Lựa chọn phương pháp:
Hầu hết các nghiên cứu trước về mối quan hệ nhân quả thường sử dụng hai phương pháp phổ biến. Thứ nhất là kiểm định nhân quả Granger truyền thống (kiểm định F) dựa trên việc ước lượng mơ hình VAR. Tuy nhiên, theo phương pháp này, các biến phải lấy sai phân nếu không dừng; điều này sẽ làm cho giá trị thống kê kiểm định F khơng cịn tin cậy nếu như các biến có đồng liên kết. Thứ hai là ước lượng mơ hình VECM nếu các biến có đồng liên kết, do vậy phải thực hiện kiểm định đồng liên kết trước đó. Điều này làm phức tạp thêm quy trình kiểm định, đặc biệt là mơ hình VECM chỉ áp dụng được khi các biến có cùng bậc liên kết. Và phương pháp tiếp cận nhân quả theo Toda-Yamamoto (1995) sẽ khắc phục được các hạn chế vừa nêu bằng việc không lấy sai phân các biến trong mơ hình VAR và đưa thêm các biến độ trễ. Hơn nữa, kết quả kiểm định tính dừng cho thấy các biến nghiên cứu trong trường hợp Việt Nam khơng có cùng bậc liên kết (GB_VN là I(1), CA_VN là I(0), TB_VN là I(0)), nên việc lựa chọn phương pháp tiếp cận theo Toda-Yamamoto (1995) là phù hợp để nghiên cứu mối quan hệ nhân quả giữa cán cân ngân sách và tài khoản vãng lai/cán cân thương mại ở Việt Nam.
Kết quả kiểm định:
Như chúng tôi đã mô tả trong phần phương pháp luận nghiên cứu, phương pháp kiểm định phi nhân quả Granger theo Toda - Yamamoto (1995) dựa trên việc ước lượng mơ hình VAR in level, tức là các biến đầu vào đều ở dạng gốc (level), không lấy sai phân dù là khơng dừng. Điều này có thể trái với các nghiên cứu thơng thường sử dụng mơ hình VAR (địi hỏi dữ liệu đầu vào phải dừng). Tuy nhiên, có thể lý giải cho vấn đề này rằng việc ước lượng mơ hình VAR trong phương pháp Toda – Yamamoto (1995) chỉ nhằm mục đích thực hiện kiểm định phi nhân quả Granger, bằng việc sử dụng Modified Wald Test. Dưới đây là cụ thể các bước mà chúng tôi thực hiện để kiểm định phi nhân quả theo phương pháp Toda – Yamamoto (1995) đối với trường hợp Việt Nam.
Đầu tiên, kết quả kiểm định tính dừng cho thấy các biến GB_VN, CA_VN và TB_VN đều là I(1) nên có thể xác định bậc liên kết cao nhất trong từng trường hợp kiểm định nhân quả: (GB_VN, CA_VN) và (GB_VN, TB_VN) đều là dmax = 1.
Độ trễ tối ưu (p) của các biến trong mơ hình VAR được lựa chọn dựa vào các tiêu chí quen thuộc như LR, FPE, AIC, SC và HQ. Kết quả lựa chọn độ trễ tối ưu (p) được trình bày trong Bảng 4.6.
Bảng 4.6 : Kết quả lựa chọn độ trễ tối ưu (p) cho các biến trong mơ hình VAR. LỰA CHỌN ĐỘ TRỄ CHO KIỂM ĐỊNH NHÂN QUẢ LỰA CHỌN ĐỘ TRỄ CHO KIỂM ĐỊNH NHÂN QUẢ
Cặp biến LR FPE AIC SC HQ
GB_VN và CA_VN 4 4 4 0 4
GB_VN và TB_VN 4 4 4 1 4
Nguồn: Tổng hợp của tác giả từ Eview
Theo đó, độ trễ tối ưu được lựa chọn cho mô hình VAR với cặp biến GB_VN và CA_VN là p = 4. Đối với mơ hình VAR với cặp biến GB_VN và TB_VN, có 2 độ trễ tối ưu được lựa chọn là 1 và 4. Độ trễ 1 khơng được áp dụng vì theo Toda-Yamamoto (1995), độ trễ được lựa chọn phải vượt quá bậc liên kết cao nhất của các biến (p>dmax). Hơn nữa, để đảm bảo mơ hình VAR được ước lượng là tốt (VAR is well specified), khơng cịn hiện tượng tương quan chuỗi trong phần dư, chúng tôi gia tăng độ trễ đến 5 đối với từng cặp biến được kiểm định.
