Nhóm những nước phát triển
1 Áo 6 Ireland
3 Bỉ 8 Bồ Đào Nha
4 Hàn Quốc 9 Hà Lan
5 Phần Lan 10 Ý
Nhóm những nước đang phát triển
11 Argentina 18 Indonesia
12 Ai Cập 19 Malaysia
13 Albania 20 Mexico
14 Cameroon 21 Morocco
15 Costa Rica 22 Nigeria
16 Ecuado 23 Thái Lan
17 Guatemala 24 Việt Nam
Nhóm những nước kém phát triển 25 Bangladesh 30 Mozambique 26 Benin 31 Nepal 27 Honduras 32 Uganda 28 Kenya 33 Togo 29 Malawi 34 Mali
3.2.2. Nguồn thu thập dữ liệu nghiên cứu.
Dữ liệu nghiên cứu được thu thập từ các nguồn World Bank và UNCTAD. Cụ thể như sau:
Bảng 3.2: Nguồn thu thập dữ liệu.
Biến Tên biến Nguồn thu thập dữ liệu
Growth Tốc độ tăng trưởng GDP bình
quân đầu người thực.
UNCTAD’s World Development Indicators
FDI Dòng vốn đầu tư trực tiếp nước
ngoài.
World Bank‘s World Developmet Indicators
Credit Tín dụng tư nhân cấp bởi các
định chế tài chính.
World Bank‘s World Developmet Indicators
Liquid Cung tiền mở rộng M3. World Bank‘s World Developmet Indicators
GCF Tổng nguồn vốn. World Bank‘s World
Developmet Indicators
Govcons Chi tiêu chính phủ. World Bank‘s World Developmet Indicators
Openess Độ mở thương mại. UNCTAD’s World Development Indicators
Secenr Tỷ lệ nhập học cấp hai. World Bank‘s World Developmet Indicators
IGDP GDP bình quân đầu người. World Bank‘s World Developmet Indicators
Pop growth
Tốc độ tăng trưởng dân số. World Bank‘s World
Developmet Indicators
Goveff Chỉ số hiệu quả chính phủ. Worldwide Goverance
3.3. Phương pháp nghiên cứu
Dựa theo nghiên cứu của Chee (2010), luận văn sử dụng dữ liệu bảng và phương pháp phân tích dữ liệu bảng để nghiên cứu tác động của FDI, phát triển tài chính đối với tăng trưởng kinh tế của các quốc gia trong mẫu nghiên cứu.
Đầu tiên, dữ liệu bảng được sử dụng vì những ưu điểm của nó so với dữ liệu thời gian dữ liệu chéo.
- Dữ liệu bảng kết hợp giữa dữ liệu chéo và dữ liệu thời gian nên nó cho
chúng ta nhiều thơng tin hơn, ít hiện tượng đa cộng tuyến giữa các biến hơn, nhiều bậc tự do hơn và hiệu quả hơn.
- Bằng cách nghiên cứu các dữ liệu chéo một cách lặp đi lặp lại, dữ liệu
bảng thực hiện tốt hơn các nghiên cứu về những thay đổi liên tục xảy ra như tỷ lệ thất nghiệp, di chuyển lao động.
- Cho phép kiểm sốt những khác biệt khơng quan sát được giữa các đơn vị
chéo như khác biệt về văn hóa, vị trí địa lý giữa các quốc gia hay khác biệt về triết lý kinh doanh của các doanh nghiệp.
- Cho phép kiểm sốt những biến khơng quan sát được nhưng thay đổi theo
thời gian như chính sách quốc gia, thỏa thuận quốc tế…
- Cho phép nghiên cứu những mơ hình phức tạp như tính kinh tế do quy
mô hay do thay đổi công nghệ.
