CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.4. Dữ liệu nghiên cứu
Mục tiêu nghiên cứu của đề tài là đánh giá tác động của vốn con người đến tăng trưởng kinh tế vùng ĐBSCL. Vì vậy, đề tài sử dụng dữ liệu bảng gồm 13 tỉnh, thành phố vùng ĐBSCL và thời gian là 8 năm (2007 – 2014). Nguồn dữ liệu của đề tài được tác giả lấy từ Tổng cục Thống kê, Niên giám Thống kê của các tỉnh, thành phố công bố hàng năm.
3.5. Phƣơng pháp nghiên cứu
Để hoàn thành bài nghiên cứu, tác giả sử dụng kết hợp hai phương pháp chính sau:
Thứ nhất, tác giả thực hiện phương pháp thống kê bằng cách tổng hợp, phân tích số
liệu về GDP, vốn vật chất, lực lượng lao động, vốn con người, độ mở nền kinh tế, tỷ trọng nơng nghiệp, chi tiêu chính phủ, ảnh hưởng của DNNN và ảnh hưởng của DNNQD trích từ Tổng cục Thống kê, Niên giám Thống kê hàng năm của tỉnh, thành phố;
Thứ hai, tác giả thực hiện phương pháp nghiên cứu thực nghiệm. Để lượng hóa tác
dữ liệu bảng, tính tốn và chạy các mơ hình hồi quy theo trình tự như sau: Mơ hình hệ số khơng thay đổi (Pooled – OLS), mơ hình hiệu ứng cố định (FEM) và mơ hình hiệu ứng ngẫu nhiên (REM) nhằm ước lượng tác động của vốn con người đến tăng trưởng kinh tế.
Trước khi tiếp tục trình bày phương pháp nghiên cứu, tác giả nêu tóm tắt một số đặc điểm của dữ liệu bảng như sau: Dữ liệu bảng là dạng tổ chức dữ liệu được sử dụng nhiều trong các nghiên cứu, trong cả kinh tế vi mô (khi nghiên cứu về hộ gia đình, doanh nghiệp và các thành phần kinh tế vi mô khác) hay kinh tế vĩ mô (khi nghiên cứu về các thành phố, các tiểu bang, các quốc gia và các thành phần kinh tế vĩ mô khác). Dữ liệu này kết hợp dữ liệu cho theo không gian (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 (tức là giá trị của các biến được quan sát theo 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 kiểu cấu trúc dữ liệu bảng: Bảng cân bằng và bảng không cân bằng, trong đó dữ liệu bảng không cân bằng (thiếu thông tin) sẽ dẫn đến những hạn chế trong ước lượng. Trong các mơ hình nghiên cứu của đề tài, tác giả sử dụng dữ liệu bảng cân bằng cho các tỉnh, thành phố khu vực ĐBSCL theo chuỗi thời gian (năm). Việc nghiên cứu các mơ hình với dữ liệu bảng có những ưu điểm như sau:
Nhờ kết hợp dữ liệu chuỗi thời gian của các tỉnh, thành phố khác nhau, dữ liệu bảng sẽ chứa nhiều thông tin hữu ích hơn, tính biến thiên nhiều hơn, giảm hiện tượng đa cộng tuyến giữa các biến, tăng số quan sát. Từ đó, nó làm tăng số bậc tự do, có thể đem lại ước lượng vững, hiệu quả và khơng chệch;
Dữ liệu bảng có liên quan đến nhiều tỉnh, thành phố theo thời gian, mỗi tỉnh, thành phố 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;
Khi nghiên cứu các quan sát lặp đi lặp lại ở nhiều tỉnh, thành phố dữ liệu bảng phù hợp cho việc nghiên cứu những mơ hình chính sách thay đổi theo thời gian ở các tỉnh, thành phố này. Như vậy, nhờ những lợi thế trên, việc sử dụng dữ liệu bảng trong các mơ hình nghiên cứu của đề tài được kỳ vọng có thể đem lại hiệu quả cao hơn.
Tóm lại, những phương pháp ước lượng cơ bản khi hồi quy với dữ liệu bảng mà tác giả đề cập trong nghiên cứu bao gồm: Mơ hình hệ số khơng thay đổi (Pooled – OLS), mơ hình hiệu ứng cố định (FEM) và mơ hình hiệu ứng ngẫu nhiên (REM). Mỗi mơ hình đều có những đặc điểm riêng.
Mơ hình hệ số khơng thay đổi (Pooled – OLS), thực chất là ước lượng bình phương bé nhất (OLS), khi chúng ta sử dụng dữ liệu bảng như một tập hợp các quan sát bình thường, không phân biệt theo năm hay theo tỉnh, thành phố. Theo mơ hình này, các tỉnh, thành phố khơng có đặc điểm riêng khác nhau. Bên cạnh đó, các giả định mạnh của OLS cũng thường khó thỏa mãn trong thực tế. Như vậy, Phương trình của mơ hình hệ số khơng thay đổi (Pooled – OLS) có dạng phương trình (3.2) mục (3.1) – mơ hình kinh tế lượng.
