CHƢƠNG 3 : DỮ LIỆU VÀ PHƢƠNG PHÁP NGHIÊN CỨU
3.1. Dữ liệu
3.2.3.1. Mơ hình VAR tổng qt
*Khái niệm
Mơ hình VAR về cấu trúc gồm nhiều phương trình (mơ hình hệ phương trình) và có các trễ của các biến số. VAR là mơ hình động của một số biến thời gian.
Ta xét hai chuỗi thời gian Y1 và Y2. Mơ hình Var tổng qt đối với Y1 và Y2 có dạng sau đây:
Y1t = α + Y2t = δ +
Trong mơ hình trên, mỗi phương trình đều chứa p trễ của mỗi biến. Với hai biến mơ
hình có 22p hệ số góc và 2 hệ số chặn. Vậy trong trường hợp tổng qt nếu mơ hình có
k biến thì sẽ có k2p hệ số góc và k hệ số chặn, khi k càng lớn thì số hệ số phải ước
lượng càng tăng.
*Phương pháp ước lượng mơ hình VAR
Xét tính dừng của các biến trong mơ hình. Nếu chưa dừng thì sử dụng kỹ thuật lấy sai phân để đưa về các chuỗi dừng.
Lựa chọn khoảng trễ phù hợp.
Xem xét mức độ phù hợp của mơ hình chạy ra (bằng việc kiểm định tính dừng của phần dư. Nếu phần dư của mơ hình dừng thì mơ hình nhận được phù hợp với chuỗi thời gian và ngược lại.
So sánh các mơ hình và lựa chọn mơ hình phù hợp nhất.
*Một số vấn đề trong xây dựng mơ hình VAR
Bên cạnh những ưu điểm nổi trội của mơ hình VAR: khơng cần xác định biến nào là biến nội sinh và biến nào là biến ngoại sinh hay là ta có thể sử dụng phương pháp OLS cho từng phương trình riêng lẻ thì mơ hình VAR cịn vướng phải một số hạn chế: Khi xét đến mơ hình VAR ta cịn phải xét đến tính dừng của các biến trong mơ hình. Yêu cầu đặt ra khi ta ước lượng mơ hình VAR là tất cả các biến phải dừng, nếu trong trường hợp các biến này chưa dừng thì ta phải lấy sai phân để đảm bảo chuỗi dừng. Càng khó khăn hơn nữa nếu một hỗn hợp chứa các biến có tính dừng và các biến khơng có tính dừng thì việc biến đổi dữ liệu khơng phải là việc dễ dàng.
Khó khăn trong việc lựa chọn khoảng trễ thích hợp. Giả sử mơ hình VAR đang xét có ba biến và mỗi biến sẽ có 8 trễ đưa vào từng phương trình. Như xem xét ở trên thì số hệ số phải ước lượng là 75. Và nếu ta tăng số biến và số trễ đưa vào mỗi phương trình thì số hệ số mà ta phải ước lượng sẽ khá lớn. Ngồi ra, khó khăn trong việc lựa chọn khoảng trễ còn được thể hiện ở chỗ nếu ta tăng độ dài của trễ sẽ làm cho bậc tự do giảm, do vậy mà ảnh hưởng đến chất lượng các ước lượng.
*Áp dụng mơ hình VAR trong bài nghiên cứu này
Phương trình mơ hình VAR sẽ gồm tổng cộng 6 biến, trong đó 2 biến đo lường phát triển tài chính (DCPS và GDS), khu vực sản xuất vật chất (TRADE, GOV và INF) và
biến tăng trưởng kinh tế (GROWTH) áp dụng cho 2 vùng quốc gia và nhóm thu nhập cao. Mơ hình VAR chuẩn được thể hiện như sau:
Yt = C + +et (4)
Trong đó Yt là một véc tơ 6 x 1 cột của 6 biến: GROWTH, DCPS, GDS, TRADE, GOV, INF); C và A lần lượt là ma trận 6 x 1 và 6 x 6 hệ số tương quan; m là độ trễ và
et là véc tơ 6 x 1 cột của sai số dự đốn. Theo của mơ hình VAR cấu trúc, yếu tố trong véc tơ et sẽ có trung bình bằng khơng và phương sai khơng đổi, đồng thời không tương quan từng kỳ đơn lẻ. Bởi vì trong mơ hình VAR cấu trúc thì phân sai số được giả định là nhiễu trắng, dưới giả định này thì phần sai số trong mơ hình VAR chuẩn sẽ không tương quan từng kỳ đơn lẻ. Phần tử thứ ij trong ma trận As sẽ đo lường tác động trực tiếp của sự thay đổi trong biến thứ j lên biến thứ i trong s kỳ.