Khi sử dụng dữ liệu bảng, chúng ta có thể dùng phương pháp Pooled OLS để thực hiện hồi quy. Mơ hình hồi quy được viết dưới dạng:
yi,t = α + βxi,t + εi,t
Trong đó:
y: biến phụ thuộc x: biến độc lập α: hệ số chặn ε: sai số hồi quy
Các giả định của phương pháp OLS:
+ Giả định 1: biến giải thích là phi ngẫu nhiên, tức là các giá trị của chúng là các số đã được xác định. Giả thiết này là đương nhiên, vì phân tích hồi quy được đề cập là phân tích hồi quy có điều kiện, phụ thuộc vào giá trị của các biến giải thích đã cho.
+ Giả định 2: kỳ vọng của các sai số ngẫu nhiên εi,t bằng 0. Giả thiết nàycó nghĩa là các yếu tố khơng có trong mơ hình khơng có ảnh hưởng một cách có hệ thống đến giá trị trung bình của biến phụ thuộc.
+ Giả định 3: các sai số ngẫu nhiên εi,t có phương sai bằng nhau. Giả thiết này có nghĩa là phân phối có điều kiện của biến phụ thuộc với điều kiện đã cho của biến giải thích có phương sai bằng nhau, các giá trị cá biệt của biến phụ thuộc xoay quanh giá trị trung bình với mức độ chênh lệch như nhau.
+ Giả định 4: khơng có sự tương quan giữa các sai số ngẫu nhiên εi,t. Giả thiết này có nghĩa là εit là ngẫu nhiên. Sai số ở quan sát này không ảnh hưởng tới sai số ở quan sát khác.
+ Giả định 5: sai số ngẫu nhiên và biến giải thích khơng tương quan với nhau. Giả thiết này là cần thiết vì nếu yếu tố ngẫu nhiên và biến giải thích có tương quan với nhau thì khơng thể tách ảnh hưởng riêng biệt của chúng đến biến phụ thuộc, trong khi đó yếu tố ngẫu nhiên đại diện cho các yếu tố khơng có mặt trong mơ hình.
Trong sai số hồi quy εi,t gồm có hai thành phần: các đặc điểm, nhân tố riêng của từng đơn vị chéo không thay đổi theo thời gian hay còn gọi là các nhân tố tác động cố định ui và sai số ngẫu nhiên vi,t. Khi sử dụng phương pháp Pooled OLS để thực hiện hồi quy mơ hình đã bỏ qua những quan hệ khơng đồng nhất giữa các đơn vị chéo theo thời gian bằng cách giả định rằng các hệ số hồi quy là như nhau nên những tác động khác nhau nếu có giữa các biến số giải thích đến
mơ hình có tương quan với các sai số hồi quy, ước lượng đạt được sẽ bị chệch, không nhất quán.
Để khắc phục điều này chúng ta có thể sử dụng kỹ thuật phân tích dữ liệu bảng. Kỹ thuật phân tích dữ liệu bảng gồm có hai nhánh chính sau: ước lượng hồi quy với tác động cố định (fixed effect) và ước lượng hồi quy với tác động ngẫu nhiên (random effect).
Mơ hình hồi quy tác động cố định fixed effects (FEM):
Mơ hình hồi quy được viết dưới dạng: yi,t = α + βxi,t + εi,t (εi,t = µi + νit )
Trong đó:
y: biến phụ thuộc x: biến độc lập α: hệ số chặn ε: sai số hồi quy i=1…..N; t= 1…T
Trong mơ hình hồi quy tác động cố định (FEM), các nhân tố không thay đổi theo thời gian của các đơn vị chéo µi là một biến ngẫu nhiên và có quan hệ tương quan với biến độc lập xi,t.
Mô hình này có thể ước lượng bằng cách sử dụng biến giả dummy với phương pháp hồi quy bình phương bé nhất với biến giả (LSDV), phương pháp chuyển đổi nội tại, phương pháp ước lượng ở giữa hoặc phương pháp sai phân bậc 1.
- Mơ hính LSDV được viết lại như sau:
Với D1i là biến giả có giá trị 1 cho tất cả các quan sát thuộc đơn vị chéo đầu tiên và có giá trị 0 cho các quan sát thuộc đơn vị chéo khác. Tương tự cho D2i, D3i... DNi.
