Có nhiều phương pháp khác nhau để kiểm định mối quan hệ đồng liên kết. Một vài phương pháp phổ biến nhất có thể kể đến như: cách tiếp cận dựa trên phần dư của Engle & Granger (1987), cách tiếp cận dựa trên MLE 11 của Johansen (1991, 1995), phương pháp của Johansen-Juselius (1990). Do khả năng hạn chế và một số vấn đề khác liên quan đến những phương pháp trên mà trong vòng hơn 10 năm trở lại đây cách tiếp cận ARDL trở nên ngày càng phổ biến trong việc ước lượng quan hệ đồng liên kết.
Mơ hình ARDL được thảo luận lần đầu trong bài nghiên cứu của Charemza & Deadman (1992). Pesaran & Pesaran (1997), Pesaran & Shin (1999), Pesaran et al (2001) đã phát triển cách tiếp cận này và khiến cho nó trở nên phổ biến trong nghiên cứu thực nghiệm.
Một số ưu điểm có thể kể đến của cách tiếp cận này như:
Linh hoạt, có thể được áp dụng cho các chuỗi thời gian có bậc dừng khác
nhau (Pesaran & Pesaran, 1997). Đây là ưu điểm chính của cách tiếp cận này. Nó đặc biệt có ích trong trường hợp ta phải ước lượng mối liên hệ đồng liên kết giữa các chuỗi thời gian có bậc dừng khác nhau hoặc ta không chắc chắn về bậc dừng của chuỗi thời gian đó. Một số phương pháp kiểm định đồng liên kết khác như phương pháp của Engle & Granger hay của Johansen đòi hỏi các chuỗi thời gian chắc chắn phải dừng ở cùng bậc.
Dễ dàng thiết lập mơ hình và thơng đạt kết quả. Vì từ phương trình ARDL ta có thể suy ra phương trình EMC thơng qua một phép biến đổi tuyến tính đơn giản (Banjeree et al, 1993). Mơ hình ECM thể hiện được cả động lực ngắn hạn và mối quan hệ cân bằng trong dài hạn giữa các biến mà không làm mất thông tin dài hạn. Qua đó ta có thể ước lượng được cả mối quan hệ dài hạn cũng như động lực ngắn hạn giữa các biến chỉ bằng một phương trình duy nhất.
11
Kiểm soát được hiện tượng nội sinh. Do trong mơ hình có bao gồm biến trễ của cả biến phụ thuộc và biến độc lập đủ để nắm bắt quá trình hình thành số liệu (Laurenceson & Chai, 2003).
Cấu trúc độ trễ linh hoạt do nó cho phép các biến có độ trễ khác nhau, không giống như kiểm định đồng liên kết theo mơ hình VAR địi hỏi các biến phải có cùng độ trễ (Pesaran et al, 2001)
Phù hợp và cho kết quả đáng tin cậy cả trong trường hợp kích cỡ mẫu nhỏ (Pesaran & Shin, 1999) trong khi cách tiếp cận Johansen đòi hỏi phải có mẫu lớn để kết quả có được độ tin cậy.
Như sẽ thấy trong phần sau, các biến kinh tế được sử dụng để ước lượng tỷ giá thực cân bằng và tăng trưởng kinh tế trong bài nghiên cứu này có bậc dừng khác nhau, I(0) hoặc I(1). Cách tiếp cận phù hợp trong trường hợp này là phương pháp ARDL Bounds Test.
Phương pháp ARDL Bounds Test được tiến hành theo các bước sau:
(1) Kiểm định nghiệm đơn vị (Unit Root Test) bằng các phương pháp như ADF, PP, KPSS để đảm bảo khơng có biến nào dừng ở bậc 2 - I(2).
