo cũng như hiệu quả của các chính sách vĩ mơ trong tương lai. Bởi vậy, cân nhắc các kênh tương tác tiềm ẩn trên là một thách thức lớn đối với mơ hình kinh tế tồn cầu cũng như thực hiện các mơ phỏng chính sách và phân tích kịch bản.
Bảng 3.1
Ma trận tương quan GDP giữa một số quốc gia giai đoạn 2000Q3–2017Q1.
Trung Quốc Nhật Bản Hàn Quốc Mỹ Thái Lan Việt Nam
Trung Quốc 1 Nhật Bản 0,84*** 1 Hàn Quốc 0,99*** 0,87*** 1 Mỹ 0,95*** 0,94*** 0,97*** 1 Thái Lan 0,98*** 0,89*** 0,98*** 0,97*** 1 Việt Nam –0,84*** –0,55*** –0,81*** –0,71*** –0,76*** 1
Ghi chú: *** tương ứng mức ý nghĩa 1%.
Nguồn: Tính tốn của tác giả.
Hơn nữa, thời gian qua, q trình tồn cầu hóa diễn ra với tốc độ nhanh chóng, hàm ý mức độ hội nhập và phụ thuộc lẫn nhau ngày một gắn kết giữa các nền kinh tế trên thế giới (Chen & cộng sự, 2012). Với bối cảnh trên, các biến số vĩ mô không chỉ phụ thuộc vào một vài nền kinh tế lớn trên thế giới; mà thông qua nhiều cơ chế, kênh truyền dẫn khác nhau, các biến số tại các quốc gia khác nhau sẽ tương tác với nhau đồng thời. Minh chứng là sự tương quan cao, ví dụ, giữa sản lượng của một số
quốc gia trong Bảng 3.1, trong hai thập niên qua. Có thể thầy, sản lượng Việt Nam với các quốc gia khác khơng hề độc lập nhau hồn tồn. Bởi vậy, giả sử, nghiên cứu biến động của GDP Việt Nam trước cú sốc GDP Mỹ bằng mơ hình SVAR, phạm vi các biến số bao gồm Việt Nam và Mỹ. Khi hồi quy mơ hình, chúng ta vơ tình bỏ sót tác động của các cú sốc từ các quốc gia khác đến Việt Nam ngay tại thời điểm xét tới.
Do đó, chúng ta cần phải sử dụng các mơ hình tồn cầu, có khả năng dung nạp cùng lúc dữ liệu của nhiều quốc gia. Chắc chắn đến đây, nhiều người sẽ đặt ra cho mình câu hỏi: VAR/SVAR hay các mơ hình tự hồi quy khác vừa dễ hiểu vừa dễ hồi quy, sao chúng ta không bỏ số liệu của tất cả các nền kinh tế trên thế giới vào khn khổ mơ hình rồi ước lượng, khơng phải sẽ nắm bắt được tác động toàn cầu hay sao? Làm vậy vừa đơn giản, vừa nhanh, sao phải dùng những mơ hình phức tạp làm gì? Đó là một câu hỏi thú vị, và để trả lời câu hỏi này, chúng ta cùng xét một ví dụ, khi hồi quy mơ hình VAR
( ) ,
Xét ví dụ cho vectơ (3 × 1), cho quốc gia thứ i:
(
+ ̅̅̅̅̅̅ phương trình cấu trúc VAR (SVAR) tại bậc 1 được viết dưới dạng:
chúng ta chuyển về dạng thu gọn của SVAR, tức là mơ hình VAR bằng cách nhân hai vế cho (khả nghịch và đã biết trước), và đặt , , ta được:
Chúng ta có thể hồi quy được mơ hình thu gọn trên, tuy nhiên, cần lưu ý trong trường hợp này, chúng ta cần phải ước lượng 8100 hệ số (90 hệ số mỗi phương
trình) trong khi chu kỳ thời gian, giả sử từ quý I/2000 đến quý I/2017 (69 quan sát). Điều này là không thể và kết quả chạy ra chắc chắn không đáng tin cậy chút nào. Chúng ta gọi hiện tượng khi ước lượng hệ số trong mơ hình mà số quan sát q ít là hiện tượng tham số quá mức (over-parametrized), hay còn được biết đến với tên gọi “bùng nổ tổ hợp” (curse of dimensionality). Mơ hình GVAR có thể giải quyết được vấn đề trên (Chudik & Pesaran, 2016).
Trong phần tiếp theo, tác giả trình bày một cách tỉ mỉ từng bước thiết lập mơ hình GVAR: cách kết hợp các phương trình hồi quy của mỗi quốc gia thành một hệ thống mơ hình tồn cầu, cũng như cách chuyển về dạng thu gọn để ước lượng.