Như vậy mơ hình LSDV có N +k hệ số hồi quy, và được xem như là mơ hình hồi quy tiêu chuẩn, được ước lượng bằng phương pháp OLS.
- Phương pháp chuyển đổi nội tại (the within transformation): phương pháp
này được sử dụng để đơn giản hóa vấn đề, tránh việc sử dụng quá nhiều biến giả như phương pháp LSDV. Theo đó, chúng ta có hai giá trị trung bình của biến
phụ thuộc và biến độc lập ȳi = và i = . Hai giá trị trung bình này
được khấu trừ ra khỏi giá trị của biến độc lập và biến phụ thuộc. Như vậy, phương trình chỉ chứa các biến điều chỉnh theo giá trị bình quân theo thời gian.
Khi đó mơ hình này có thể sử dụng phương pháp OLS để ước lượng nhưng phải điều chỉnh lại bậc tự do của mơ hình.
- Phương pháp ước lượng ở giữa (the between estimator): trong phương
pháp này chúng ta sẽ thực hiện hồi quy chéo với các biến số đã được tính bình qn trong qng thời gian quan sát. So với phương pháp chuyển đổi nội tại thì phương pháp này có thể giảm thiểu tác động của sai số trong đo lường các biến.
- Phương pháp ước lượng với biến sai phân bậc 1 (first – difference
estimator): trong phương pháp này chúng ta sẽ lấy sai phân cho các biến phụ thuộc, độc lập và sai số ngẫu nhiên trong mơ hình. Theo đó những thay đổi trong biến độc lập sẽ giải thích cho những thay đổi trong biến phụ thuộc.
yi,t = α + βxi,t + µi + νit yi,t -1 = α + βxi,t-1 + µi + νit-1 =>Δ yi,t = Δ βxi,t + Δ νit
Sau khi lấy sai phân, những nhân tố tác động cố định theo thời gian sẽ bị loại trừ khỏi mơ hình. Hệ số hồi quy cần được ước lượng là hệ số hồi quy của biến sai phân.
Mô hình hồi quy tác động ngẫu nhiên random effects (FEM):
Mơ hình hồi quy được viết dưới dạng: yi,t = α + βxi,t + εi,t (εi,t = µi + νit )
Trong đó:
y: biến phụ thuộc x: biến độc lập α: hệ số chặn ε: sai số hồi quy i=1…..N; t= 1….T
Trong mơ hình tác động ngẫu nhiên (REM), các nhân tố cố định cho từng đơn vị chéo ui là biến ngẫu nhiên và khơng có quan hệ với biến độc lập trong mơ hình. Hệ số chặn cho từng đơn vị chéo sẽ là α + µi, hệ số này thay đổi ngẫu nhiên theo đơn vị chéo nhưng không đổi theo thời gian.
Mơ hình tác động ngẫu nhiên gồm có các giả định sau:
- Các nhân tố cố định của các đơn vị chéo là các biến ngẫu nhiên, khơng có
tương quan với các biến độc lập trong mơ hình. E (µi, xi ) = 0.
- Phương sai của các nhân tố cố định theo thời gian của các đơn vị chéo là
- Các nhân tố cố định theo thời gian của các đơn vị chéo khơng có tương quan với sai số ngẫu nhiên vi,t.
Mơ hình tác động ngẫu nhiên REM được ước lượng bằng phương pháp GLS.
Tóm lại, mơ hình hồi quy tác động ngẫu nhiên khơng loại bỏ những biến mà giá trị của nó khơng đổi theo thời gian ra khỏi mơ hình. Mơ hình này chỉ cho ra kết quả hồi quy có giá trị tin cậy khi sai số của mơ hình hồi quy khơng có tương quan với biến độc lập. Trường hợp điều kiện trên bị vi phạm thì mơ hình hồi quy tác động cố định sẽ có kết quả tốt hơn.