(2) Thiết lập mơ hình Unrestricted Error Correction Model. Mơ hình này là
một dạng riêng của mơ hình ARDL:
∆Yt = β0 + ∑βi∆Yt-i + ∑γj∆X1t-j + ∑δkX2t-k + θ0Yt-1 + θ1X1t-1 + θ2X2t-1 + et
Mơ hình này tương tự như mơ hình ECM truyền thống. Điểm khác biệt duy nhất là ECT (Error Correction Term) Zt được thay thế bằng (Yt-1 - a1X1t-1 - a2X2t-1).
(3) Xác định cấu trúc độ trễ cho mơ hình ở bước 2. Đây là bước quan trọng
và khó khăn nhất trong cách tiếp cận ARDL Bounds Test để đảm bảo mơ hình ước lượng là phù hợp. Để xác định cấu trúc độ trễ, ta có thể sử dụng các chỉ tiêu như AIC, SIC (phù hợp hơn trong trường hợp cỡ mẫu nhỏ), HQ. Tuy nhiên cần lưu ý rằng độ trễ đề xuất theo các chỉ tiêu này chỉ là bước đầu, để chọn được mơ hình thực sự phù hợp ta cần tiến hành hàng
loạt quá trình thử - sai với nhiều độ trễ khác nhau. Để tránh tình trạng chọn quá thừa độ trễ, chúng ta nên lưu ý đến ý nghĩa thống kê của các hệ số trong phương trình.
(4) Đảm bảo phần dư et của mơ hình khơng có hiện tượng tự tương quan.
(5) Đảm bảo mơ hình có tính ổn định. Theo Pesaran (1997), ta có thể sử dụng kiểm định CUSUM và CUSUMSQ đề xuất bởi Brown et al (1975) để kiểm tra tính ổn định của các tham số trong mơ hình.
(6) Thực hiện Bounds Test để kiểm định sự tồn tại của mối quan hệ dài hạn
giữa các biến. Ở bước này chúng ta thực hiện F-test (thông thường là Wald Test) để kiểm định giả thiết H0: θ0 = θ1 = θ2 = 0, so với giả thiết H1: θ0 ≠ θ1 ≠ θ2 ≠ 0. Nếu ta có thể bác bỏ giả thiết H0 nghĩa là có tồn tại mối quan hệ đồng liên kết giữa các biến.
(7) Nếu kết quả ở bước 6 là có tồn tại mối quan hệ dài hạn, ta sẽ thực hiện
hồi quy các biến level cũng như mơ hình restricted ECM để đo lường động lực ngắn hạn và mối quan hệ cân bằng trong dài hạn giữa các biến.
CHƢƠNG 4 - KẾT QUẢ THỰC NGHIỆM 4.1. Mô tả số liệu
Bảng 4.1: Kết quả thống kê mô tả
Chỉ tiêu LOG_RER DR LOG_PD LOG_TOT LOG_TO LOG_GOVEX LOG_NFA
Mean 4.121637 0.974900 -1.277930 1.931054 2.128505 1.204289 2.305577 Median 4.146637 1.083030 -1.293933 1.930617 2.132693 1.155511 2.269547 Maximum 4.207354 3.725993 -1.104387 2.058850 2.391242 1.581209 2.657229 Minimum 4.000764 -4.892480 -1.421699 1.827999 1.831479 0.958577 2.012513 Std. Dev. 0.069557 1.623647 0.089846 0.053197 0.163996 0.193118 0.164552 Skewness -0.285920 -0.983610 0.166165 0.167194 -0.096653 0.392389 0.394796 Kurtosis 1.499289 4.825379 1.876485 2.596243 1.797138 1.765964 2.035700 Jarque-Bera 6.017982 16.804570 3.203035 0.641284 3.463238 4.990351 3.624436 Probability 0.049341 0.000224 0.201590 0.725683 0.176998 0.082482 0.163292 Sum 230.811700 54.594380 -71.564100 108.139000 119.196300 67.440170 129.112300 Sum Sq. Dev. 0.266103 144.992600 0.443975 0.155644 1.479215 2.051211 1.489264 Observations 56 56 56 56 56 56 56