Bước tiếp theo, chúng tơi xây dựng lại mơ hình VAR và cộng thêm dmax độ trễ vào mỗi biến trong mỗi phương trình (ở đây dmax = 1). Cụ thể như sau:
Mối quan hệ giữa cán cân ngân sách và tài khoản vãng lai VAR(p + dmax):
GBt = a0 + a1GBt-1 + …+ a5GBt-5 + a6GBt-6 + b1CAt-1 + …+ b5CAt-5 + b6CAt-6 + ut
CAt = c0 + c1CAt-1 + …+ c5CAt-5 + c6CAt-6 + d1GBt-1 + …+ d5GBt-5 + d6GBt-6 + vt
Mối quan hệ giữa cán cân ngân sách và cán cân thương mại VAR(p + dmax):
GBt = a0 + a1GBt-1 + …+ a5GBt-5 + a6GBt-6 + b1TBt-1 + …+ b5TBt-5 + b6TBt-6 + ut
TBt = c0 + c1TBt-1 + …+ c5TBt-5 + c6TBt-6 + d1GBt-1 + …+ d5GBt-5 + d6GBt-6 + vt
Tiếp đó, sử dụng kiểm định Wald (standard Wald test) để kiểm định các giả thiết sau:
H0: b0 = b1 = … = b5 = 0, nghĩa là không tồn tại mối quan hệ nhân quả Granger từ cán cân tài khoản vãng lai/cán cân thương mại đến cán cân ngân sách.
H0: d0 = d1 = … = d5 = 0, nghĩa là không tồn tại mối quan hệ nhân quả Granger từ cán cân ngân sách đến cán cân tài khoản vãng lai/cán cân thương mại.
Cần chú ý rằng chỉ thực hiện kiểm định Wald đối với hệ số của các biến ứng với p = 5 độ trễ đầu tiên, không bao gồm hệ số của biến độ trễ thứ 6, vì biến này chỉ nhằm mục đích đảm bảo cho thống kê kiểm định Wald theo đúng phân phối tiệm cận chi bình phương dưới giả thiết khơng là khơng có mối quan hệ nhân quả Granger (usual asymptotic chi-square null distribution).
Kết quả kiểm định Wald từ EVIEW được trình bày trong Bảng 4.7. Nếu p-value < mức ý nghĩa (10%) thì bác bỏ giả thiết H0, nghĩa là có mối quan hệ nhân quả Granger. Và ngược lại thì chấp nhận giả thiết H0, tức là khơng tồn tại mối quan hệ nhân quả.
Bảng 4.7 : Kết quả kiểm định Modified Wald Test theo Toda – Yamamoto (1995) TODA – YAMAMOTO: MODIFIED WALD TESTS
Mẫu: 1996Q1 2013Q4
Số quan sát
Chi-sq df Prob.
Cán cân tài khoản vãng lai và cán cân ngân sách
Biến phụ thuộc: GB_VN
CA_VN
67
6.793815 5 0.2365
Biến phụ thuộc: CA_VN
GB_VN 5.128356 5 0.4004
Cán cân thương mại và cán cân ngân sách
Biến phụ thuộc: GB_VN TB_VN 67 7.018955 5 0.2192 Biến phụ thuộc: TB_VN GB_VN 4.542269 4 0.4742
Theo đó, ta thấy các p-value (prob.) đều lớn hơn mức ý nghĩa 10% nên không thể bác bỏ giả thiết H0, nghĩa là khơng tìm thấy mối quan hệ nhân quả Granger giữa cán cân ngân sách và cán cân tài khoản vãng lai/cán cân thương mại, kể cả một chiều lẫn hai chiều.
