CHƯƠNG 4 NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
4.2. Kiểm định nhân quả theo phương pháp bootstrap của Hacker và Hatemi-J
Hatemi-J (2006) dựa trên kiểm định Toda – Yamamoto (1995)
Như đã nêu trong phần phương pháp luận nghiên cứu, kiểm định phi nhân quả Granger theo TY (1995) dựa trên việc ước lượng mơ hình VAR in level, tức là các biến đầu vào đều ở dạng gốc (level), không lây sai phân dù chuỗi gốc là không dừng. Và TY (1995) đã giải thích cho vấn đề này rằng việc ước lượng mô hình
VAR nhằm mục đích sử dụng kiểm định WALD hiệu chỉnh (Modified WALD test). Dưới đây là các bước cụ thể để thực hiện kiểm định phi nhân quả theo phương pháp TY(1995) đối với trường hợp Việt Nam.
Trước tiên, chúng ta thực hiện kiểm định tính dừng cho các biến GE_VN, TB_VN và kết quả là biến GE_VN dừng ở bậc 2, biến TB_VN dừng ở bậc 1. Từ đó ta có thể xác định được bậc liên kết cao nhất trong trường hợp này là 𝑑𝑚𝑎𝑥 = 2.
Kế tiếp, chúng ta thực hiện xây dựng mơ hình VAR in level với các biến đầu vào ở dạng gốc, cho dù chúng là chuỗi I(2) hay I(1). Do đó, mơ hình VAR chi tiết sẽ được trình bày như sau:
GEt = a0+ a1GEt−1+. . . +apGEt−p+ b1TBt−1+. . . +bpTBt−p+ ut TBt = c0+ c1TBt−1+. . . +cpTBt−p+ d1GEt−1+. . . +dpGEt−p+ vt
Độ trễ tối ưu (p) của 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 được trình bày chi tiết như trong hình 4.1 và bảng 4.5
Hình 4.1: Kết quả xác định độ trễ từ Eviews
VAR Lag Order Selection Criteria Endogenous variables: GE_VN TB_VN Exogenous variables: C
Date: 03/12/15 Time: 23:48 Sample: 1994Q1 2013Q4 Included observations: 72
Lag LogL LR FPE AIC SC HQ
0 -4044.812 NA 2.26e+46 112.4115 112.4747 112.4366 1 -3741.688 580.9881 5.57e+42 104.1024 104.2922 104.1780 2 -3704.307 69.57002 2.21e+42 103.1752 103.4914* 103.3011 3 -3701.408 5.235305 2.28e+42 103.2058 103.6485 103.3820 4 -3700.301 1.935757 2.47e+42 103.2862 103.8553 103.5127 5 -3687.066 22.42733 1.92e+42 103.0296 103.7252 103.3065 6 -3675.582 18.82050* 1.56e+42* 102.8217* 103.6439 103.1490* 7 -3673.755 2.893044 1.67e+42 102.8821 103.8307 103.2597 8 -3672.454 1.987878 1.81e+42 102.9570 104.0321 103.3850
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Bảng 4.4: Kết quả lựa chọn độ trễ tối ưu (p) cho các biến trong mơ hình VAR
LỰA CHỌN ĐỘ TRỄ TỐI ƯU CHO KIỂM ĐỊNH NHÂN QUẢ
LR FPE AIC SC HQ
GE_ VN và TB_VN 6 6 6 2 6
Nguồn: Tổng hợp của tác giả từ Eviews
Theo kết quả từ bảng trên, chúng ta có thể nhận thấy được độ trễ tối ưu được lựa chọn cho mơ hình VAR với biến GE_VN và TB_VN là 2 và 6. Vì vậy, chúng ta lần lượt ước lượng từng mơ hình VAR với từng độ trễ và tơi đã lựa chọn ra mơ hình tốt nhất với độ trễ là 6, hay 𝑝 = 6.