4.2. Ƣớc lƣợng tỷ giá thực hối đoái thực cân bằng và mức độ sai lệch tỷ giá thực thực
Theo như phần cở sở lý thuyết về tỷ giá thực nói trên, mơ hình tỷ giá thực cân bằng được xác định như sau:
LOG_RERt = α0 + α1Trendt + α2DRt + α3LOG_PDt + α4LOG_TOTt + α5LOG_TOt + α6LOG_GOVEXt + α7LOG_NFAt + ut
Bảng 4.2: Kỳ vọng dấu của các biến trong mơ hình tỷ giá thực
Biến Dấu kỳ vọng DR (+ / -) LOG_PD ( - ) LOG_TOT (+ / -) LOG_TO (+ / -) LOG_GOVEX (+ / -) LOG_NFA ( - ) Nguồn: Tác giả tổng hợp
Ngồi các biến giải thích như trong phương trình trên, một số nghiên cứu như Bergvall (2004), Chen & Chen (2007), Lizardo & Mollick (2010), Wong (2013) có đề cập đến tầm quan trọng của giá dầu thế giới trong việc xác định mức tỷ giá thực. Khi giá dầu tăng, trong trường hợp quốc gia xuất siêu dầu, đồng nội tệ sẽ có xu hướng tăng giá; và ngược lại, trong trường hợp quốc gia nhập siêu dầu, đồng nội tệ sẽ có xu hướng giảm giá do cán cân thương mại bị xấu đi. Việt Nam là một quốc gia nhập siêu dầu (chúng ta xuất siêu dầu thô nhưng lại nhập siêu các sản phẩm về dầu) nên giá dầu thế giới được kỳ vọng là có quan hệ đồng biến với RER. Tuy nhiên trong quá trình ước lượng, lựa chọn mơ hình, biến giá dầu thế giới khơng có ý
nghĩa thống kê (cả trong ngắn hạn và dài hạn) 12 nên tác giả không xét đến biến này trong mơ hình tỷ giá thực.
Chênh lệch dự trữ cũng là một biến thường được xét đến trong mơ hình các yếu tố ảnh huởng đến tỷ giá thực (Aizenman & Riera-Crichton, 2006; Wang et al, 2007; Kasman & Ayhan, 2008; Wong, 2013). Tuy nhiên chênh lệch dự trữ lại có tương quan rất cao với biến tài sản nước ngồi rịng (NFA), gần 86% và khi đưa biến này vào mơ hình, mức độ phù hợp của mơ hình khơng được cải thiện. Vì lý do này mà tác giả chỉ xét đến biến tài sản nước ngồi rịng và bỏ qua biến chênh lệch dự trữ.
Để ước lượng mối quan hệ dài hạn cũng như động lực ngắn hạn giữa các biến, ta áp dụng phương pháp ARDL Bounds Test như đã đề cập trong phần 3.2. - Phương Pháp Nghiên Cứu.
Bước đầu tiên chúng ta tiến hành kiểm định nghiệm đơn vị của các biến để chắc chắn khơng có biến nào dừng ở bậc hai. Để kiểm định nghiệm đơn vị chúng ta sử dụng kiểm định ADF và PP đồng thời so sánh với kết quả kiểm định tính dừng theo KPSS để đảm bảo tính chính xác về bậc dừng của dữ liệu. Kết quả kiểm định nghiệm đơn vị và tính dừng được thể hiện chi tiết trong Bảng 4.3. Như vậy theo kết quả kiểm định ADF và PP, ngoại trừ biến chênh lệch lãi suất DR dừng ở bậc 0 – I(0), các biến còn lại đều dừng ở bậc 1 – I(1). Như vậy dữ liệu của chúng ta đủ điều kiện áp dụng Bounds Test để kiểm định mối quan hệ đồng liên kết.
12 Kết quả ước lượng mơ hình tỷ giá bao gồm giá dầu thế giới khơng được trình bày ở đây nhưng sẽ được cung cấp khi có yêu cầu.