3.2.3.2. Phƣơng Pháp Toda-Yamamoto
Tôi dùng phương pháp của Toda và Yamamoto (1995) để kiểm định nhân quả Granger. Lý do không dùng F-test để kiểm định là vì F-test chỉ áp dụng được cho chuỗi dừng. Trong khi đó, phương pháp Toda và Yamamoto vẫn có thể xác định được đặc tính đồng tích hợp của chuỗi quan sát mà khơng phải quan tâm đến điều kiện áp dụng giống F-test. Phương pháp Toda-Yamamoto có khá nhiều điểm khác biệt trong việc kiểm định mối quan hệ nhân quả Granger. Có thể mơ tả các bước thực hiện phương pháp này như sau:
Bước 1: Xác định bậc tích hợp cao nhất của chuỗi (dmax). Cụ thể, tôi sẽ sử dụng phương
pháp kiểm định nghiệm đơn vị của Levin, Lin và Chu để xác định bậc tích hợp cao nhất do đây là chuỗi dữ liệu mảng. Bên cạnh đó, tơi đưa thêm kết quả kiểm định theo phương pháp ADF và PP, tuy nhiên nếu xảy ra trường hợp có mâu thuẫn kết quả giữa các phương pháp thì sẽ lựa chọn theo phương pháp Levin, Lin và Chu. Trong kiểm định Levin, Lin và Chu giả sử rằng có một nghiệm đơn vị thơng thường trong khi kiểm
định ADF và PP cho phép tiến hành các thủ tục đối với từng nghiệm đơn vị riêng lẻ. Kiểm định W-Statistics dùng để kiểm tra chuỗi dữ liệu của bảng dựa trên các kiểm định từng nghiệm đơn vị riêng lẻ trong đó W-statistic được giả định có phân phối chuẩn.Do đó đối với dữ liệu mảng thì phương pháp Levin, Lin và Chu thích hợp hơn.
Bước 2: Luôn giữ chuỗi dữ liệu gốc, tuyệt đối không chuyển sang chuỗi sai phân cho
dù kết quả ờ bước 1 cho thấy chuỗi dừng ở sai phân mà không dừng ở chuỗi gốc. Đây là một đặc điểm rất quan trọng của phương pháp này.
Bước 3: Xác định độ trễ tối ưu của mơ hình (m). Trong bài nghiên cứu này, tôi sử dụng
phương pháp lựa chọn độ trễ tối ưu theo tiêu chuẩn của Akaike. Bên cạnh đó, tơi cũng đưa thêm kết quả của một vài tiêu chuẩn khác để tăng tính thuyết phục.
Bước 4: Kiểm định độ ổn của mơ hình VAR. Tính ổn định của mơ hình VAR cơ sở
được thiết lập với độ trễ tối ưu đã chọn cần được xác nhận lại trước khi sử dụng mơ hình để phân tích các bước kế tiếp. Điều này đặc biệt rất quan trọng nhất là đối với các kết quả thu được từ hàm phản ứng xung tổng quát (Generalized Impulse Response Function - GIRF). Nếu mơ hình khơng đáp ứng được các điều kiện về tính ổn định thì hiển nhiên các kết quả như sai số chuẩn của phản ứng xung sẽ khơng có giá trị. Bước này tôi áp dụng kiểm định AR root.
