PHẦN 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.2. Kiểm định nghiệm đơn vị
Để kiểm tra tính dừng của chuỗi dữ liệu thời gian, phƣơng pháp phổ biến đƣợc áp dụng là kiểm định Dickey-Fuller Augmented (ADF) (Dickey và Fuller, 1979, Brooks,
2014). Chuỗi thời gian có nghiệm đơn vị (unit root) đƣợc xem là khơng dừng. Có những phƣơng pháp phổ biến khác để xác định tính dừng của một biến nhƣ kiểm định Phillips-Perron (PP). Kiểm định này tƣơng tự nhƣ kiểm định ADF, nhƣng có một số thay đổi nhằm cho phép sự tƣơng quan phần dƣ.
Tuy nhiên, các kiểm định này thƣờng cho ra các kết luận tƣơng tự (Brooks, 2014) và do đó, tác giả chỉ xem xét kiểm định ADF cho mục đích kiểm định nghiệm đơn vị. Kiểm định ADF là phép phân tích hồi quy dựa trên phƣơng trình (3.1) trong đó β là hằng số, p là độ trễ cho trƣớc, φ và α hệ số hồi quy, λt là số hạng xu hƣớng và là nhiễu trắng. Lƣu ý rằng nếu λt = β = 0, phƣơng trình mơ hình hóa kiểm định nghiệm đơn vị mà khơng có xu hƣớng và hệ số chặn (drift); trong khi nếu chỉ λt = 0, phƣơng trình mơ hình hóa với hệ số chặn. Trƣờng hợp cuối cùng là nếu λt và β cùng khác 0, phƣơng trình kết hợp xu hƣớng thời gian và hệ số chặn. Kiểm định nghiệm đơn vị đƣợc tiến hành dựa trên điều tra các giả thiết sau:
∑
(3.2)
H0: , tức nghiệm đơn vị tồn tại, do đó, chuỗi dữ liệu khơng dừng. H1: , tức nghiệm đơn vị khơng tồn tại, do đó, chuỗi dữ liệu dừng. Kiểm định thống kể đƣợc xác định bởi ̂
( ̂), trong đó ̂ là giá trị ƣớc tính từ
phƣơng trình (3.2) và ( ̂) là sai số chuẩn của ƣớc tính. Thống kê kiểm định không
tuân theo phân phối t thông thƣờng theo giả thuyết khơng, thay vào đó, thống kê khơng tn theo phân phối chuẩn và các giá trị tới hạn cho kiểm định đƣợc xây dựng bằng quá trình mơ phỏng. Các giá trị tới hạn cho kiểm định ADF có thể đƣợc tìm thấy trong nghiên cứu của Fuller (1976) và có thể đƣợc nội suy cho các độ trễ khác nhau. Hơn nữa, do lựa chọn của độ trễ p ảnh hƣởng đến mơ hình, do vậy, xác định độ trễ tối ƣu vô
cùng cần thiết (Brooks, 2014). Có một số phƣơng pháp xác định độ trễ tối ƣu p và phƣơng pháp chung là tối thiểu giá trị của tiêu chuẩn thông tin AIC (Akaike, 1974) hoặc Schwarz-Bayesian (SIC) (Schwarz và cộng sự, 1978) theo phƣơng trình (3.3) và phƣơng trình (3.4):
AIC = –2ln(LH) + 2k SIC = –2ln(LH) + kln(n)