Bảng 4.3: Kết quả kiểm định nghiệm đơn vị của các biến trong mơ hình tỷ giá thực Biến Biến ngoại sinh
ADF Test PP Test KPSS Test
I(0) I(1) I(0) I(1) I(0) I(1)
LOG_RER Intercept 0.296655 -4.491512*** 0.502813 -4.423580*** 0.815906*** 0.401428* Trend - Intercept -3.016052 -4.747906*** -3.349419** -4.722017*** 0.173511** 0.152504** DR Intercept -4.792655*** -7.572580*** -4.741283*** -14.792484*** 0.218589 0.148203 Trend - Intercept -4.797700*** -7.503108*** -4.784814*** -16.060248*** 0.179349** 0.141288* LOG_PD Intercept -1.655266 -3.999129*** -1.972058 -3.999129*** 0.825762*** 0.417815* Trend - Intercept 2.458410 -4.545237*** 2.458410 -4.471854*** 0.172667** 0.138893* LOG_TOT Intercept -5.146260*** -7.414280*** -6.521247*** -37.316870*** 0.199118 0.174531 Trend - Intercept -5.089349*** -7.337282*** -6.526245*** -35.774000*** 0.140422 0.174034** LOG_TO Intercept -0.795036 -4.438198*** -0.414228 -11.06138*** 0.882916*** 0.323182 Trend - Intercept -3.292317* -4.392254*** -3.314355* -10.75386*** 0.082999 0.323687*** LOG_GOVEX Intercept 1.063306 -11.83397*** 1.822765 -11.71900*** 0.881164*** 0.288006 Trend - Intercept -2.403870 -5.287479*** -3.102162 -12.66305*** 0.243736*** 0.207821** LOG_NFA Intercept -1.608231 -3.901183*** -2.880409* -13.70223*** 0.576037** 0.094577 Trend - Intercept -5.135056*** -4.457382*** -3.945464** -13.56418*** 0.091074 0.092846
Ghi chú:
Bảng 4.4: Giá trị tham chiếu cho ADF Test ADF Test
H0: Chuỗi có nghiệm đơn vị
Intercept Trend & Intercept
1% -3.557472 -4.137279 5% -2.916566 -3.495295 10% -2.596116 -3.176618 Nguồn: MacKinnon (1996)
Bảng 4.5: Giá trị tham chiếu cho PP Test PP Test
H0: Chuỗi có nghiệm đơn vị
Intercept Trend & Intercept
1% -3.555023 -4.133838 5% -2.915522 -3.493692 10% -2.595565 -3.175693 Nguồn: MacKinnon (1996)
Bảng 4.6: Giá trị tham chiếu cho KPSS Test KPSS Test
H0: Chuỗi dừng
Intercept Trend & Intercept
1% 0.739000 0.216000 5% 0.463000 0.146000 10% 0.347000 0.119000 Nguồn: Kwiatkowski-Phillips-Schmidt-Shin (1992, Bảng 1)
Bảng 4.7: Bậc dừng của các biến trong mơ hình tỷ giá thực
Biến ADF PP KPSS
LOG_RER I(1)*** I(1)*** I(0)**
DR I(0)*** I(0)*** I(0)**
LOG_PD I(1)*** I(1)*** I(1)**
LOG_TOT I(0)*** I(0)*** I(1)**
LOG_TO I(1)*** I(1)*** I(0)***
LOG_GOVEX I(1)*** I(1)*** I(0)***
LOG_NFA I(1)*** I(1)*** I(1)**
Nguồn: Kết quả tính tốn từ Eviews
Khi nhìn vào bảng kết quả kiểm định ADF, PP và KPSS, đôi khi ta thấy kết quả kiểm định nghiệm đơn vị của ADF và PP không trùng khớp với kết quả kiểm định tính dừng của KPSS, chẳng hạn như ADF và PP kết luận LOG_TOT dừng ở bậc 0 trong khi kết quả theo KPSS là chuỗi này dừng ở bậc 1. Sự mâu thuẫn về kết quả kiểm định như trên rất thường gặp trong khi tiến hành nghiên cứu. Khi này ta khơng thể kết luận chính xác về bậc dừng của biến. Ở đây một lần nữa chúng ta có thể thấy được sự vượt trội của phương pháp ARDL Bounds Test. Nếu chúng ta áp dụng các phương pháp ước lượng đồng liên kết “truyền thống” như phương pháp của Engle & Granger hay của Johansen, để kết quả kiểm định có giá trị thì chúng ta phải thực sự chắc chắn là các biến dừng cùng bậc. Trong trường hợp này tuy chúng ta không chắc chắn về bậc dừng của các biến, các biến dừng ở bậc khác nhau theo các kiểm định khác nhau, nhưng chúng ta vẫn có thể áp dụng Bounds Test.