Bước 5: Nếu có ít nhất hai chuỗi có cùng bậc tích hợp ở bước 1, tơi sẽ thực hiện kiểm
định đồng liên kết theo phương pháp của Johansen. Kiểm định này cho phép có thể xuất hiện nhiều hơn một mối quan hệ đồng liên kết, do đó có tính áp dụng phổ quát hơn Kiểm định Engle–Granger (vốn dựa trên Dickey–Fuller hay Kiểm định Dickey– Fuller mở rộng) tính nghiệm đơn vị trên phần dư từ mơ hình quan hệ đồng liên kết đơn lẻ. Có hai dạng kiểm định Johansen, hoặc dựa vào kiểm định vết (trace) hoặc trị số
riêng cực đại (maxeigenvalue), hai phương pháp này tương đương nhau. Giả thuyết H0
thuyết H0 của kiểm định eigenvalue là r = x. Thật chất, đây chỉ là bước phụ để kiểm chứng kết quả kiểm định nhân quả nhằm tăng tính thuyết phục. Bởi vì đối với phương pháp Toda – Yamamoto bước này có thể khơng cần thực hiện bởi vì phương pháp này khơng quan tâm tới việc các biến có đồng liên kết hay khơng.
Bước 6: Hồi quy mơ hình VAR với (m+dmax) độ trễ. Lưu ý tại bước này, tôi sẽ áp dụng
phương pháp hồi quy các biểu thức gần như không liên quan SUR (seemingly unrelated regression). Phương pháp này cho phép chúng ta thực hiện được kiểm định Wald theo phân phối Chi bình phương với m bậc tự do hiệu quả hơn (theo Caporale và Pittis, 1999).
Bước 7: Kiểm định mối quan hệ phi nhân quả Granger với giả thuyết H0 là khơng có quan hệ nhân quả Granger. Thực hiện kiểm định Wald theo phân phối Chi bình phương với m bậc tự do.
3.2.3.3. Phân rã phƣơng sai sai số dự đoán (FEVD)
Tơi tiến hành phân rã sai số dự đốn của biến tăng trưởng kinh tế GROWTH qua các thời kỳ khác nhau để xem xét các cú sốc của chính nó và các biến khác tác động như thế nào đến tăng trưởng. Kết quả của phân tích này sẽ cho thấy được những biến nào đóng vài trị quan trọng nhất tác động đến tăng trưởng.
3.2.3.4. Hàm phản ứng xung tổng quát (Generalized Impulse Response Function - GIRF) Function - GIRF)
Như đã đề cập trong mục tiêu nghiên cứu, ta cần đánh giá vai trò của khu vực tài chính đối với tăng trưởng kinh tế. Để đạt muc tiêu này, tôi sẽ khai thác hàm phản ứng xung. Tuy nhiên kỹ thuật phân rã phương sai của Cholesky thường được dùng để tạo ra hàm phản ứng xung cho các mơ hình VAR cấu trúc được sắp xếp theo một trình tự các biến nhất định. Nếu thứ tự các biến này thay đổi kết quả hàm phản ứng xung sẽ cho các kết
quả khác nhau. Do đó, tơi sẽ sử dụng phương pháp hàm phản ứng xung tổng quát của Pesaran và Shin (1998). Phương pháp này sẽ cho kết quả đồng nhất bất kể thứ tự các biến. Có thể tóm tắt sự khác biệt giữa IRF của Cholesky và GIRF của Pesaran & Shin như sau:
i. Thay vì kiểm sốt ảnh hưởng của sự tương quan giữa các phần dư, GIRF
lại đi theo hàm phản ứng xung phi tuyến tính và tính tốn hàm phản ứng xung trung bình. Tức là khi một biến bị sốc, các biến khác cũng sẽ biến động trong phương sai. Hay nói cách khác GIRF tính tốn trung bình của tất cả các cú sốc tích hợp lại.
ii. GIRF khơng bị ảnh hưởng bởi thứ tự các biến
Ta sẽ xem xét phản ứng của tăng trưởng kinh tế đối với các cú sốc của tiết kiệm quốc gia và tín dụng cung cấp cho khu vực tư nhân trong khoảng thời gian 15 năm.