Trong phân tích dữ liệu bảng, để lựa chọn giữa các mơ hình: Pooled OLS, mơ hình hồi quy tác động ngẫu nhiên REM và mơ hình hồi quy tác động cố định FEM chúng ta sẽ thực hiện kiểm định Breusch – Pagan Lagrangian và kiểm định Hausman. Đầu tiên, kiểm định Breusch – Pagan Lagrangian được thực hiện nhằm lựa chọn giữa Pooled OLS và mơ hình tác động ngẫu nhiên REM. Tiếp đó, nếu mơ hình tác động ngẫu nhiên REM được lựa chọn thì kiểm định Hausman được thực hiện nhằm lựa chọn giữa mơ hình hồi quy tác động ngẫu nhiên REM và mơ hình hồi quy tác động cố định FEM.
Kiểm định Breusch – Pagan Lagrangian (BP): kiểm định này cho phép
lựa chọn giữa mơ hình hồi quy tác động ngẫu nhiên và mơ hình pooled OLS. Giả thuyết H0: Mơ hình pooled OLS là phù hợp
Nếu p-value <0.05, bác bỏ giả thuyết H0, chúng ta có thể lựa chọn mơ hình tác động ngẫu nhiên REM
Kiểm định Hausman:
Giả thuyết H0 : tác động cá biệt của mỗi đơn vị chéo khơng có tương quan với các biến hồi quy khác trong mơ hình.
Nếu p-value <0.05: giả thuyết Ho có thể bị bác bỏ, mơ hình REM sẽ cho kết quả bị thiên lệch. Do vậy, mơ hình FEM được lựa chọn.
Sau khi thực hiện kiểm định Hausman để lựa chọn giữa mơ hình tác động ngẫu nhiên REM và mơ hình tác động cố định FEM, chúng ta sẽ thực hiện các kiểm định Wald và Lagram – Multiplier để kiểm tra hiện tượng tự tương quan và phương sai thay đổi trong mơ hình.
Kiểm định Lagram – Multiplier (LM): được dùng để kiểm định hiện
tượng tự tương quan của sai số trong mơ hình.
Giả thuyết H0: Mơ hình khơng có hiện tượng tự tương quan.
Nếu p-value <0.05, bác bỏ giả thuyết H0, mơ hình có hiện tượng tự tương quan.
Kiểm định Wald: được dùng để kiểm định hiện tượng phương sai thay
đổi trong mơ hình.
Giả thuyết H0: Mơ hình khơng có hiện tượng phương sai thay đổi.
Nếu p-value <0.05, bác bỏ giả thuyết H0, mơ hình có hiện tượng phương sai thay đổi.
Nếu kết quả kiểm định cho thấy mơ hình có hiện tượng tự tương quan, phương sai thay đổi hoặc cả hai thì chúng ta sẽ khắc phục bằng cách thực hiện phương pháp GLS (generalized least square)
Phương pháp GLS (generalized least square): là phương pháp được sử
dụng nhằm mục đích khắc phục hiện tượng tự tương quan và phương sai thay đổi trong mơ hình.
Mơ hình hồi quy OLS được viết dưới dạng: yi,t = βxi,t + εi,t (*)
Trong đó:
y: biến phụ thuộc x: biến độc lập ε: sai số hồi quy
i=1…..N; t= 1….T
Trong trường hợp mơ hình thỏa mãn các giả định ban đầu của OLS: var
(ε ) = σ2 I. Tuy nhiên, có thể var (ε1) ≠ var (ε2) ≠…var (εT) hay E (εt εs) ≠ 0, khi
mơ hình xuất hiện hiện tượng phương sai thay đổi hoặc hiện tượng tự tương quan, kết quả hồi quy đạt được sẽ bị chệch, độ tin cậy khơng cao. Mơ hình GLS được sử dụng để khắc phục hiện tượng tự tương quan và phương sai thay đổi, kết quả hồi quy đạt được đạt độ tin cậy. Phương pháp GLS được trình bày như sau:
Giả sử var (ε) = σ2 Ω, trong đó Ω là một ma trận bất kỳ không nhất thiết
là ma trận chéo và có những giá trị đặc trưng là λ1 …λT. Chúng ta có: Ω = SΔ S’ với Δ là một ma trận chéo với các giá trị đặc trưng λ1 …λT, S là một ma trận trực giao.