Bước tiếp theo chúng ta thiết lập mơ hình Unrestricted Error Correction Model cho tỷ giá thực như sau:
∆LOG_RERt = β0 + β1DUMMYt + β2Trendt + + + + + + + + β10DRt-1 + β11LOG_PDt-1 + β12LOG_TOTt-1 + β13LOG_TOt-1 + β14GOVEXt-1 + β15LOG_NFAt-1 + β16LOG_RERt-1 + ut
Trong đó:
∆: sai phân bậc 1
DUMMY: biến giả đại diện cho cuộc khủng hoảng kinh tế 2008
p, q, r, s, v, x ≥ 0
z ≥ 1
ut: phần dư
Như đã nói ở trên, việc khó khăn nhất khi áp dụng Bounds Test là xác định cấu trúc độ trễ cho mơ hình Unrestricted ECM. Việc lựa chọn này hồn tồn là một quá trình thử - sai để chọn ra được mơ hình phù hợp nhất thỏa mãn tiêu chí R2 và Log_likelihood cao cùng với hệ số AIC, SIC, HQ thấp và quan trọng nhất là phần
dư ut của mơ hình khơng có hiện tượng tự tương quan. Để giúp việc lựa chọn này
đơn giản hơn chúng ta có thể ước lượng mơ hình VAR với biến phụ thuộc là D(LOG_RER) và tiến hành chọn cấu trúc độ trễ phù hợp. Tuy nhiên độ trễ lựa chọn bởi AIC, SIC, HQ chỉ có mang tính gợi ý, sau khi có được độ trễ này chúng ta vẫn phải thử nhiều mơ hình với độ trễ khác nhau mới có thể chọn ra mơ hình tốt nhất.
Bảng 4.8: Ƣớc lƣợng cấu trúc độ trễ cho mơ hình tỷ giá thực
Độ trễ LogL LR FPE AIC SC HQ
0 203.9423 NA* 2.13e-05 -7.954993 -7.285791* -7.703168 1 203.9679 0.031499 2.23e-05 -7.913526 -7.204959 -7.646888 2 204.7426 0.923098 2.27e-05 -7.903941 -7.156009 -7.622489 3 205.3124 0.654691 2.33e-05 -7.885636 -7.098339 -7.589370 4 208.1093 3.094381 2.18e-05 -7.962097 -7.135435 -7.651019 5 210.7057 2.762106 2.06e-05* -8.030028* -7.164002 -7.704137* 6 210.7533 0.048609 2.18e-05 -7.989500 -7.084109 -7.648795 7 211.9710 1.191807 2.19e-05 -7.998765 -7.054009 -7.643247 8 212.0648 0.087858 2.31e-05 -7.960205 -6.976084 -7.589874
* Độ trễ được lựa chọn theo tiêu chí tương ứng
Nguồn: Kết quả tính tốn từ Eviews
Theo Bảng 4.8 độ trễ phù hợp là 5 theo tiêu chuẩn AIC và HQ. SIC đề xuất độ trễ là 0. Căn cứ vào kết quả này tác giả đã ước lượng các mơ hình khác nhau và cuối cùng chọn độ trễ cho các biến theo như Bảng 4.9 được trình bày dưới đây.