Tiếp theo, chúng ta xây dựng lại mơ hình VAR với độ trễ là 6 và cộng thêm 𝑑𝑚𝑎𝑥 độ trễ vào mỗi biến trong mỗi phương trình (ở đây 𝑑𝑚𝑎𝑥 = 2), chi tiết như sau:
GEt = a0+ a1GEt−1+. . . +a6GEt−6+ 𝐚𝟕𝐆𝐄𝐭−𝟕+ 𝐚𝟖𝐆𝐄𝐭−𝟖 + b1TBt−1+. . . +b6TBt−6 + 𝐛𝟕𝐓𝐁𝐭−𝟕+ 𝐛𝟖𝐓𝐁𝐭−𝟖+ ut TBt = c0+ c1TBt−1+. . . +c6TBt−6+ 𝐜𝟕𝐓𝐁𝐭−𝟕+ 𝐜𝟖𝐓𝐁𝐭−𝟖
+ d1GEt−1+. . . +d6GEt−6+ 𝐝𝟕𝐆𝐄𝐭−𝟕 + 𝐝𝟖𝐆𝐄𝐭−𝟖+ vt
Sau đó, chúng ta sẽ tiến hành kiểm định phi nhân quả Granger bằng cách sử dụng kiểm định WALD chuẩn (standard WALD test) để tính tốn giá trị kiểm định WALD hiệu chỉnh và thơng qua đó kiểm định các giả thuyết sau:
H0: b1 = b2 = b3 = b4 = b5 = b6 = 0, nghĩa là không tồn tại mối quan hệ
H0: d1 = d2 = d3 = d4 = d5 = d6 = 0, nghĩa là không tồn tại mối quan hệ
nhân quả Granger từ chi tiêu chính phủ đến cán cân thương mại.
Tuy nhiên, chúng ta cần lưu ý rằng khi thực hiện kiểm định WALD đối với các hệ số của các biến trễ đầu tiên ứng với p = 6, không bao gồm hệ số của biến trễ thứ 7 và 8 vì biến này chỉ nhằm mục đích đảm bảo cho kiểm định WALD theo đúng phân phối tiệm cận chi bình phương dưới giả thuyết khơng là khơng có mối quan hệ nhân quả Granger.
Với giá trị kiểm định MWALD tìm được ta sẽ thực hiện so sánh với giá trị tới hạn bootstrap để xác định kết quả kiểm định. Như đã trình bày trong phần trên, đối với phương pháp TY (1995) truyền thống, sau khi thực hiện kiểm định WALD, chúng ta sẽ xem xét kết quả dựa trên giá trị p-value, nếu p-value < mức ý nghĩa (10%) thì bác bỏ giả thuyết H0, nghĩa là tồn tại mối quan hệ nhân quả Granger. Và ngược lại, không thể bác bỏ giả thuyết H0 (chấp nhận H0) tức là khơng có quan hê nhân quả.
Tuy nhiên, trong bài nghiên cứu này, chúng ta sẽ không dựa trên p-value để đưa ra kết quả kiểm định mà thay vào đó, chúng ta sẽ thực hiện tính tốn giá trị tới hạn bootstrap cho từng mức ý nghĩa 1%, 5%, 10%, từ đó chúng ta sẽ so sánh giá trị khi thực hiện kiểm định WALD với giá trị bootstrap vừa tìm được. Sở dĩ chúng ta không dựa vào giá trị tới hạn truyền thống vì khi thực hiện kiểm định, kết quả có thể sẽ bị sai lệch nếu các phần dư có phân phối không theo phân phối chuẩn và có phương sai thay đổi. Gía trị bootstrap được tính tốn dựa trên việc lấy mẫu có hồn lại, điều này sẽ giúp khắc phục những hạn chế khi sử dụng mơ hình TY truyền thống.
Để có thể tính tốn được giá trị tới hạn bootstrap theo từng mức ý nghĩa, chúng ta sẽ dựa vào chương trình riêng biệt được viết bởi Hacker và Hatemi-J (2005a), chương trình này sẽ được thực thi trên nền tảng của phần mềm GAUSS LIGHT 14, với các biến đầu vào là chi tiêu chính phủ và cán cân thương mại, bậc tự do và 𝑑𝑚𝑎𝑥 như đã xác định lần lượt là 6 và 2. Và dưới đây là bảng mô tả chi tiết của kết quả kiểm định.
Bảng 4.5: Kết quả kiểm định phi nhân quả Granger theo TY tuyến tính
Bootstrap critical value
Statistic 1% 5% 10%
GE_VN ≠> TB_VN 13.92155* 20.096 14.442 12.008
TB_VN≠>GE_VN 10.85533 20.375 14.088 11.689
Nguồn: Tổng hợp của tác giả từ Eviews và GAUSS
Lưu ý rằng các giá trị tới hạn bootstrap trong nghiên cứu này đạt được khi thực hiện mô phỏng trên 10,000 vòng lặp (replications), và * đại diện cho mức ý nghĩa 10%.