CHƢƠNG 4: KẾT QUẢ THỰC NGHIỆM
4.1. Mô tả thống kê các biến đại diện
Bảng 4.1: Tóm tắt mơ tả thống kê
Tăng trƣởng kinh tế Phát triển tài chính Khu vực sản xuất vật chất
GDPPC GROWTH(%) DCPS(%) M3(%) GDS(%) TRADE(%) GOV(%) INF(%)
Đơng Á Trung bình 1,425.2 6.8 40.3 9.0 15.5 81.6 11.8 8.0 Trung vị 1,295.0 6.0 34.2 0.0 16.5 79.1 11.3 6.7 Giá trị lớn nhất 2,755.2 11.9 109.6 39.5 43.3 112.3 23.5 20.4 Giá trị nhỏ nhất 360.9 3.6 6.4 0.0 -13.7 44.5 4.3 3.4 Nam Á Trung bình 696.5 6.1 25.3 12.5 18.2 49.3 11.3 8.1 Trung vị 636.1 5.7 25.8 5.1 15.2 39.8 11.5 8.2 Giá trị lớn nhất 1,144.6 7.9 32.4 35.4 28.9 83.7 19.0 10.0 Giá trị nhỏ nhất 310.6 4.6 15.7 0.0 11.5 29.5 4.9 5.9 Thu nhập cao Trung bình 24,116.3 7.4 97.1 44.8 37.2 152.1 13.6 2.7 Trung vị 24,525.1 6.9 91.8 16.3 34.0 91.6 12.8 3.4 Giá trị lớn nhất 33,242.9 11.7 189.4 199.0 55.2 358.4 20.3 4.1 Giá trị nhỏ nhất 12,397.2 4.3 22.3 0.0 25.3 21.8 8.4 0.5
Cách phân nhóm của Ngân hàng Thế giới năm 2013 dựa trên thu nhập như sau:
Bảng 4.2: Phân loại thu nhập giữa các quốc gia theo Ngân hàng Thế giới
Phân loại thu nhập Mức thu nhập bình quân đầu ngƣời
Thấp Thấp hơn hoặc bằng 664$
Dưới trung bình 665-2067$
Trên trung bình 2068-7540$
Cao 7541-39344$
Nguồn: www.worldbank.org
Bảng 4.1 thể hiện những chỉ số tài chính và sản xuất vật chất giữa các vùng và các nhóm thu nhập. Khu vực Đơng Á có thu nhập bình qn cao hơn khu vực Nam Á. Tốc độ tăng trưởng của khu vực Đông Á và Nam Á khá cao gần bằng với các nước thu nhập cao. Điều này phản ánh tốc độ tăng trưởng khá nhanh của thị trường mới nổi châu Á của những thập kỉ gần đây.
Khơng q ngạc nhiên, khi nhóm thu nhập cao có các chỉ số tài chính rất cao, gấp ít nhất 3 lần các khu vực còn lại. Những chỉ số này thể hiện cho hệ thống tài chính lớn mạnh của các quốc gia như Nhật, Hàn Quốc, Hồng Kơng, Singapore. Trong khi đó các chỉ số tài chính của khu vực Nam Á rất kém, cho thấy hệ thống tài chính kém hiệu quả. Cụ thể là chỉ số tín dụng cấp cho khu vực tư nhân và độ sâu tài chính thấp phản ánh sự thiếu hụt trong vốn tín dụng cung cấp cho khu vực tư nhân cũng như khả năng huy động khơng tốt của các kênh tài chính. Khu vực Đơng Á có chỉ số nợ thanh khoản thấp nhất, đây cũng là thực trạng hiện nay tại khu vực này khi tình hình nợ xấu rất cao. Đối với chỉ số sản xuất vật chất, rõ ràng khu vực Đông Á cho thấy sự tăng trưởng mạnh mẽ ở chỉ số thương mại khi mà nơi đây tập trung hầu hết các công xưởng của thế giới cũng như các nước có lượng nơng sản rất lớn. Chi tiêu chính phủ giữa các nước
không quá khác biệt trong khi chỉ số lạm phát của nhóm thu nhập cao lại rất thấp so với các nước thu nhập trung bình- thấp.
4.2. Kết quả mơ hình VAR giữa các nhóm nƣớc
4.2.1. Kiểm định nhân quả Granger
Áp dụng phương pháp Toda-Yamamoto để tiến hành kiểm định mối quan hệ nhân quả Granger. Kết quả kiểm định mối quan hệ nhân quả Granger giữa tăng trưởng kinh tế và hai biến tài chính là tín dụng cung cấp cho khu vực tư nhân DCPS và tổng tiết kiệm quốc gia GDS sẽ cung cấp nhiều thơng tin để thực hiện việc phân tích chính sách ở các vùng quốc gia.
