CHƯƠNG 3 THIẾT KẾ MƠ HÌNH VÀ KẾT QUẢ THỰC NGHIỆM
3.3 Phương pháp ước lượng
Trong kinh tế học khi phân tích hồi quy liên quan đến số liệu chuỗi thời gian, sự phụ thuộc của một biến số phụ thuộc (biến số Y) vào một hay nhiều biến số giải thích (biến số X) hiếm khi có tính chất đồng thời. Thơng thường, biến phụ thuộc tương ứng với biến giải thích sau một khoảng thời gian, gọi là độ trễ thời gian. Điều này cần thiết đưa độ trễ của biến giải thích vào trong hồi quy. Mơ hình phân phối trễ khơng chỉ cho biết tác động tức thời của biến giải thích lên biến phụ thuộc mà cịn cho biết tác động tích lũy theo thời gian. Hơn nữa, biến phụ thuộc cịn có thể tương quan với độ trễ của chính nó. Nghĩa là, độ trễ của biến phụ thuộc cũng được đưa vào hồi quy. Những xem xét này được đề cập trong mơ hình ARDL (p,q) (Autoregressive Distributed Lag), trong đó: thành phần tự hồi quy với p độ trễ của chính nó và thành phần phân phối trễ của các biến giải thích với q độ trễ. Mơ hình phân phối trễ tự hồi quy (ARDL) có dạng phương trình (4):
3 0 3 1 0 0 2 1 0 p l t l t l i j k k t k j t j i t i t LL LIp LIg Lg Lg
Cách tiếp cận này được đề xuất bởi Pesaran et al. (1998, 2001). Kỹ thuật này có nhiều ưu điểm hơn so với phương pháp đồng liên kết của Johansen (1988,1990): + Thứ nhất, trong trường hợp số lượng mẫu nhỏ, mơ hình ARDL là cách tiếp cận có ý nghĩa thống kê hơn để kiểm định tính đồng liên kết, trong khi đó kỹ thuật đồng liên kết của Johansen yêu cầu số mẫu lớn hơn để đạt độ tin cậy.
+ Thứ hai, các kỹ thuật đồng liên kết khác yêu cầu biến hồi quy được đưa vào liên kết có độ trễ như nhau thì trong cách tiếp cận ARDL, các biến hồi quy có thể dung nạp các độ trễ tối ưu khác nhau (I(1) hoặc I(0)). Nếu như chúng ta không đảm bảo về thuộc tính về nghiệm đơn vị hay tính dừng của hệ thống dữ liệu thì áp dụng thủ tục ARDL là thích hợp nhất cho nghiên cứu thực nghiệm.
+ Thứ ba, ARDL bao quát cả mối quan hệ dài hạn và ngắn hạn của các biến được kiểm định.
Quy trình ước lượng mơ hình ARDL như sau:
Bước 1: Kiểm tra tính dừng của các biến nghiên cứu. Nghiên cứu sử dụng kiểm
định nghiệm đơn vị unit root test được dùng phổ biến là kiểm định ADF (Augmented Dickey – Filler) để kiểm tra tính dừng giá trị log của các biến nghiên cứu. Nếu tồn tại ít nhất một chuỗi có bậc tích hợp khác với các chuỗi còn lại, chẳng hạn nếu tồn tại ít nhất một chuỗi I(0) trong khi các chuỗi cịn lại đều có bậc tích hợp là I(1) thì sử dụng mơ hình ARDL là thích hợp nhất cho nghiên cứu thực nghiệm.
Bước 2: Kiểm định mối quan hệ đồng kết hợp giữa các chuỗi thông qua kiểm định
Bound (Bound test). Theo Pesaran (2001), nếu giá trị thống kê F của kiểm định Bound lớn hơn giá trị tới hạn của (I(1) trong trường hợp tất cả các chuỗi tích hợp bậc 1, I(1) ứng với mức ý nghĩa tương ứng thì tồn tại quan hệ đồng tích hợp. Hoặc nếu giá trị F này nhỏ hơn giá trị tới hạn I(0), ứng với trường hợp tất cả các chuỗi tích hợp bậc 0 thì cho thấy khơng tồn tại mối quan hệ đồng tích hợp. Ngược lại, nếu giá trị F nằm trong khoảng giá trị tới hạn ứng I(1) và I(0) thì chưa thể kết luận (chưa
khơng).
Bước 3: Xác định độ trễ thích hợp. Sau khi xác định được có mối quan hệ đồng kết
hợp giữa biến, chúng ta xác định độ trễ của các biến ở vế phải phương trình hồi quy theo các tiêu chuẩn. Mơ hình phù hợp nhất là mơ hình có các giá trị trễ ứng với giá trị AIC hoặc SC thấp nhất. Đây là các tiêu chí phổ biến trong nghiên cứu định lượng để tìm độ trễ tối ưu.
Bước 4: Ước lượng phương trình trong dài hạn bằng mơ hình ARDL Bước 5: Ước lượng phương trình ngắn hạn bằng mơ hình ARDL.
Bước 6: Kiểm định tính tin cậy, hiệu quả của mơ hình. Các kiểm định về sự tự
tương quan của phần dư, phương sai thay đổi, độ ổn định của các hệ số.