STT Tên Nước STT Tên nước
1 Cambodia 9 Pakistan
2 China 10 Philippines
3 Fiji 11 Sri Lanka
4 India 12 Thailand
5 Indonesia 13 Tonga
6 Malaysia 14 Vanuatu
7 Mongolia 15 Vietnam
8 Nepal
(Nguồn: Kết quả tổng hợp trên số liệu tác giả thu thập được từ dữ liệu của IMF)
3.3.1 Đo lường phát triển tài chính.
Trong bài nghiên cứu này, để cung cấp một cái nhìn tồn diện cho sự phát triển tài chính ở một số quốc gia đang phát triển khu vực Châu Á, chúng ta sẽ không bám vào các biện pháp truyền thống của phát triển tài chính đã được sử dụng trong các nghiên cứu trước mà sử dụng hai bộ chỉ số để nắm bắt kích thước và hiệu quả của phát triển tài chính. Việc sử dụng các biện pháp khác nhau có thể nắm bắt các khía cạnh khác nhau của sự phát triển tài chính. Ngồi ra, đối với các biện pháp kích thước và hiệu quả, bài nghiên cứu sử dụng một vài chỉ số phụ cho từng biện pháp để đảm bảo tính bền vững cho các kết quả ban đầu và thích ứng với các biện pháp thường được sử dụng trong các bài nghiên cứu trước.
Thứ nhất: bộ chỉ số kích thước được đo bởi ba biến sau đây:
DEPT: Tỷ lệ tổng dư nợ trong hệ thống tài chính (bao gồm cả ngân hàng và các tổ chức tài chính phi ngân hàng) so với GDP danh nghĩa
FIR: Tỷ lệ của Tổng số tiền cho vay và tiền gửi trong hệ thống tài chính so với GDP danh nghĩa
SAV: Tỷ lệ của tổng số tiền tiết kiệm hộ gia đình so với GDP danh nghĩa
Thứ hai: bộ chỉ số về hiệu quả tài chính ký hiệu là PRV, được đo bằng tỷ lệ tín dụng được phân bổ cho các doanh nghiệp tư nhân so với tổng tín dụng trong nước. Các biện pháp tương tự của tín dụng tư nhân (ví dụ: tỷ lệ tín dụng tư nhân so với GDP) đã được sử dụng như một biện pháp đo lường hiệu quả của phát triển tài chính trong bài nghiên cứu của Beck và cộng sự (2000), Levine và cộng sự (2000), Chinn và Ito (2006). Khi tín dụng được phân biệt tín dụng cấp cho khu vực tư nhân và tín dụng cấp cho các doanh nghiệp nhà nước, trong đó phần tín dụng cấp cho các doanh nghiệp nhà nước thường được xem là hiệu quả thấp do đó nếu PRV cao chứng tỏ các dịch vụ tài chính hiệu quả hơn và phát triển trung gian tài chính cũng lớn hơn (Levine và cộng sự, 2000) Trong một hệ thống tài chính thì ngân hàng lại chiếm ưu thế hơn cả, đặc biệt là ở các quốc gia đang phát triển khu vực Châu Á thì tín dụng tư nhân có lẽ là chỉ số hiệu quả tài chính quan trọng nhất. Thật vậy, nó đo lường mức độ mà cơng ty tư nhân có cơ hội để có được nguồn tài chính từ ngân hàng và là nguồn vốn mà các doanh nghiệp có các dự án khả thi có thể tiếp cận dễ dàng. Bên cạnh đó, đây cũng là chỉ số thể hiện các ngân hàng có độc lập hay không trong việc ra quyết định của họ liên quan đến các khoản cho vay các doanh nghiệp tư nhân hơn là các doanh nghiệp nhà nước. Như vậy, sự gia tăng PRV cũng phản ánh sự nâng cao hiệu quả của các ngân hàng trong việc đưa ra quyết định cho vay.
3.3.2 Đo lường độ mở thương mại và độ mở tài chính
Độ mở thương mại là mức độ mà tại đó các quốc gia hay các nền kinh tế cho phép kinh doanh hoặc thương mại với các quốc gia hay nền kinh tế khác. Trong bài nghiên cứu này, độ mở thương mại (TO) được xác định ở cấp quốc gia và được đo bằng tỷ lệ giữa tổng thương mại (xuất khẩu và nhập khẩu) so với GDP danh nghĩa tại mỗi quốc gia đang phát triển của khu vực Châu Á.
Để đo lường độ mở tài chính (FO) ở một số quốc gia đang phát triển tại khu vực Châu Á, trong bài nghiên cứu này tác giả sẽ sử dụng tỷ lệ đầu tư trực tiếp nước ngoài FDI so với GDP.