4.2.1.1. Kiểm định nghiệm đơn vị
Kiểm định nghiệm đơn vị sẽ cho ta kết quả chuỗi dừng ở mức độ nào của dữ liệu. Từ đó xác định bậc tích hợp cao nhất của chuỗi (dmax). Kết quả các bảng bên dưới trình bày giá trị p-value
Bảng 4.3: Kết quả kiểm định nghiệm đơn vị Đông Á
Phƣơng pháp/Biến Levin, Lin & Chu ADF PP
GROWTH 0.0000 0.0000 0.0000 DCPS 0.0251 0.7793 0.7708 GDS 0.0017 0.0210 0.1026 GOV 0.9998 0.9872 0.9867 D(GOV) 0.0000 0.0000 0.0000 TRADE 0.1231 0.3286 0.8933 D(TRADE) 0.0000 0.0000 0.0000 INF 0.0000 0.0000 0.0000
Kết quả kiểm định vùng Đông Á cho thấy chuỗi tăng trưởng kinh tế, chuỗi tín dụng cung cấp cho khu vực tư nhân, tổng tiết kiệm quốc gia và lạm phát dừng ở mức độ ban đầu của dữ liệu, chi tiêu chính phủ, thương mại dừng ở sai phân bậc một. Như vậy, bậc tích hợp cao nhất của chuỗi là một (dEA=1).
Bảng 4.4: Kết quả kiểm định nghiệm đơn vị Nam Á
Phƣơng pháp/Biến Levin, Lin & Chu ADF PP
GROWTH 0.0000 0.0000 0.0000 DCPS 0.0323 0.0540 0.6204 GDS 0.0593 0.5879 0.5963 GOV 0.2369 0.2453 0.4903 D(GOV) 0.0004 0.0383 0.0573 TRADE 0.1191 0.4098 0.5945 D(TRADE) 0.0029 0.0513 0.0000 INF 0.2405 0.8667 0.8665 D(INF) 0.0000 0.0000 0.0000
Nguồn: kết quả từ phần mềm Eview 6.0
Kết quả kiểm định nghiệm đơn vị vùng Nam Á cho thấy chuỗi tăng trưởng kinh tế, tổng tiết kiệm quốc gia và tín dụng cung cấp cho khu vực tư nhân dừng ở mức độ ban đầu của dữ liệu, chuỗi thương mại, lạm phát và chi tiêu chính phủ dừng ở sai phân bậc một. Do đó, bậc tích hợp cao nhất là một (dSA=1).
Bảng 4.5: Kết quả kiểm định nghiệm đơn vị nhóm thu nhập cao
Phƣơng pháp/Biến Levin, Lin & Chu ADF PP
GROWTH 0.0000 0.0000 0.0000 DCPS 0.0219 0.3763 0.5337 GDS 0.0828 0.4993 0.5825 GOV 0.0017 0.0988 0.3168 TRADE 0.4868 0.4156 0.6166 D(TRADE) 0.0000 0.0000 0.0000 INF 0.0079 0.0412 0.0181
Nguồn: kết quả từ phần mềm Eview 6.0
Kết quả kiểm định nghiệm đơn vị nhóm thu nhập cao xác định chuỗi tăng trưởng kinh tế, tổng tiết kiệm quốc gia, tín dụng cung cấp cho khu vực tư nhân, chi tiêu chính phủ và tỷ lệ lạm phát dừng ở mức độ ban đầu của dữ liệu, chuỗi thương mại dừng ở sai phân bậc một. Suy ra, bậc tích hợp cao nhất là một (dHI=1).
Như vậy, bậc tích hợp cao nhất cho tất cả các vùng quốc gia và nhóm thu nhập đều là một.
4.2.1.2. Xác định độ trễ tối ƣu
Áp dụng tiêu chí lựa chọn tối ưu của Akaike (AIC). Bên cạnh đó để tăng thêm mức