Mơ hình hiệu ứng cố định (FEM) xem xét ảnh hưởng của các nhân tố cố định. Việc sử dụng các nhân tố cố định để phân tích ảnh hưởng đến mơ hình có thể được xem giống như một mơ hình OLS sử dụng biến giả, các biến giả đóng vai trị là các nhân tố cố định. Có thể xét mơ hình ảnh hưởng cố định theo tỉnh, thành phố hoặc theo thời gian, hoặc cố định cả hai nhân tố. Nhược điểm của FEM là làm giảm bậc tự do của mơ hình, đặc biệt khi số biến giả lớn. Dạng phương trình của mơ hình này như phương trình (3.3) mục 3.1 – mơ hình kinh tế lượng.
Mơ hình hiệu ứng ngẫu nhiên (REM) được sử dụng khi chúng ta quan tâm đến sự khác biệt của mỗi tỉnh, thành phố ảnh hưởng đến mơ hình chung. Sự khác biệt về điều kiện đặc thù của các tỉnh, thành phố này được chứa đựng trong phần sai số ngẫu nhiên. Do đó, phương trình của mơ hình này có dạng phương trình (3.4) mục (3.1) – mơ hình kinh tế lượng.
Kiểm định lựa chọn mơ hình phù hợp
Mỗi mơ hình đều có những ưu, nhược điểm riêng, việc lựa chọn mơ hình nào trong ba mơ hình trên phụ thuộc vào sự khác nhau về tung độ gốc của mơ hình hồi quy đối với mỗi tỉnh, thành phố và sự khác biệt này có tương quan với biến độc lập trong mơ hình hay khơng. Vì vậy, để lựa chọn mơ hình nào phù hợp và hiệu quả nhất trong ba mơ hình bài nghiên cứu đề cập (Pooled – OLS, FEM và REM) tác giả thực hiện các kiểm định để lựa chọn mơ hình như sau:
Để so sánh giữa mơ hình Pooled – OLS và mơ hình FEM: Sau khi ước lượng với FEM, sử dụng kiểm định F để kiểm định giả thuyết H0 : α1= α2 = …= αN = α. Nếu kết quả bác bỏ H0, thì sẽ chọn mơ hình FEM.
Để so sánh giữa mơ hình FEM và mơ hình REM: Sau khi ước lượng với FEM và REM, sử dụng kiểm định Hausman (Hausman, 1978) dưới giả thuyết H0: Cov(Xit, ui)
= 0. Nếu kết quả không bác bỏ H0 nghĩa là ước lượng REM và FEM đều vững, nhưng
chỉ có REM là hiệu quả.
Để so sánh giữa mơ hình Pooled – OLS và REM: Sau khi ước lượng với REM, kiểm định Breusch – Pagan Larange Multiplier với giả thuyết H0 là mơ hình Pooled –
OLS hiệu quả hơn mơ hình REM. Như vậy, nếu kết quả bác bỏ H0, ước lượng REM sẽ
hiệu quả hơn. Đồng thời, đề tài cũng thực hiện các kiểm định liên quan để tăng độ tin cậy của ước lượng.
Kiểm định đa cộng tuyến và phƣơng sai thay đổi
Mặc dù có những lợi điểm quan trọng, nhưng dữ liệu bảng cũng đặt ra nhiều vấn đề trong quá trình ước lượng. Trong dữ liệu bảng, dữ liệu nghiên cứu gồm các quan sát ở nhiều tỉnh, thành phố khác nhau và trong khoảng thời gian 8 năm (2007 – 2014) nên có thể dẫn đến hiện tượng đa cộng tuyến và phương sai thay đổi.
Để tăng độ tin cậy của ước lượng, đề tài sử dụng ma trận hệ số tương quan và nhân tử phóng đại VIF để kiểm tra hiện tượng đa cộng tuyến trong mơ hình nghiên cứu. Kết quả kiểm định nếu hệ số ma trận tương quan quan bé hơn 0,8 hoặc hệ số phóng đại phương sai của các biến giải thích đều bé hơn 10, có nghĩa tồn tại mối quan hệ tuyến tính rất nhỏ giữa các biến giải thích trong mơ hình (hiện tượng đa cộng tuyến khơng hồn hảo, có thể chấp nhận trong mơ hình). Ngược lại mơ hình sẽ bị đa cộng tuyến; Kiểm định Breusch – Pagan được dùng để kiểm định hiện tượng phương sai thay đổi trong mơ hình với giả thuyết H0 – mơ hình khơng có hiện tượng phương sai thay đổi. Kết quả sau khi kiểm định nếu kết quả P-value < 0,05 thì giả thuyết H0 bị bác bỏ, như vậy tồn tại hiện tượng phương sai thay đổi trong mơ hình. Ngược lại mơ hình sẽ khơng có hiện tượng phương sai thay đổi.