3.3.3 Biến kiểm soát
Cùng với các biến trên, bài nghiên cứu cịn đưa vào các biến kiểm sốt liên quan trong mơ hình để nắm bắt hoạt động kinh tế và phát triển xã hội của các quốc gia. Cụ thể các biến kiểm sốt bao gồm: rgdp là thu nhập bình quân đầu người thực (GDP thực), gov là tỷ lệ chi tiêu của chính phủ so với GDP, enroll là tổng tỷ lệ nhập học (ghi danh) được tính bằng tỷ lệ của số lượng cá thể thực sự đi học so với số trẻ em trong độ tuổi đi học trong quốc gia có liên quan.
Những biến kiểm sốt này có khả năng liên quan đến sự phát triển tài chính. Ví dụ: GDP- thu nhập bình qn đầu người thực. Trong mối quan hệ này, chi tiêu chính phủ và cải tiến trong giáo dục có thể tăng cường phát triển kinh tế (Dollar 1992, Barro và Sala-i-Martin 1995).
3.3.4 Nguồn dữ liệu
Các dữ liệu thô để xây dựng các biến trên đều được lấy từ nhiều nguồn khác nhau. Các dữ liệu liên quan đến các biến ngân hàng và tài chính được thu thập từ thống kê của IMF, WB và ADB. Các dữ liệu cho các biến khác thu được từ các ấn phẩm chính thức
được công bố như Tổ chức lao động quốc tế (ILO), báo cáo phát triển con người khu vực Châu Á-Thái Bình Dương, báo cáo thường niên của ngân hàng Phát Triển Châu Á (ADB)…
3.3.5 Sự phù hợp của kích thước mẫu
Mẫu của bài nghiên cứu 15 quốc gia, giai đoạn 25 năm 1991– 2015, tương đương 375 quan sát với dữ liệu bảng. Theo Baltagi chưa là macro panel data, tuy nhiên mẫu với 375 quan sát là một cỡ mẫu lớn đối với hàm hồi quy trong thống kê. Do đó kết quả nghiên cứu từ mơ hình hồi quy có thể chấp nhận được về độ tin cậy.
Hơn nữa dữ liệu đối với các quốc gia đang phát triển tại khu vực Châu Á có những hạn chế như các số liệu không được công bố ở một số giai đoạn thời gian tại một số quốc gia vì thế bài nghiên cứu không thể thực nghiệm lên hết tất cả các quốc gia đang phát triển ở Châu Á mà chỉ lựa chọn ra 15 quốc gia có đầy đủ dữ liệu theo chuỗi thời gian từ năm 1991 đến năm 2015. Những hạn chế này là hạn chế chung về dữ liệu khi nghiên cứu về các nền kinh tế đang phát triển.
Dựa vào mơ hình được trình bày ở trên cùng với bộ dữ liệu được thu thập cho phù hợp với đặc điểm các biến và mơ hình, tác giả tiến hành thực hiện kiểm định mơ hình bằng phần mềm Stata 12 ở chương 4.
3.4. Phương pháp ước lượng
Dữ liệu bảng (panel data) là dữ liệu kết hợp dữ liệu cho theo không gian (cross – section, tức là giá trị của các biến được thu thập cho một đơn vị mẫu tại cùng một thời điểm) và dữ liệu theo chuỗi thời gian (time series, tức là giá trị của các biến được quan sát theo thời gian). Dữ liệu bảng khác với dữ liệu chéo gộp chung bởi vì dữ liệu chéo gộp chung gộp những quan sát trong nhiều năm nhưng chỉ là các quan sát dữ liệu thuần túy và bỏ qua yếu tố thời gian. Việc kết hợp hai loại dữ liệu có nhiều thuận lợi trong phân tích các mối quan hệ kinh tế, đặc biệt khi muốn quan sát, phân tích sự biến động
của các đối tượng nghiên cứu sau các biến cố hay theo thời gian, cũng như phân tích sự khác biệt giữa các nhóm đối tượng nghiên cứu. Có hai loại dữ liệu bảng: dữ liệu bảng cân bằng (balaned panels) và dữ liệu bảng không cân bằng (unbalaned panels). Dữ liệu bảng cân bằng khi các đơn vị chéo có cùng số quan sát theo thời gian, dữ liệu bảng không cân bằng khi các đơn vị chéo khơng có cùng số quan sát theo thời gian. Trong luận án này, tác giả sử dụng dữ liệu bảng cân bằng cho các quốc gia theo chuỗi thời gian (năm). Việc nghiên cứu các mơ hình với dữ liệu bảng có những ưu điểm theo Baltagi (2008):
- Nhờ kết hợp dữ liệu chuỗi thời gian của các quốc gia khác nhau, dữ liệu bảng sẽ chứa nhiều thơng tin hữu ích hơn, tính biến thiên nhiều hơn, giảm hiện tượng đa cộng tuyến giữa các biến, tăng số quan sát - từ đó tăng số bậc tự do, và có thể đem lại ước lượng vững, hiệu quả và không chệch;
- Dữ liệu bảng có liên quan đến nhiều doanh nghiệp, quốc gia theo thời gian, mỗi doanh nghiệp, quốc gia lại có những đặc trưng riêng. Tuy nhiên, các kỹ thuật ước lượng dựa trên dữ liệu bảng có thể tính đến sự khơng đồng nhất này, cho phép kiểm sốt sự khác biệt khơng quan sát được giữa các thực thể, ví dụ như khả năng quản lý, triết kinh doanh, văn hoá, khoáng sản... giữa các doanh nghiệp.
