PHẦN III : PHƯƠNG PHÁP NGHIÊN CỨU
3.4 Phương pháp nghiên cứu
3.4.3.2 Giới thiệu phương pháp GMM
Phương pháp GMM là một phương pháp thống kê cho phép kết hợp các dữ liệu kinh tế quan sát được trong các điều kiện moment tổng thể (population moment conditions) để ước lượng các tham số chưa biết của mơ hình kinh tế. Phương pháp GMM lần đầu tiên được xây dựng bởi Lars Peter Hansen năm 1982 – giáo sư kinh tế
ĐH Chicago - người vừa đạt giải Nobel Kinh tế năm 2013. Hansen đã xây dựng nên phân phối chuẩn (asymptotic normality), tính hiệu quả (efficiency).
Các ước lượng của phương pháp GMM sẽ thích hợp sử dụng trong các trường hợp: - Dữ liệu bảng có T nhỏ, N lớn (có rất nhiều quan sát với ít mốc thời gian)
- Tồn tại mối quan hệ tuyến tính giữa biến phụ thuộc với các biến giải thích - Mơ hình động với một hoặc 2 vế của phương trình có chứa biến trễ
- Các biến độc lập không phải là biến ngoại sinh ngặt (strictly exogenous), nghĩa là chúng có thể tương quan với các phần dư (hiện tại hoặc trướcđó) hoặc tồn tại biến nội sinh trong mơ hình (endogenous variables) trong mơ hình - Tồn tại vấn đề phương sai thay đổi hoặc tự tương quan ở các sai sốđo lường
(idiosyncratic disturbances)
- Tồn tại các tác động cố định riêng rẻ (fixed individual effects)
- Tồn tại phương sai thay đổi và tự tương quan trong mỗi đối tượng (nhưng không tồn tại giữa các đối tượng)
Hiện tại, đã có rất nhiều học giả cải tiến phương pháp GMM ban đầu lên nhiều phiên bản GMM phù hợp hơn với các nghiên cứu thực nghiệm. Đáng chú ý nhất là 2 phương pháp D-GMM Anderson & Hsiao (1982), Holtz –Eakin, Newey & Rosen (1988) và phương pháp S-GMM (System – GMM) do Blundell & Bond (1998) xây dựng trên ý tưởng của Arellano & Bover (1995) bằng cách bổ sung thêm một số ràng buộc vào D-GMM.
Để kiểm tra xem việc lựa chọn biến cơng cụ có làm cho ước lượng của mơ hình có hiệu quả hay khơng, tác giả sử dụng kiểm định Hansen và kiểm định m1 và m2. Kiểm tính Hansen xác định tính chất phù hợp của các biến công cụ trong mơ hình GMM, để kiểm định giới hạn về nội sinh (over-identifying restrictions) và tương quan chuỗi. Với giải thuyết H0 : biến công cụ là ngoại sinh nghĩa là không tương quan với sai số của mơ hình. Vì thế giá trị p của thống kê Jensen càng lớn càng tốt
Kiểm định m1 và m2 được sử dụng để kiểm tra tính tự tương quan của sai số theo phương pháp GMM ở dạng sai phân bậc nhất với giả thuyết H0: không tự tương quan và được áp dụng cho sai phân của sai số. Chuỗi sai phân ln có tương quan bậc nhất m1 nên kết quả kiểm định được bỏ qua. Vì thế kiểm định m2 thường sẽ quan trọng hơn vì nó sẽ phát hiện được hiện tượng tụ tương quan ở bậc gốc. Giá trị AR(2) càng lớn hơn 10% là càng tốt.