Ω-1 = S-1 Δ-1 S’-1 = S-1 Δ-1/2 Δ’-1/2 S’-1 = G G’ (Với G = S-1 Δ-1/2) Nhân ma trận G với mơ hình yi,t = βxi,t + εi,t ta được:
Gyi,t = Gβxi,t + Gεi,t (**)
Đặt Gyi,t = y*, Gxi,t = x*, Gεi,t = ε*, mơ hình (**) được viết lại như sau: y*= βx* + ε*
E (ε*ε*’) = E (G εε’G’) = σ2 G Ω G’= σ2 I
= (x*x*’)-1 x*’ y*
= (x G x’ G’)-1 x’G’ yG
= (xΩ-1 x’)-1 x’Ω-1 y.
Như vậy, kết quả hồi quy đạt được khơng bị chệch, có độ tin cậy.
Đặc điểm của phương pháp GLS:
- Ước lượng GLS không bị chệch
- Var (βGLS) = σ2 (x Ω-1x’) -1
4. KẾT QUẢ NGHIÊN CỨU: 4.1. Thống kê mô tả dữ liệu. 4.1. Thống kê mô tả dữ liệu.
Trước tiên, bài nghiên cứu này sẽ trình bày thống kê dữ liệu của các biến qua các năm, để thấy được tương quan của nguồn dữ liệu.
Bảng 4.1: Thống kê mô tả dữ liệu:
Biến Giá trị lớn nhất Giá trị nhỏ nhất Giá trị trung bình Giá trị trung vị Gía trị độ lệch chuẩn Growth 21.3475 -4.97478 4.107874 4.00452 2.801554 FDI 42.84896 -6.6999 3.793657 2.66286 5.142158 Credit 237.15 3.95 56.52946 35.175 48.28862 Liquid 143.44 13.92 58.41477 50.35 33.20039 GCF 47.85247 5.467015 22.64606 22.08306 5.797755 Govcons 28.63398 4.506118 14.30209 13.35535 5.30108 Openess 211.8385 21.87905 82.43254 67.51197 40.25252 Secenr 160.6186 6.0514 75.10139 72.72363 35.39972 IGDP 11.11927 1.848308 7.826747 7.7296 2.078071 Pop growth 3.4 -1.01 1.519768 1.435 1.026785 Goveff 2.26 -2.32 0.1120353 -0.275 1.038132
Dữ liệu nghiên cứu được thu thập từ 34 quốc gia trên thế giới trong khoảng thời gian từ 2000-2013. Nhìn chung ngoại trừ các biến IGDP, pop growth, goveff thì các biến có khoảng biến thiên giữa giá trị lớn nhất và giá trị nhỏ nhất tương đối lớn. Biến Growth có giá trị lớn nhất (21.3475) là tốc độ tăng trưởng GDP bình quân của Nigeria năm 2002, giá trị nhỏ nhất (-4.97) là tốc độ tăng trưởng của Malawi năm 2001. Gía trị lớn nhất của biến FDI là FDI của Mozambique năm 2013, giá trị nhỏ nhất là FDI của Áo năm 2010. Gía trị lớn nhất của biến Credit là giá trị của Ireland năm 2009, giá trị nhỏ nhất là giá trị của Malawi năm 2004. Biến Liquid có giá trị lớn nhất là 143.44, giá trị của Ecuador năm 2004 và giá trị nhỏ nhất là 20.38, giá trị của Bồ Đào Nha năm 2011.
Khoảng chênh lệch giữa giá trị trung bình và trung vị của biến Credit, Openess và Secenr tương đối lớn. Ngoài ra, độ lệch chuẩn của các biến Credit (48.28), Liquid (33.2), Secenr (35.4), Openess (40.26) có giá trị lớn nhất, tức những biến này dao động lớn.
Tóm lại, kết quả thống kê mô tả cho thấy, khoảng biến thiên, chênh lệch giữa giá trị trung bình và trung vị, độ lệch chuẩn của các biến tương đối lớn. Do