Như vậy, nhờ những lợi thế trên, việc sử dụng dữ liệu bảng trong các mơ hình nghiên cứu của luận án được kỳ vọng có thể đem lại hiệu quả cao hơn so với phân tích dữ liệu chéo hay dữ liệu chuỗi thời gian.
Các bước phân tích để lựa chọn mơ hình phù hợp cụ thể như sau:
Bước 1: Tác giả sử dụng phép toán và các câu lệnh trong phần mềm STATA
tiến hành thực hiện phân tích phương pháp hồi quy Pooled OLS và FEM, sau đó so sánh kết quả để lựa chọn 1 một mơ hình phù hợp nhất trong 2 mơ hình này. Sau khi ước lượng với FEM, sử dụng kiểm định F để kiểm định giả thuyết H0: α1 = α2 = …
αN = α. Nếu kết quả kiểm định bác bỏ giả thuyết H0, chúng ta nên chọn FEM, ngược lại, chọn Pooled OLS
Bước 2: Tác giả so sánh giữa 2 mơ hình Pooled OLS với REM, phương pháp
nhân tử Lagrange (LM) với kiểm định Breusch-Pagan được sử dụng để kiểm chứng tính phù hợp của ước lượng. Theo đó, giả thuyết H0 cho rằng sai số của ước lượng thô không bao gồm các sai lệch giữa các doanh nghiệp hoặc các năm (phương sai giữa các doanh nghiệp) là không đổi. Bác bỏ giả thuyết H0, cho thấy sai số trong ước lượng có bao gồm cả sự sai lệch giữa các nhóm, và phù hợp với mơ hình REM, ngược lại, Pooled OSL là phù hợp hơn REM.
Sau khi thực hiện xong 2 bước trên, nếu kết quả kiểm định cho thấy, cả 2 bước này Pooled OLS đều phù hợp hơn FEM và REM, tác giả sẽ lựa chọn phương pháp hồi quy Pooled OLS. Nếu không phải kết quả này, tác giả sẽ thực hiện tiếp bước thứ 3 như sau:
Bước 3: Tác giả thực hiện ước lượng với FEM và REM, sử dụng kiểm định
Hausman dưới giả thuyết H0: Cov(Xit, ui) = 0. Nếu kết quả kiểm định bác bỏ giả thuyết H0, tác giả chọn FEM. Nếu kết quả kiểm định không bác bỏ giả thuyết H0, tác giả sẽ chọn REM.
Bởi vì, một mơ hình chỉ có ý nghĩa giải thích khi các giả định của nó đã được thỏa mãn. Do vậy, trong luận án này, tác giả sẽ phải kiểm tra các giả định trước khi diễn giải các kết quả của mơ hình. Q trình kiểm tra các giả định có thể được thực hiện thơng qua việc phát hiện khuyết tật có thể có của mơ hình. Nội dung kế tiếp sẽ thực hiện các kiểm định này.
3.4.1 Kiểm định các trường hợp khuyết tật của mơ hình do vi phạm các giả định (1) Giả định phương sai của sai số không đổi:
Phương sai thay đổi nghĩa là phương sai của các phần dư là không phải hằng số, nghĩa là chúng khác nhau ở các quan sát khác nhau. Điều này sẽ dẫn đến vấn đề nếu
các phương sai khơng bằng nhau thì độ tin cậy tương đối của mỗi quan sát (dữ liệu) sẽ khơng bằng nhau. Phương sai càng lớn thì mức độ quan trọng gán cho quan sát càng nhỏ. Vấn đề sẽ rõ ràng hơn khi giá trị của phương sai có mối quan hệ với một hoặc một số biến giải thích. Điều này vi phạm giả định rằng các phân phối của phần dư phải khơng có tương quan với bất kì biến giải thích nào.