Kết quả ước lượng mơ hình VAR cho việc thực hiện kiểm định Modifield Wald Test theo phương pháp Toda – Yamamoto (1995) được trình bày trong các hình dưới đây.
Hình 4.1 : Kết quả ước lược mơ hình VAR(5) cho cặp biến cán cân ngân sách (GB_VN) và cán cân tài khoản vãng lai (CA_VN)
GB_VN CA_VN GB_VN(-1) -0.065801 0.298114 [-0.48792] [ 0.61802] GB_VN(-2) 0.027413 0.024381 [ 0.28207] [ 0.07014] GB_VN(-3) 0.030438 0.556061 [ 0.31642] [ 1.61606] GB_VN(-4) 0.661072 0.382806 [ 6.94124] [ 1.12373] GB_VN(-5) 0.042899 -0.555833 [ 0.32715] [-1.18509] CA_VN(-1) -0.063187 0.409150 [-1.75617] [ 3.17922] CA_VN(-2) -0.044060 0.215465 [-1.13259] [ 1.54846] CA_VN(-3) 0.027605 -0.055266 [ 0.70732] [-0.39589] CA_VN(-4) -0.002534 -0.129956 [-0.06507] [-0.93306] CA_VN(-5) 0.016647 0.181102 [ 0.46476] [ 1.41355] C -0.016259 0.025904 [-2.24110] [ 0.99821] R-squared 0.504743 0.315648 Adj. R-squared 0.416305 0.193443 Sum sq. resids 0.022147 0.283344 S.E. equation 0.019887 0.071132 F-statistic 5.707272 2.582926 Log likelihood 173.4258 88.03498
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 Inverse Roots of AR Characteristic Polynomial
Nguồn: Tổng hợp của tác giả từ Eview
Hình 4.2 : Kết quả ước lược mơ hình VAR(5) cho cặp biến cán cân ngân sách (GB_VN) và cán cân thương mại (TB_VN)
GB_VN TB_VN GB_VN(-1) -0.049846 0.594877 [-0.36885] [ 1.27033] GB_VN(-2) 0.029139 0.103871 [ 0.30029] [ 0.30891] GB_VN(-3) 0.053927 0.433862 [ 0.56446] [ 1.31055] GB_VN(-4) 0.658373 0.213600 [ 6.91104] [ 0.64706] GB_VN(-5) 0.023443 -0.506468 [ 0.17918] [-1.11714] TB_VN(-1) -0.056525 0.606311 [-1.54022] [ 4.76773] TB_VN(-2) -0.043451 0.078134 [-1.01588] [ 0.52718] TB_VN(-3) 0.050133 -0.048178 [ 1.16820] [-0.32398]
TB_VN(-4) -0.024331 -0.156627 [-0.56250] [-1.04497] TB_VN(-5) 0.023201 0.253585 [ 0.62658] [ 1.97638] C -0.016869 0.025872 [-2.25505] [ 0.99805] R-squared 0.506518 0.451226 Adj. R-squared 0.418396 0.353231 Sum sq. resids 0.022067 0.264973 S.E. equation 0.019851 0.068787 F-statistic 5.747927 4.604566 Log likelihood 173.5460 90.28054 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 Inverse Roots of AR Characteristic Polynomial
Nguồn: Tổng hợp của tác giả từ Eview
Để đảm bảo mơ hình VAR được ước lượng là tốt, ngồi việc sử dụng vịng tròn đơn vị (Inverse Root of AR Characteristic Polynomial) với kết quả thuyết phục như trên, chúng tôi đã kiểm định vấn đề tương quan chuỗi trong các phần dư (Residual) của từng phương trình trong mơ hình VAR.