3. Phương pháp và dữ liệu nghiên cứu:
3.3. Thu thập và xử lý dữ liệu:
3.3.2. Kiểm định tính dừng chuỗi dữ liệu – kiểm định ADF và lựa
chọn độ trễ tối ưu:
Lựa chọn độ trễ tối ưu.:
Trước khi đi vào ước lượng mơ hình, chúng ta cần tiến hành chọn độ trễ tối ưu áp dụng đồng nhất trong tất cả các thủ tục sử dụng trong mơ hình bằng cách chạy mơ hình Unrestricted VAR model với các dãy số liệu VNINDEX, CPI, EXR, IR, OP. Bảng kết quả chỉ ra rằng độ trễ tối ưu (optimal lag) là 2 bởi vì giá trị của tiêu chuẩn Akaike Information Criterion (AIC) ở độ trễ này là nhỏ nhất.
Bảng 3.3: Lựa chọn độ trễ tối ưu.
Lag AIC
1 36.55
2 36.22
3 36.44
4 36.27
Nguồn: Tính tốn của tác giả sử dụng Eviews 6.0.
Kiểm định tính dừng chuỗi dữ liệu:
Trong các nghiên cứu thực nghiệm sử dụng các chuỗi dữ liệu thời gian thì việc kiểm định xem chuỗi dữ liệu có tồn tại nghiệm đơn vị (Unit root) hay không là điều quan trọng. Việc hồi quy sử dụng các chuỗi dữ liệu có tồn tại nghiệm đơn vị thường tạo ra vấn đề hồi quy giả (Spurious regression). Vấn đề
này xuất hiện là do nếu như cả hai chuỗi thời gian được xét đến đều thể hiện các xu hướng mạnh (xu hướng lên hoặc xuống liên tục), thì R2 có giá trị cao do sự hiện diện của xu hướng loại này, chứ không phải do mối quan hệ thực giữa hai chuỗi thời gian đó. Dữ liệu sẽ được kiểm định nghiệm đơn vị để xem xét tính dừng bởi vì điều kiện để tiến hành kiểm định đồng liên kết để xác định là các chuỗi dữ liệu phải là chuỗi dừng.
Một chuỗi dữ liệu gọi là dừng (khơng có nghiệm đơn vị) nếu như trung bình và phương sai của nó khơng đổi theo thời gian và giá trị của đồng phương sai giữa hai thời đoạn chỉ phụ thuộc và khoảng cách và độ trễ về thời gian giữa hai thời đoạn này chứ không phụ thuộc vào thời điểm thực tế mà đồng phương sai được tính.
Dickey và Fuller là hai trong số những nhà nghiên cứu đầu tiên có cơng trình về kiểm định nghiệm đơn vị trong chuỗi dữ liệu thời gian. Trước tiên giả sử rằng :
1
t t t
Y Y u với 1 1 (3.5)
Giả thiết : H0: 1 (Yt là chuỗi khơng dừng hay có nghiệm đơn vị)
1: 1
H (Yt là chuỗi dừng)
Công thức : Yt Yt 1 ut tương đương với :
1 1 1 1 1 t t t t t t t Y Y Y u Y Y u (3.6) 1 t t t Y Y u
Giả thiết : có thể được viết lại như sau :
0: 1
H (Yt là chuỗi khơng dừng hay có nghiệm đơn vị)
1: 1
Dickey and Fuler cho rằng giá trị t ước lượng của hệ số Yt 1 sẽ phân phối xác suất ( giá trị ước lượng / sai số của hệ số ). Kiểm định thống kê còn gọi kiểm định Dickey – Fuller ( DF ).
Kiểm định DF được ước lượng với ba hình thức :
- Khi Yt là một bước ngẫu nhiên không hằng số (Without Constant and trend)
1
t t t
Y Y u (3.7)
- Khi Yt là một bước ngẫu nhiên có hằng số (Without Constant)
1 1
t t t
Y Y u (3.8)
- Khi Yt là một bước ngẫu nhiên có hằng số xoay quanh một đường xu thế ngẫu nhiên.
1 2 1
t t t
Y TIME Y u (3.9)
Để kiểm định H0, so sánh giá trị thống kê tính tốn với giá trị thống kê tra bảng DF
Bởi vì có hiện tượng tương quan chuỗi giữa các ut do thiếu biến, nên thường sử dụng kiểm định DF mở rộng là ADF (Augmented Dickey – Fuller Test). Kiểm định này được thực hiện bằng cách bổ sung vào phương trình
1 2 1
t t t
Y TIME Y u các biến trễ của sai phân biến phụ thuộc
t Y ta có phương trình mới : 1 2 1 t t t i t Y TIME Y i Y (3.10) Khi đó :
- Nếu tính tốn giá trị ADF (ADF test statistic) suy ra không bác bỏ giả thiết H0, hay tồn tại nghiệm đơn vị (chuỗi dữ liệu không dừng) - Nếu tính tốn giá trị ADF (ADF test statistic) suy ra bác bỏ
giả thiết H0, hay không tồn tại nghiệm đơn vị (chuỗi dữ liệu là dừng). Áp dụng thủ tục kiểm định tính dừng trình bày trên với sự hỗ trợ của phần mềm xử lý dữ liệu Eviews cho các chuỗi dữ liệu, kết quả chỉ ra rằng các dãy số liệu theo thời gian (time series) không dừng (non-stationary) ở giá trị gốc (at level) (ngoại trừ VN-index) nhưng lại thể hiện tính dừng (stationary) ở sai phân bậc 1 (first difference). Đây cũng chính là điều kiện để áp dụng kiểm định đồng liên kết và VECM – các chuỗi dữ liệu phải dừng ở cùng bậc sai phân. Kết quả kiểm định tính dừng thể hiện trong bảng sau:
Bảng 3.4: Kết quả kiểm định tính dừng các biến ở giá trị gốc.
Series ADF test
staticstic Mackinnon critical value (5%) Lag- length P-value Conclusion LNVNINDEX -3.365660 -2.912630 2 0.0163 Stationary LNCPI -0.517594 -2.912630 2 0.8798 Non-stationary LNEXR -0.865802 -2.911730 2 0.7923 Non-stationary LNIR -2.981400 -2.913549 2 0.0526 Non-stationary LNOP -1.605760 -2.911730 2 0.4734 Non-stationary LNMONEY -0.573837 -3.546099 2 0.8681 Non-stationary
Nguồn: Tính tốn của tác giả sử dụng Eviews 6.0.
Bảng 3.5: Kết quả kiểm định tính dừng các biến ở sai phân bậc 1.
Series ADF test
staticstic Mackinnon critical value (5%) Lag- length P- value Conclusion D(LNVNINDEX) -5.797623 -2.912631 2 0.0000 I(1) D(LNCPI) -3.840178 -2.912631 2 0.0000 I(1)
D(LNEXR) -6.302480 -2.912631 2 0.0000 I(1)
D(LNIR) -3.639914 -2.913549 2 0.0000 I(1)
D(LNOP) -5.173132 -2.912613 2 0.0000 I(1)
D(LNMONEY) -7.128172 -3.548208 2 0.0000 I(1)
Nguồn: Tính tốn của tác giả sử dụng Eviews 6.0.