Phương pháp thực nghiệm

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU

3.3. Phương pháp thực nghiệm

Đầu tiên bài viết tiến hành kiểm định Pool-OLS cho tất cả các biến, sau đó dùng các kiểm định sau để kiểm định về các vấn đề như đa cộng tuyến, phương sai thay đổi hay tự tương quan.

3.3.1. Kiểm định Đa cộng tuyến

Để kiểm tra hiện tượng đa cộng tuyến giữa các biến bài viết sử dụng nhân tử phóng đại phương sai VIF. Kết quả phần mềm Stata thì VIF cho mỗi biến đều <10, do đó khơng có hiện tượng đa cộng tuyến giữa các biến giải thích.

Bảng 3.3: Kiểm định đa cộng tuyến

Biến VIF 1/VIF

Inflation 3.690 0.270 Inflation 3.220 0.310 Length 1.430 0.697 Pass through 1.130 0.884 Openness 1.120 0.892 Mean VIF 2.120

3.3.2. Kiểm định Phương sai thay đổi

Kiểm định Breusch–Pagen/Cook–Weisberg dùng để kiểm tra cho hiện tượng

phương sai thay đổi.

H0: Phương sai không đổi chi2(1) = 7.25 Prob > chi2 = 0.0071

Ta có giá trị P = 0.0071 < 0.01, do đó kiểm định này bác bỏ giả thuyết H0: phương sai khơng đổi, tức là có xảy ra hiện tượng phương sai thay đổi với mức ý nghĩa 1%.

3.3.3. Kiểm định Tự tương quan

Kiểm định Wooldridge được sử dụng để kiểm tra hiện tượng tự tương quan chuỗi

trong mơ hình dữ liệu bảng.

H0: Khơng có tự tương quan bậc 1 F(1, 19) = 1.126e+06

Prob > F = 0.0000

Vì giá trị P = 0.0000 < 0.01, do đó ta bác bỏ giả thuyết H0: Khơng có tự tương quan bậc 1 ở mức ý nghĩa 1%, tức là có xảy ra hiện tượng tự tương quan trong mơ hình của bài viết.

 Cách khắc phục phương sai thay đổi và tự tương quan: Vì dữ liệu của bài nghiên cứu bị phương sai thay đổi và tự tương quan, nên để kiểm soát 2 vi phạm này nhằm cho kết quả kiểm định phù hợp hơn, do đó, tất cả các mơ hình hồi quy tiếp trong bài nghiên cứu này đều sử sụng kiểm định sai số chuẩn vững kèm theo. Hơn nữa, theo bài viết của Caporale và Caporale (2008), thì bài nghiên cứu dùng kiểm định theo sai số phân nhóm giữa các quốc gia (clusters robust in country)

3.3.4. Kiểm định Hausman

Bởi vì biến quan trọng của phân tích: Pass Through là thời gian bất biến, nên theo Daniels (2013) thì bài nghiên cứu sử dụng mơ hình tác động ngẫu nhiên. Tuy nhiên bài viết cũng tiến hành kiểm định Hausman lại, và kết quả cũng phù hợp với sự lựa chọn mơ hình hiệu ứng ngẫu nhiên.

Ho: Các thành phần sai số theo không gian không tương quan với các biến độc lập (mơ hình Random Effect là phù hợp)

chi2(4) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 2.63 Prob>chi2 = 0.6219

Vì giá trị P > 0.05, nên ta không thể bác bỏ giả thuyết H0 ở mức ý nghĩa 5%, tức là mơ hình tác động ngẫu nhiên là phù hợp.

3.3.5. Mơ hình Random Effects

3.3.5.1. Lý thuyết

Giả sử ta xét một mối quan hệ kinh tế bao gồm một biến phụ thuộc, Y (SAC), và các biến giải thích quan sát được ví dụ như, X1 và X2. Chúng ta có dữ liệu bảng cho

Y, X1, và X2. Dữ liệu bảng gồm có N đối tượng và T thời điểm, và vì vậy chúng ta có NxT quan sát.

Mơ hình tác động ngẫu nhiên được viết dưới dạng:

Yit = β1Xit1 + β2 Xit2 + νi + εit với i = 1, 2, …, N và t = 1, 2, …, T (19) Trong đó, sai số cổ điển được chia làm 2 thành phần. Thành phần νi đại diện cho tất các các yếu tố không quan sát được mà thay đổi giữa các quốc gia nhưng không thay đổi theo thời gian. Thành phần εit đại diện cho tất cả các yếu tố không quan sát được mà thay đổi giữa các quốc gia và thời gian. Giả sử rằng vi được cho bởi:

vi = α0 + ωi, với i = 1, 2, …, N

Ta thấy vi lại được phân chia làm hai thành phần: thứ nhất thành phần bất định a0 và thứ hai thành phần ngẫu nhiên ωi

Giả định rằng, ωi cho mỗi quốc gia được rút ra từ một phân phối xác suất độc lập với giá trị trung bình bằng 0 và phương sai khơng đổi, đó là, E(ωi) = 0, 𝑉𝑎𝑟(𝜔𝑖) = 𝜎𝜔2, Cov(ωi,ωs) = 0

N biến ngẫu nhiên ωi được gọi tác động ngẫu nhiên (random effects).