Hiện tượng phương sai thay đổi sẽ dẫn đến một số hậu quả như: các ước lượng OLS vẫn là khơng chệch nhưng khơng cịn hiệu quả nữa, ước lượng của các phương sai sẽ bị chệch, như vậy sẽ làm mất hiệu lực của kiểm định hệ số hồi quy.
Trong quá trình hồi quy, tác giả sẽ tập trung xem xét lại bản chất của vấn đề nghiên cứu, đồ thị phần dư và dùng một số kiểm định Goldfeld-Quandt, Breusch- Pagan, White, Park trên OLS và phương pháp Greene (2000) trên dữ liệu bảng để kiểm tra xem mơ hình đã vi phạm giả thiết hồi quy - hiện tượng phương sai thay đổi.
(2) Giả định khơng có sự tương quan giữa các phần dư:
Tự tương quan là sự tương quan giữa các thành phần của chuỗi các quan sát được sắp xếp theo thứ tự thời gian trong các số liệu chuỗi thời gian, hoặc sắp xếp theo thứ tự không gian, đối với các số liệu theo không gian.
Để kiểm tra xem mơ hình đã vi phạm giả thiết hồi quy - hiện tượng tự tương quan. Trong quá trình hồi quy, tác giả sẽ dùng phương pháp đồ thị và kiểm định (Durbin-Watson) để phát hiện tượng tự tương quan trong mơ hình hồi quy OLS (pooled regression). Ở khía cạnh kiểm tra phương sai thay đổi dữ liệu bảng, tác giả sử dụng kiểm định được đề xuất bởi Wooldrige (2002) và Drukker (2003).
Hiện tượng tự tương quan sẽ dẫn đến một số hậu quả như: ước lượng OLS vẫn là ước lượng tuyến tính khơng chệch, nhưng khơng là ước lượng hiệu quả nữa; phương sai các ước lượng OLS là bị chệch, đôi khi quá thấp so với phương sai thực và sai số tiêu chuẩn, dẫn đến phóng đại tỷ số t; các kiểm định t và F không đáng tin cậy; công
thức thơng thường để tính phương sai của sai số là ước lượng chệch của phương sai thực và trong một số trường hợp dường như ước lượng thấp của phương sai thực; có thể hệ số xác định không đáng tin cậy và dường như là nhận giá trị ước lượng cao; các phương sai và số tiêu chuẩn của dự đốn khơng có hiệu quả.
(3) Giả định khơng có mối tương quan giữa các biến độc lập (khơng xảy ra hiện tượng đa cộng tuyến):
Đa cộng tuyến nghĩa là hai hay nhiều biến giải thích trong biểu thức hồi quy có mối quan hệ tuyến tính với nhau. Nếu các biến có mối quan hệ tuyến tính thì các hệ số ước lượng và thống kê T sẽ khơng cịn hợp lý.
Trong quá trình hồi quy, kết quả hồi quy có hệ số xác định R2 cao nhưng tỷ số t thấp, tương quan cặp giữa các biến giải thích cao, xét tương quan riêng, hồi quy phụ thấy có tồn tại hiện tượng tương quan giữa các biến độc lập thì mơ hình đã vi phạm giả thiết hồi quy - hiện tượng đa cộng tuyến.
Hiện tượng đa cộng tuyến sẽ dẫn đến một số hậu quả như: phương sai và hiệp phương sai của các ước lượng OLS lớn, khoảng tin cậy rộng lớn, tỷ số t mất ý nghĩa, hệ số xác định cao nhưng tỷ số t mất ý nghĩa, các ước lượng OLS và sai số chuẩn trở nên rất nhạy với những thay đổi trong số liệu, dấu của các ước lượng của các hệ số hồi quy có thể sai lệch, thêm vào hay bớt đi các biến cộng tuyến với các biến khác thì hệ số của các biến cịn lại có thể thay đổi rất lớn và thay đổi cả dấu của chúng.
Đa cộng tuyến giữa các biến luôn tồn tại và khuyết tật chỉ xảy ra nếu mức độ đa cộng tuyến đủ lớn để gây ra sự thiên chệch các kết quả ước lượng.
Theo Gujarati (2004), một số cách kiểm tra vấn đề đa cộng tuyến như sau: - Nhiều trường hợp mơ hình có R2 lớn hơn 0.8 nhưng | t | thấp.
- Hệ số tương quan giữa các cặp biến độc lập cao. Nếu giá trị tuyệt đối của hệ số tương quan giữa 2 biến lớn hơn 0.8 cho thấy có tồn tại hiện tượng đa cộng tuyến giữa 2 biến này.
- Sử dụng hệ số khuếch đại phương sai (VIF), nếu VIF của một biến lớn hơn 10 thì tồn tại hiện tượng đa cộng tuyến giữa biến đó với các biến giải thích cịn lại. Trong