Bảng 4.9: Độ trễ của các biến trong mơ hình tỷ giá thực
Biến Độ trễ D(DR) p = 2 D(LOG_PD) q = 5 D(LOG_TOT) r = 4 D(LOG_TO) s = 3 D(LOG_GOVEX) v = 2 D(LOG_NFA) x = 4 D(LOG_RER) z = 1
Nguồn: Kết quả tính tốn của tác giả
Với độ trễ đã được lựa chọn, ta tiến hành ước lượng mơ hình Unrestricted ECM (2) với kết quả được trình bày trong Bảng 3.10.
Bảng 4.10: Kết quả ƣớc lƣợng mơ hình Unrestricted ECM cho tỷ giá thực
Biến Hệ số Độ lệch chuẩn t-Statistic p-value
C 2.864570 0.264216 10.841770 0.0000 TREND 0.000697 0.000365 1.909069 0.0650 DUMMY (0.027029) 0.003405 (7.937959) 0.0000 D(DR(-2)) (0.001162) 0.000343 (3.390538) 0.0018 D(LOG_PD(-5)) 0.041404 0.051988 0.796416 0.4315 D(LOG_TOT(-4)) (0.023218) 0.011757 (1.974891) 0.0567 D(LOG_TO(-3)) 0.088904 0.018817 4.724573 0.0000 D(LOG_GOVEX(-2)) (0.203991) 0.030629 (6.660085) 0.0000 D(LOG_NFA(-4)) (0.037174) 0.007074 (5.254658) 0.0000 D(LOG_RER(-1)) (0.202681) 0.114455 (1.770835) 0.0858 DR(-1) 0.002942 0.000569 5.168610 0.0000 LOG_PD_1(-1) 0.041267 0.024850 1.660648 0.1063 LOG_TOT(-1) (0.024270) 0.015152 (1.601744) 0.1187 LOG_TO(-1) (0.052197) 0.017103 (3.051921) 0.0045 LOG_GOVEX(-1) (0.140542) 0.027674 (5.078405) 0.0000 LOG_NFA(-1) (0.028459) 0.005378 (5.291371) 0.0000 LOG_RER(-1) (0.589395) 0.056833 (10.370610) 0.0000 R2 0.891601 Mean dependent var -0.003882 R2 hiệu chỉnh 0.839044 S.D. dependent var 0.007741 S.E. of regression 0.003106 Akaike info criterion -8.446668 Sum squared resid 0.000318 Schwarz criterion -7.796581 Log likelihood 228.166700 Hannan-Quinn criter. -8.199111 F-statistic 16.964390 Durbin-Watson stat 1.895247 Prob (F-statistic) 0.000000
Nguồn: Kết quả tính tốn từ Eviews
Với kết quả ước lượng mơ hình Unrestricted ECM cho tỷ giá thực trong Bảng 3.9, ta thấy R2 đạt 89% và R2
hiệu chỉnh đạt 84%; AIC, SIC, HQ lần lượt là -8.5, - 7.8, -8.2; Durbin-Watson Stat bằng 1.9 13. Đây là những thông số tốt nhất trong những mơ hình được tác giả ước lượng.
Như chúng ta có thể thấy trong Hình 4.1 - đồ thị biểu diễn giá trị thực tế và ước lượng ∆LOG_RER, mơ hình đã nắm bắt khá chính xác những biến động của tỷ giá thực trong giai đoạn nghiên cứu.
13 Durbin-Watson Stat bằng 2 hoặc gần bằng 2 cho thấy khơng có hiện tượng tự tương quan ở bậc 1. Mức chấp nhận của trị số này nằm trong đoạn [1.75; 2.25]
Hình 4.1: Đồ thị giá trị thực tế và ƣớc lƣợng của ∆LOG_RER