Mơ hình tác động ngẫu nhiên có thể được viết lại:

Yit = α0 Xit1 + β2 Xit2 + μit (20) Trong đó

μit = ωi + εit. Một giả định quan trọng trong mơ hình tác động ngẫu nhiên là thành phần sai số μit khơng tương quan với bất kì biến giải thích nào trong mơ hình.

Phương pháp ước lượng cho mơ hình tác động ngẫu nhiên là ước lượng GLS.

3.3.5.2. Quá trình kiểm định

Đầu tiên bài viết kiểm định mơ hình tác động ngẫu nhiên cho các biến giải thích cơ bản gồm Inflation, Inflation, Length, và Openness để kiểm soát tác động của

Mơ hình tiếp theo bài viết thêm vào biến giải thích Pass Through và lược bỏ biến

Openness để kiểm soát tác động của truyền dẫn tỷ giá đến tỷ lệ đánh đổi.

Mơ hình 3 bài viết kết hợp 2 mơ hình trên bằng các sử dụng cả 2 biến Openness và

Pass Through trong cùng một mơ hình tác động ngẫu nhiên.

Mơ hình 4 bài viết thêm vào biến tương tác giữa độ mở cửa và mức độ truyền dẫn

Op*Pt= Openness x Pass Through để xem xét tác động tổng hợp của 2 yếu tố

trên đến tỷ lệ đánh đổi.

3.3.6. Mơ hình hồi quy biến cơng cụ IV

3.3.6.1. Lý thuyết về mơ hình hồi quy biến cơng cụ IV

Với một phương trình hồi quy như sau:

Y = β0 + β1X1 + β2X2 + β3X3 + e (21)

Giả sử biểu thức này khơng thể ước lượng, bởi vì biến X3 khơng có khả năng quan sát được. Nó có thể được ước lượng thơng qua một biến đại diện cho X3, ví dụ X4 chẳng hạn. Như vậy, hiệu quả của biểu thức được ước lượng khi đó sẽ phụ thuộc vào chất lượng của biến đại diện X4 này. Trường hợp, nếu bỏ qua biến X3 thì thành phần X3 sẽ được tính vào sai số u của biểu thức (22)

Y = β0 + β1X1 + β1X2 + u (22)

Nếu X1 là biến ngoại sinh (khơng có tương quan với phần dư) thì ước lượng OLS sẽ là ước lượng phù hợp. Ngược lại, nếu X1 là biến nội sinh thì OLS sẽ bị chệch và cho kết quả khơng đáng tin cậy. Khi đó, cần thiết phải có một biến mới Z thỏa mãn 2 tính chất: (i) Z khơng tương quan với u; (ii) nhưng Z lại có tương quan với X1. Một biến thỏa mãn 2 tính chất trên được gọi là biến cơng cụ (IV). Biến z trong trường hợp này được gọi là biến công cụ cho X1. Biến giải thích X1 được biểu diễn như sau (còn được gọi là biểu thức dạng rút gọn)

X1 = π0 + π1X2 + π2Z + υ (25) Các điều kiện của IV được thể hiện qua hệ phương trình sau:

E(u)=0, Cov(Z, u)=0, Cov(X2, u)=0

Quy trình ước lượng với biến cơng cụ IV trong các phần mềm hồi quy thường được thực hiện như sau:

 Đầu tiên, ước lượng OLS biểu thức (3) và tính giá trị kỳ vọngX̂ 1

 Sau đó, thay X1 ở (2) bằng X̂1 vừa tính và ước lượng OLS cho biểu thức mới này.

3.3.6.2. Mơ hình 5

Như đã đề cập ở phần mơ hình lý thuyết thì vấn đề nội sinh có thể xảy ra giữa truyền dẫn tỷ giá và lạm phát vì lạm phát có thể ảnh hưởng đến khả năng xuất khẩu và làm thay đổi truyền dẫn tỷ giá hối đối, do đó bài viết thêm vào biến cơng cụ

Rank và xem xét trong một mơ hình hồi quy biến cơng cụ IV. Theo Daniels (2013)

thì Rank chính là thứ tự xếp hạng của truyền dẫn, ước lượng thông qua các nước

trong mẫu, do mẫu của bài viết gồm 20 quốc gia nên Rank sẽ có giá trị từ 1 đến 20. Do số lượng biến nội sinh cần xem xét = số lượng biến công cụ thêm vào nên ở đây bài viết sử dụng kỹ thuật ước lượng 2SLS. Để cung cấp một kết quả vững từ mơ hình biến cơng cụ, bài nghiên cứu tiến hành các kiểm định tiếp theo như kiểm định tính nội sinh của biến Pass Through (endogeneity test), kiểm định độ mạnh của biến công cụ Rank (weak instrument test). Do bài viết chỉ đưa thêm vào một biến

công cụ nên kiểm định ràng buộc xác định quá mức (overidentifying restrictions

test) sẽ được bỏ qua.