Theo kết quả đạt được trong bảng trên, chúng ta có thể nhận thấy giá trị kiểm định thống kê đại diện cho kiểm định phi nhân quả từ chi tiêu chính phủ đến thâm hụt thương mại đạt giá trị là 13.92155, và giá trị này lớn hơn giá trị tới hạn bootstrap ở mức ý nghĩa 10%, do đó chúng ta có thể bác bỏ giả thuyết H0: khơng có quan hệ nhân quả từ chi tiêu chính phủ đến thâm hụt thương mại, điều này nghĩa là có tồn tại mối quan hệ nhân quả từ chi tiêu chính phủ đến thâm hụt thương mại ở mức ý nghĩa 10%. Tuy nhiên, ở chiều ngược lại khi kiểm định quan hệ nhân quả từ thâm hụt thương mại đến chi tiêu chính phủ, chúng ta nhận thấy khơng thể bác bỏ giả thuyết
H0, điều đó có nghĩa là sẽ khơng có quan hệ nhân quả từ thâm hụt thương mại đến chi tiêu chính phủ. Tóm lại, chúng ta có thể kết luận rằng có tổn tại mối quan hệ nhân quả một chiều từ chi tiêu chính phủ đến thâm hụt thương mại dù mối quan hệ đó là yếu, và khơng tồn tại quan hệ nhân quả theo chiều ngược lại.
Kết quả ước lượng mơ hình VAR cho việc thực hiện kiểm định Modified WALD Test theo phương pháp Toda – Yamamoto (1995) được trình bày chi tiết trong các hình dưới đây.
Hình 4.2: Kết quả ước lượng mơ hình VAR(6) của biến chi tiêu chính phủ và thâm hụt thương mại
Vector Autoregression Estimates Date: 03/12/15 Time: 23:54
Sample (adjusted): 1996Q1 2013Q4
Included observations: 72 after adjustments Standard errors in ( ) & t-statistics in [ ]
GE_VN TB_VN GE_VN(-1) 1.552563 0.028907 (0.13767) (0.24637) [ 11.2777] [ 0.11733] GE_VN(-2) -0.365407 0.012330 (0.25600) (0.45814) [-1.42738] [ 0.02691] GE_VN(-3) -0.182437 0.057854 (0.25903) (0.46356) [-0.70431] [ 0.12480] GE_VN(-4) -0.398664 -0.894166 (0.22611) (0.40465) [-1.76314] [-2.20973] GE_VN(-5) 0.598933 1.238236 (0.22756) (0.40725) [ 2.63197] [ 3.04050] GE_VN(-6) -0.190783 -0.246466 (0.26737) (0.47850) [-0.71354] [-0.51508] TB_VN(-1) 0.010632 1.502146 (0.07781) (0.13924) [ 0.13665] [ 10.7879] TB_VN(-2) -0.020164 -0.334653 (0.14069) (0.25178) [-0.14332] [-1.32915] TB_VN(-3) -0.037033 -0.132669 (0.14241) (0.25487)
[-0.26004] [-0.52055] TB_VN(-4) 0.276276 -0.470675 (0.12552) (0.22463) [ 2.20111] [-2.09536] TB_VN(-5) -0.330092 0.550406 (0.12240) (0.21905) [-2.69680] [ 2.51267] TB_VN(-6) 0.062336 -0.148213 (0.13369) (0.23926) [ 0.46626] [-0.61947] C 1.03E+10 -1.44E+10 (7.9E+09) (1.4E+10) [ 1.30354] [-1.02021] GE_VN(-7) -0.163733 -0.041143 (0.26479) (0.47388) [-0.61835] [-0.08682] GE_VN(-8) 0.161732 -0.171859 (0.14371) (0.25719) [ 1.12539] [-0.66822] TB_VN(-7) 0.003587 -0.088238 (0.13298) (0.23799) [ 0.02697] [-0.37076] TB_VN(-8) 0.066150 0.006778 (0.08122) (0.14535) [ 0.81448] [ 0.04663] R-squared 0.998825 0.970820 Adj. R-squared 0.998484 0.962331
Sum sq. resids 3.46E+22 1.11E+23
S.E. equation 2.51E+10 4.49E+10
F-statistic 2922.849 114.3659
Log likelihood -1816.489 -1858.393
Akaike AIC 50.93024 52.09424
Schwarz SC 51.46778 52.63179
Mean dependent 1.46E+12 -2.41E+11
S.D. dependent 6.44E+11 2.31E+11
Determinant resid covariance (dof adj.) 1.18E+42
Log likelihood -3672.454
Akaike information criterion 102.9570
Schwarz criterion 104.0321
Nguồn: Tổng hợp của tác giả từ Eviews
Để đảm bảo cho mơ hình VAR được ước lượng là tốt, chúng ta có thể thực hiện kiểm định ý nghĩa của các phần dư (residuals) của từng phương trình trong mơ hình VAR, và kết quả đạt được là phần dư trong nghiên cứu này đều dừng. Điều này có nghĩa là mơ hình khơng bị tự tương quan và phương sai thay đổi.